Securo AI Agent教程:自托管LLM+MCP工具调用,用一句话查询你的财务数据
【免费下载链接】securoOpen-source personal finance manager. Self-hosted, privacy-first.项目地址: https://gitcode.com/gh_mirrors/se/securo
Securo是一款开源、自托管、隐私优先的个人财务管理系统(Personal Finance Manager)。它的最大亮点之一,是内置的AI Agent 功能:接入你自己的 LLM(如 Ollama 本地模型、OpenAI、Anthropic),通过MCP(Model Context Protocol,模型上下文协议)工具调用,让 AI 真正"读懂"你的账本——一句"我上个月花了多少钱?",Agent 就会自动调用报表工具、查询数据库,用自然语言给你完整答案。
1️⃣ Securo AI Agent 是什么?
传统记账软件只能"看"数据,而 Securo 的 AI Agent 能"查"数据:
- 自托管 LLM:模型可以完全跑在你自己的服务器/电脑上(Ollama),数据不出门,隐私拉满;也支持 OpenAI、Anthropic 等云端模型。
- MCP 工具调用:内置一个独立的 MCP Server 容器,暴露30+ 个财务工具(查询净资产、收支报表、交易搜索、预算对比、规则管理等)。Agent 运行时由 LLM 自主决定调用哪个工具、传什么参数。
- 提案模式(Proposal Mode):涉及"修改数据"的操作(如建预算、改分类),AI 不会直接动手,而是生成一条"提案",你在界面上确认后才会真正写入数据库。🔒
- 知识库 RAG:支持上传文件到个人知识库,Agent 可结合你的资料回答问题。
核心源码结构如下,感兴趣可以深入阅读:
- AI Agent 后端:backend/app/agents/
- MCP 服务器入口:mcp_server/main.py
- MCP 工具注册表:mcp_server/registry.py
- 前端聊天面板:chat-panel.tsx
2️⃣ 一键开启 AI Agent:完整部署步骤
AI Agent 是可选功能,默认关闭,老用户零成本、零影响。开启只需三步:
步骤 1:准备你的 LLM
最简单的全本地方案是 Ollama,在你的服务器或本地机器上拉一个对话模型即可:
ollama pull llama3.1如果不想本地跑模型,也可以直接用 OpenAI / Anthropic 的 API Key(配置方式见下节)。
步骤 2:修改 .env 配置
在仓库根目录的.env中设置(配置项定义见 backend/app/agents/config.py):
| 配置项 | 示例值 | 说明 |
|---|---|---|
AGENTS_ENABLED | true | ⭐ 总开关,必须打开 |
AGENTS_DEFAULT_PROVIDER | ollama | LLM 提供方 |
AGENTS_OLLAMA_BASE_URL | http://ollama:11434 | Ollama 地址;连宿主机可用http://host.docker.internal:11434 |
AGENTS_DEFAULT_MODEL | llama3.1 | 要使用的模型名 |
AGENTS_OPENAI_API_KEY | sk-... | 使用 OpenAI 时填写 |
完整环境变量说明都在 docker-compose.yml 中有中文注释,直接照抄即可。
步骤 3:带上 agents 配置档启动
docker compose --profile agents up--profile agents会额外启动mcp-server容器(默认监听 8765 端口,见 docker-compose.yml),这是整个 AI 功能的地基。启动完成后,打开 Web 界面,侧边栏就会出现 AI 聊天面板。
3️⃣ 四种 LLM 提供方:本地零成本 vs 云端高性能
Securo 内置四种 LLM Provider,注册表见 providers/registry.py:
| Provider | 适用场景 | 关键配置 |
|---|---|---|
| ollama⭐推荐 | 全本地、零 API 费用、隐私最强 | AGENTS_OLLAMA_BASE_URL |
| openai | 效果最好的云端模型 | AGENTS_OPENAI_API_KEY |
| anthropic | Claude 系列模型 | AGENTS_ANTHROPIC_API_KEY |
| openai_compatible | LM Studio、vLLM 等兼容接口 | AGENTS_OPENAI_COMPAT_BASE_URL+..._API_KEY |
💡小贴士:Docker 已通过host.docker.internal打通宿主机网络(Linux 下自动配置),所以你可以放心地把 Ollama / LM Studio 跑在宿主机上,容器内直接访问。
创建 Agent 时(/agents页面 → 新建 Agent),可以为每个 Agent 单独指定 Provider、模型、系统提示词和工具权限,一个工作区可以并存多个"财务顾问"。
4️⃣ 内置 MCP 工具全景:30+ 个工具随便 Agent 调
所有内置工具位于 backend/mcp_server/tools/,按职能分为四大类:
📊 只读查询类(问就答,无风险)
get_net_worth— 净资产趋势("我的净资产在涨吗?")get_income_expenses— 收支对比报表("最近6个月入不敷出吗?")get_cash_flow— 现金流预测("下个月账上还有多少钱?")get_dashboard_snapshot— 月度快照:总收入/支出/结余/Top 分类,一次调用全拿到list_transactions/search_all— 交易明细与全局搜索list_accounts/list_budgets/list_assets/list_goals/list_recurring_transactions— 账户、预算、资产、目标、周期交易get_budget_vs_actual— 预算执行分析("这个月哪类预算超支了?")
报表工具的参数设计得非常"AI 友好",例如 reports.py 中的get_net_worth直接写明描述"Use to answer 'how is my net worth trending?'",让 LLM 一看就知道何时该用它。
✍️ 提案类(propose_*,需你确认才生效)
propose_categorize— 给交易重新分类propose_create_transaction— 记账propose_create_budget/propose_create_goal— 建预算、建理财目标propose_create_rule/propose_update_rule/propose_delete_rule— 规则引擎管理
📚 知识库
search_knowledge_base— 在你的上传文件中做向量检索(RAG)
🛡️ 安全机制:MCP 端点对每一次调用都强制 JWT 鉴权(见 auth.py),且工具自动限定在令牌所属的 Workspace 内,多租户数据互不可见。
5️⃣ 提案模式:AI 记账,但方向盘在你手里
这是 Securo AI Agent 最值得称赞的设计 ⭐:
- 你对 Agent 说:"帮我给餐饮支出建一个月 800 元的预算。"
- LLM 调用
propose_create_budget工具——工具只生成预览,不写数据库(is_proposal: true,定义在 registry.py)。 - 聊天面板里弹出一张提案卡片(proposal-card.tsx),展示将创建的预算详情。
- 你点"确认",才真正入库;点"拒绝",AI 会收到反馈继续调整。
所有查询类工具只读、随时可跑;所有写操作都走提案,AI 永远无法绕过你的确认直接改账本。放心把"财务助理"这个头衔交给它。
6️⃣ 反向接入:让 Claude Desktop / n8n 调用你的 Securo
Securo 的 MCP Server 不仅服务自家 Agent,还能对外输出。在/agents→ 连接管理 → "External MCP access" 面板(mcp-external-panel.tsx)里:
- 一键生成长期访问令牌(默认 90 天有效,配置项
AGENTS_MCP_EXTERNAL_TTL_DAYS) - 把令牌填进 Claude Desktop 的 MCP 配置,就能在 Claude 里直接问你的财务数据
- 也可以接到 n8n 等自动化平台,做"每月 1 号自动拉取收支报表并发邮件"这类工作流
外部端点默认绑定127.0.0.1:8765,如需暴露到内网,修改AGENTS_MCP_EXTERNAL_HOST_PORT即可(详见 docker-compose.yml 注释)。
7️⃣ 多语言 & 常见问题
Securo 的界面与 Agent 问答均支持多语言,包括日语等国际化体验:
❓ 常见问题
Q1:不开 AI Agent 会影响其他功能吗?不会。AGENTS_ENABLED=false(默认值)时,路由不挂载、MCP 不启动、后台任务不运行,完全零开销。
Q2:本地模型效果一般怎么办?建议至少使用 8B 以上参数的指令模型,或切换到 OpenAI/Anthropic。知识库向量嵌入默认使用内置的 fastembed 多语言小模型(零配置),也可通过AGENTS_EMBEDDING_PROVIDER切换到 Ollama/OpenAI。
Q3:数据安全吗?所有 LLM 流量由你自己的.env决定走向:用 Ollama 则数据 100% 留在本地;用云端 API 仅将必要的上下文发往对应服务商。MCP 令牌可随时吊销,且与主应用密钥独立。
Q4:能给 Agent 限定权限吗?可以。每个 Agent 支持逐工具开关(tools-section.tsx),比如只留只读工具、关掉所有propose_*工具,打造只读"财务分析师"。
🚀总结:Securo 的 AI Agent 把"自托管 LLM + MCP 工具调用 + 提案式安全写操作"三者结合,让个人财务数据第一次真正做到了"开口即查"。三步部署(配.env→ 起 Ollama →docker compose --profile agents up),你就能拥有 24 小时在线、数据不出门的私人财务分析师。
【免费下载链接】securoOpen-source personal finance manager. Self-hosted, privacy-first.项目地址: https://gitcode.com/gh_mirrors/se/securo
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考