Financial Risk And Compliance Manager A2a

财务风险与合规经理-综合文档

🎥 视频演示

请查看 视频演示

专有软件通知

该软件是专有和机密的。严禁未经授权通过任何媒介复制、分发或使用本软件。

1.工程概况

具有A2A协议和MCP服务器架构的金融风险与合规管理器是一个模块化的多代理系统，旨在自动化金融机构的合规分析。它利用代理到代理（A2A）协议进行代理间通信，利用模型上下文协议（MCP）服务器对生成式人工智能工具进行标准化访问，如检索增强生成（RAG）和大型语言模型（LLM）。该系统对监管文件进行索引，检索相关上下文，并通过涉及多个代理的协作工作流生成详细的合规报告。与传统的合规系统相比，这种方法提供了更高的准确性、效率和可扩展性。

______________________________________________________________________

🧩 建筑

系统架构由以下组件组成：

• 流线型前端： 一个用户友好的界面，用于提交合规查询和查看结果。
• MCP服务器： 一个集中式服务器，提供对生成式人工智能工具的访问，例如使用LangChain和FAISS的检索增强生成（RAG），以及使用模型上下文协议（MCP）的大型语言模型（LLM）。
• 代理人： 一组专门的代理，包括配置文件检查器、风险报告器和合规性查询器，它们使用代理到代理（A2A）协议进行协作，以执行合规性分析。
• 法规PDF： 一组监管文件，作为合规检查的知识库，由MCP服务器的RAG功能索引。

______________________________________________________________________

🔄 系统架构图

sequenceDiagram
    participant UI as Streamlit Frontend
    participant MCP as MCP Server (Flask)
    participant Agent2 as Risk Reporter
    participant Agent1 as Profile Checker
    participant Agent3 as Compliance Querier

    UI->>Agent2: 1. Sends query (via MCP)
    Agent2->>Agent1: 2. Requests client profile (A2A)
    Agent1-->>Agent2: 3. Returns profile data (A2A)
    Agent2->>MCP: 4. Queries regulation context
    MCP-->>Agent2: 5. Returns context
    Agent2->>Agent3: 6. Sends risk report (A2A)
    Agent3->>MCP: 7. Queries compliance details
    MCP-->>Agent3: 8. Returns compliance response
    Agent3-->>Agent2: 9. Sends final report (A2A)
    Agent2-->>UI: 10. Returns result (via MCP)

图表注释:

• A2A通信：使用A2A协议显示了直接代理到代理的交互（例如，代理2到代理1，代理2和代理3）。
• MCP服务器角色MCP服务器充当一个集中式中心，提供对RAG服务（使用LangChain和FAISS）和LLM的访问。代理与MCP服务器交互以检索法规上下文和合规性详细信息。
• 综合RAG服务：RAG功能嵌入在MCP服务器中，该服务器对监管文件进行索引并处理来自代理的检索请求。

______________________________________________________________________

2.A2A通信协议

2.1什么是A2A协议？

代理到代理（A2A）协议是一个标准化的通信框架，使自主代理能够相互交互和协作。在这个项目中，我们实现了A2A协议，以促进专业代理之间的无缝通信，每个代理负责合规性分析的不同方面。

2.2 A2A在本项目中的实施

我们的系统通过以下方式实现A2A协议：

1. 直接HTTP通信

- 代理使用RESTful HTTP端点直接相互通信 - 每个代理都公开特定的端点以接收和发送数据 - 通信遵循标准化的JSON消息格式

1. 代理通信流程

- 配置文件检查器→ 风险报告员：发送客户端配置文件分析结果 - 风险报告员→ 合规查询员：传输风险评估数据 - 合规查询员→ 风险报告员：返回合规性分析结果

2.3代理通信矩阵

2.4 A2A协议的优点

• 解耦架构：代理可以独立开发和维护
• 可扩展性：可以添加新代理，而无需修改现有代理
• 容错：单个代理故障不会影响整个系统
• 标准化沟通：所有代理的消息格式一致
• 可追溯性：每次通信都会记录时间戳和元数据

______________________________________________________________________

3.核心部件

3.1前端（app.py）

• 使用Streamlit构建
• 提供用户友好的界面，用于提交合规性查询
• 以现代的基于卡片的UI显示结果
• 允许配置RAG设置和其他参数

3.2 MCP服务器（MCP_Server.py）

• 充当人工智能服务的中心枢纽
• 使用LangChain和FAISS实现检索增强生成（RAG）
• 管理对大型语言模型（LLM）的访问
• 处理文档索引和检索

3.3代理系统（A2A协议）

该系统使用三个使用A2A协议进行通信的专用代理：

1. 配置文件检查器（agent1_Profile_Checker.py）

- 端口：5001 - 角色：分析JSON文件中的客户端配置文件 - 地点： client/ 目录 - 目的：验证和处理客户信息

1. 风险报告员（agent2_Risk_Reporter.py）

- 端口：5002 - 角色：协调合规性分析工作流程 - 与其他代理进行沟通 - 生成风险评估报告

1. 合规性查询器（agent3_Compliance_Querier.py）

- 端口：5003 - 角色：执行详细的合规性检查 - 查询监管文件 - 生成合规报告

3.4数据组件

PDF文件（在数据/目录中）

该系统使用几个监管文件：

• aml_bsa_manual.pdfFFIEC BSA/AML 考试手册
• aml_31cfr.pdf：31 CFR第十章-BSA法规
• sec_iaa40.pdf1940年《投资顾问法》
• sec_rule_206_4_1.pdf：美国证券交易委员会规则206（4）-1

这些PDF作为合规性检查的知识库，并由MCP服务器的RAG功能进行索引。

JSON文件（位于客户端/目录中）

• 包含客户端配置文件数据
• 由配置文件检查器代理使用
• 用于合规性分析的结构化数据

______________________________________________________________________

4.工作流程

1. 查询提交

- 用户通过Streamlit UI提交合规性查询 - 查询通过MCP服务器发送到Risk Reporter代理

1. 配置文件分析

- Risk Reporter向配置文件检查器请求客户配置文件 - 配置文件检查器分析客户端JSON数据 - 结果返回给风险报告员

1. 监管背景

- Risk Reporter向MCP服务器查询相关法规上下文 - MCP服务器使用RAG从PDF中查找相关部分 - 上下文返回给风险报告员

1. 合规性分析

- 风险报告员将数据发送给合规查询员 - 合规性查询器执行详细的合规性检查 - 生成最终报告并返回UI

______________________________________________________________________

5.技术实施

5.1 A2A协议

• 代理使用HTTP直接相互通信
• 每个代理在不同的端口（5001-5003）上运行
• 通信是标准化的，遵循特定的协议

5.2 RAG实施

• 使用LangChain进行文档处理
• FAISS用于向量存储和相似性搜索
• PDF被分块和索引，以实现高效检索

5.3配置

• API键的环境变量
• 可配置的RAG设置（块大小、重叠）
• 模块化设计，易于扩展

______________________________________________________________________

6.设置和使用

6.1安装

1. 克隆存储库：

   git clone https://github.com/sachin0034/Financial-Risk-and-Compliance-Manager---A2A.git
   cd Financial-Risk-and-Compliance-Manager---A2A

1. 安装依赖项：

   pip install -r requirements.txt

或者，如果使用诗歌或pip工具，请使用 pyproject.toml.

6.2启动服务

1. 准备法规文件：

- 将您的法规PDF放在 data/ 目录。

1. 准备客户资料：

- 将您的客户端JSON文件放在 client/ 目录。

1. 设置环境变量（如果需要）：

- 例如，对于OpenAI：

     export OPENAI_API_KEY=your-openai-api-key

- 您还可以使用 .env 文件。

1. 启动MCP服务器：

   python mcp_server.py

1. 启动代理（在单独的终端中或作为后台进程）：

   python agents/agent1_server.py
   python agents/agent2_server.py
   python agents/agent3_server.py

1. 运行Streamlit UI：

   streamlit run app.py

1. 访问应用程序：

- 打开浏览器并转到： http://localhost:8501

6.3服务端口

______________________________________________________________________

7.配置

7.1文件结构

• 客户简介： 将JSON文件放入 client/ 目录
• 法规数据： 发生在 data/ 目录
• RAG设置： 在UI侧栏中配置块大小、重叠和向量数据库
• 环境变量： 使用 .env API密钥的文件（例如，OpenAI、Google Cloud）

7.2环境变量

创建一个 .env 包含以下变量的文件：

OPENAI_API_KEY=your-openai-api-key