Когда ваш AI-агент путает деривативы с депозитами
Вы спрашиваете у Claude или GPT: «В чем разница между кредитным дефолтным свопом и облигацией?» И получаете в ответ красивый, уверенный и абсолютно неправильный текст. Нейросеть пересказывает Википедию, путает стороны контракта, искажает смысл. Потому что у нее в голове нет карты финансового мира. Есть только статистика слов.
Финансы — это не язык. Это система жестких определений, иерархий и отношений. Кредитный дефолтный своп — это производный финансовый инструмент, а облигация — долговая ценная бумага. Вопрос не в лингвистике, а в онтологии. И для этого есть стандарт FIBO.
FIBO (Financial Industry Business Ontology) — это словарь, нарисованный в виде графа. Он описывает, что такое «актив», «обязательство», «кредит», «дериватив», и как они связаны между собой. Разрабатывается с 2011 года консорциумом EDM Council. Это не просто глоссарий — это формальная модель, которую может понять компьютер.
MCP-сервер как переводчик с финансового на нейросетевой
Model Context Protocol (MCP) — это способ подключать внешние данные и инструменты к AI-агентам. Представьте его как USB-порт для нейросети. В этот порт можно воткнуть базу данных, калькулятор, API биржи — или онтологию FIBO.
MCP-сервер для FIBO делает простую и гениальную вещь: он загружает онтологию (эти огромные RDF-файлы с определениями) и предоставляет агенту инструменты для работы с ней. Агент может спрашивать: «Что такое collateralized debt obligation?», «Покажи всех потомков класса DebtInstrument», «Как связаны Counterparty и CreditRisk?».
Что умеет этот сервер и как это выглядит на практике
Сервер (его код можно найти в репозитории NeurofusionAI на GitHub) реализует несколько ключевых инструментов (tools) через MCP:
- Поиск по термину — агент отправляет запрос типа «fibo-fnd-acc-cur:Currency», получает определение, свойства, связи.
- Навигация по иерархии — запросы «покажи подклассы», «покажи родительский класс».
- Проверка отношений — «является ли Credit Default Swap подклассом DerivativeInstrument?» (ответ: да).
Вот как это работает в диалоге с агентом (Claude Desktop с подключенным сервером):
Вы: Объясни структуру CDO простыми словами.
Агент (используя FIBO через MCP): Согласно FIBO, Collateralized Debt Obligation (CDO) — это тип структурного производного финансового инструмента... Ключевые компоненты: пул долговых активов, транши с разным уровнем риска... Это не просто «пакетик облигаций», а сложный конструкт с четкими правилами распределения денежных потоков.
Без FIBO агент мог бы сказать, что CDO — это «набор кредитов». Технически верно, но бесполезно для профессионала. С FIBO ответ точный, структурированный и соответствует отраслевому стандарту.
А есть другие способы впихнуть онтологию в нейросеть?
Конечно. И все они хуже.
| Способ | Проблемы | Почему MCP лучше |
|---|---|---|
| Засунуть FIBO в промпт | Контекстное окно взорвется. FIBO — это гигабайты RDF/OWL. | MCP загружает онтологию один раз на сервере, агент запрашивает только нужные фрагменты. |
| Fine-tuning модели на финансовых текстах | Дорого, долго, результат не гарантирует точности определений. | Сервер всегда предоставляет каноничные, проверенные определения из официального стандарта. |
| Создание кастомного RAG с документами FIBO | Сложная настройка, проблемы с пониманием графовой структуры. | MCP-сервер уже содержит логику для обхода онтологического графа. Это готовый RAG для FIBO. |
MCP здесь — это не просто транспорт, а абстракция. Он превращает онтологию в набор простых инструментов, которыми агент может пользоваться так же, как он пользуется калькулятором или поиском в интернете. Как в WebSearch AI, но для внутреннего мира финансовых понятий.
Кому этот инструмент сломает жизнь (в хорошем смысле)
- Разработчики финтех-агентов — которые устали объяснять клиентам, почему их бот перепутал фьючерс с форвардом. Теперь можно подключить сервер и получить мгновенное улучшение точности.
- Финансовые аналитики и консультанты — которые используют AI для подготовки отчетов. FIBO через MCP станет гарантом того, что все термины использованы правильно.
- Комплаенс-офицеры — которые проверяют, соответствует ли описание продукта в маркетинговых материалах регуляторным определениям. Агент с FIBO сделает предварительный анализ за секунды.
- Преподаватели финансов — которые хотят, чтобы их учебный AI-ассистент не генерировал ересь.
Если вы делаете что-то серьезное в области автоматизации финансов (как в случае с CodeAct агентом для трейдинга), то FIBO — это must-have. Иначе ваш агент будет умным, но безграмотным.
Как заставить это работать за 15 минут
Никакого волшебства. Только Python и конфигурационные файлы.
1 Клонируем и настраиваем
Скачиваем репозиторий сервера. Устанавливаем зависимости (rdflib, fastapi, mcp). Сервер ожидает, что файлы онтологии FIBO уже лежат в определенной папке. Их нужно скачать с сайта EDM Council (это бесплатно, но требует регистрации).
2 Подключаем к агенту
Редактируем конфиг Claude Desktop (или другого MCP-хоста, типа PlexMCP). Добавляем секцию с нашим сервером, указываем путь к скрипту и аргументы. Перезапускаем клиент.
3 Тестируем
Задаем агенту каверзный вопрос из области структурированных финансов. Наблюдаем, как он перед ответом «думает», вызывая инструменты сервера (это видно в логах или интерфейсе, если используете Syrin для отладки). Получаем ответ со ссылками на конкретные классы FIBO.
Главная сложность — не техническая, а концептуальная. Нужно привыкнуть, что агент теперь не просто «генерирует текст», а совершает формальные запросы к онтологии. Его ответы становятся сухими, точными и менее «творческими». Для финансов это плюс.
Что будет дальше? Онтологии как новая периферия для ИИ
FIBO через MCP — это только первый шаг. По аналогии можно подключить онтологию медицинских терминов, юридических понятий, инженерных стандартов. MCP становится универсальным мостом между миром формальных знаний и статистическим интеллектом LLM.
Следующая ступень — агенты, которые не только читают онтологии, но и пишут в них. Представьте AI-аналитика, который, изучая новый финансовый регулятивный документ, предлагает дополнения в FIBO. Или агента, который проверяет непротиворечивость онтологии, как в Owlex, но для графов знаний.
Пока большинство бегает за мультимодальностью и длинным контекстом, умные ребята подключают к нейросетям источники структурированной истины. Потому что без этого любой самый продвинутый GPT — всего лишь очень начитанный попугай. Особенно в финансах, где ошибка в определении стоит денег.
Совет на последок: если вы собираетесь использовать этот сервер в продакшене, сразу думайте о кэшировании запросов к онтологии. Иначе каждый вопрос про «что такое валюта» будет вызывать парсинг гигабайтного RDF-файла. Но это уже детали. Главное — вы теперь знаете, как заставить ИИ говорить на языке Уолл-Стрит, а не на языке интернет-форумов.
