mcpField
S
Startup Valuation MCP Server

Startup Valuation MCP Server

远程服务
startup-valuation.ascent-partners.com金融数据31 天前更新

关于 Startup Valuation MCP Server

Startup Valuation Engine 是面向开发者和金融分析师的 Python 估值库、MCP 服务及 Agent 技能包,涵盖不同阶段和行业的创业公司估值方法,并返回含假设和敏感性分析的结果。

主要功能

  1. 0180 多个类型化估值函数
  2. 02提供估值方法的 14 个 MCP 工具
  3. 03结果包含假设与敏感性分析
  4. 04按行业划分的估值模块
  5. 05三个引导提示词及方法目录

适用场景

  1. 01估算尚未产生收入的创业公司价值
  2. 02建模融资轮次与股权稀释
  3. 03比较不同行业的估值情景

MCP 相关

MCP 服务提供 14 个工具、三个引导提示词和方法目录资源,支持本地 stdio 与托管 Streamable HTTP 连接。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://startup-valuation.ascent-partners.com/api
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

安装包
pypistartup-valuation2.1.4

工具

14
参数类型必填说明
kinteger否泊松概率 P(X=k) 中的事件数 k;整数 ≥ 0。
lowernumber否积分下限(标准正态分布域,例如 -1.0)。
uppernumber否积分上限(标准正态分布域,例如 1.0)。
methodenum是要应用的公式。选项:expected_value_discrete = E[X] = Σ xᵢ·P(X=xᵢ),适用于离散结果列表。;joint_probability = P(total) = Π pᵢ,适用于相互独立的连续事件。;probability_weighted = E[V] = Σ pᵢ·Vᵢ。;portfolio_return = E[R] = Σ wᵢ·Rᵢ,适用于 VC 投资组合。;poisson = P(X=k) = e^-λ λ^k / k!,适用于罕见事件。;expected_value_continuous = E[X] = ∫ x·f(x) dx,在标准正态分布上的 [lower, upper] 区间内计算。expected_value_discrete | joint_probability | probability_weighted | portfolio_return | poisson | expected_value_continuous
returnsarray否每项资产或情景的收益,以小数表示(0.20 = 20%),并与权重对齐。
weightsarray否投资组合或因子权重,每项均在 [0,1] 范围内且总和为 1(与配对值列表顺序相同)。
outcomesarray否可能的结果值 x_i,币种单位不限(长度和顺序必须与概率匹配)。
mean_eventsnumber否Poisson 均值 λ = 区间内的预期事件数。
probabilitiesarray否每种结果或阶段的概率,每项均在 [0,1] 范围内;若结果集完备,列表总和必须为 1。

详细介绍

Startup Valuation Engine

全面的初创企业估值库,实现了 Startup Valuation 教科书中的 80 多个公式 — Python 库、MCP 服务和 AI Agent 技能。

CI MCP Registry Glama MCP tools PyPI Python 3.10+ Coverage Docs OpenSSF Scorecard License: MIT

概述

用于初创企业估值的生产级 Python 库,实现了 Simon Mak 所著 Startup Valuation 教科书中的所有公式(Valuation in Practice Series,Ascent Partners)。专为需要可审计、结构化估值计算的开发者、金融分析师和 AI Agent 设计。

三层架构:

graph TB
    subgraph Library["Python Library"]
        MOD["14 Modules<br/>80+ Functions"] --> VR["ValuationResult"]
    end
    subgraph MCP["MCP Server"]
        VR --> SVR["FastMCP Server<br/>14 Tools"]
    end
    subgraph Skills["AI-agent skills"]
        SVR --> CORE["Core"]
        SVR --> ADV["Advanced"]
        SVR --> IND["Industry"]
        SVR --> STAKE["Stakeholder"]
        SVR --> EMER["Emerging"]
    end
    style Library fill:#0083AB,color:#fff
    style MCP fill:#4CAF50,color:#fff
    style Skills fill:#9C27B0,color:#fff
  1. Python 库 — 14 个模块、80 多个带类型的函数,均返回 ValuationResult(值 + 假设 + 敏感性分析)
  2. MCP 服务 — 14 个组合工具(80 多个公式),通过 stdio 和托管的 Streamable HTTP 为 AI Agent 提供服务
  3. AI Agent 技能 — 6 个技能定义,为估值领域提供工作流指导

安装

pip install startup-valuation          # library only
pip install startup-valuation[mcp]     # + MCP server
pip install startup-valuation[dev]     # + pytest, ruff, mypy

快速开始(≤ 5 分钟)

**最快的方式:**只需一行 — pip install "startup-valuation[mcp]" — 然后调用任意 *_valuation 工具(Scorecard、VC 方法、Black-Scholes、情景分析)。

Python 库
from startup_valuation.core import scorecard_valuation, vc_method_post_money
from startup_valuation.advanced import black_scholes, scenario_analysis
from startup_valuation.types import Scenario

# Scorecard Method (pre-revenue startups)
result = scorecard_valuation(
    average_valuation=1_500_000,
    weights=[0.30, 0.25, 0.15, 0.10, 0.10, 0.05, 0.05],
    scores=[1.25, 1.50, 1.20, 0.75, 1.00, 0.90, 1.00],
)
print(f"Scorecard: ${result.value:,.0f}")  # $1,800,000

# Black-Scholes for real options (startup equity)
result = black_scholes(
    underlying=20_000_000, strike=5_000_000,
    risk_free_rate=0.05, volatility=0.40, time_to_maturity=1.0,
)
print(f"Option value: ${result.value:,.0f}")  # $15,240,000

# Scenario Analysis
scenarios = [
    Scenario("bull", 0.20, 10_000_000),
    Scenario("base", 0.60, 5_000_000),
    Scenario("bear", 0.20, 1_000_000),
]
result = scenario_analysis(scenarios)
print(f"Expected value: ${result.value:,.0f}")  # $5,200,000
MCP 服务(适用于 AI Agent)

该服务提供 14 个工具,每个工具都通过 method 参数整合了一组公式 — 概率、时间价值、CAPM、核心的收入前估值方法、期权、可比公司、SaaS、市场平台、金融科技、生物科技、硬件、国际估值、利益相关者股权、新兴方法,以及三角验证式完整分析。

本地(stdio):

pip install "startup-valuation[mcp]"
startup-valuation-mcp          # console script installed with the [mcp] extra

**Prompts and resources.** Besides the 14 tools, the server offers three guided
prompts (`value_pre_revenue_startup`, `value_saas_startup`, `model_funding_round`)
and a machine-readable method catalog at `startup-valuation://methods`, so agents
can see every method's required parameters before calling a tool.

# or: python -m startup_valuation.mcp
# or ephemeral, no clone: uvx --from startup-valuation startup-valuation-mcp

托管版(Streamable HTTP) — 无需安装,无需 API 密钥:

https://startup-valuation.ascent-partners.com/api

OpenCode — 添加到 opencode.json:

"startup-valuation": {
  "type": "remote",
  "url": "https://startup-valuation.ascent-partners.com/api",
  "timeout": 60000
}

Claude Desktop / Cursor — 将 HTTP URL https://startup-valuation.ascent-partners.com/api 添加为 MCP 服务,或运行上面的 stdio 入口。

MCP Registry — 已发布为 com.ascent-partners/startup-valuation (清单:server.json),并列入 Glama 和 Official MCP Registry。glama.json 文件包含 Glama 维护者条目。

AI Agent 技能

将 skills/ 目录复制到 Agent 的技能文件夹:

  • valuation-core — 评分卡法、Berkus 法、VC 法、风险因素加总法
  • valuation-foundations — 概率、货币时间价值、CAPM、可比公司
  • valuation-advanced — Black-Scholes、二项式、Monte Carlo、情景分析
  • valuation-industry — SaaS、生物科技、金融科技、交易平台、硬件
  • valuation-stakeholder — 稀释、OPM、PWERM、清算优先权
  • valuation-emerging — SAFE、加密货币(MV=PQ)、ESG、Metcalfe 定律

按类别划分的估值方法

类别方法章节
概率期望值、联合概率、Poisson2
货币时间价值PV、NPV、年金2
CAPMCAPM、投资组合 beta、创业公司调整2
核心评分卡法、Berkus 法、风险因素法、VC 法3
高级Black-Scholes、二项式、Monte Carlo、情景分析4
可比公司P/E、P/S、EV/EBITDA、回归调整5
SaaSLTV、CAC、NRR、Magic Number、Rule of 4011
生物科技rNPV、决策树、峰值销售额、产品管线11
金融科技支付收入、借贷、新型银行、网络效应11
交易平台GMV、抽成率、流动性、网络密度11
硬件TRL 调整、盈亏平衡、概率加权 DCF11
国际PPP、CRP、汇率调整后的 DCF、Damodaran12
利益相关方稀释、OPM、PWERM、清算、协同效应13
新兴SAFE、MV=PQ、ESG、Metcalfe 定律、数据护城河14
估值阶梯
flowchart LR
    IDEA["Idea / pre-revenue"] --> SC["Scorecard · Berkus · Risk Factor"]
    SC --> VC["VC Method · OPM · PWERM"]
    VC --> ADV["Black-Scholes · Binomial · Monte Carlo · Scenario"]
    ADV --> COMP["Comparables: P/E · P/S · EV/EBITDA"]
    COMP --> IND["Industry: SaaS · Biotech · Fintech · Marketplace · Hardware"]
    IND --> R["ValuationResult (value · assumptions · sensitivity)"]
分布
flowchart LR
    PKG["startup-valuation<br/>14 modules · 80+ functions"] --> L["pip install startup-valuation"]
    PKG --> MP["pip install startup-valuation[mcp]<br/>→ 14-tool MCP server"]
    MP --> T1["stdio (local)"]
    MP --> T2["hosted Streamable HTTP"]

为什么选择这个库?

  • 可审计 — 每个函数都会返回 ValuationResult,其中包含价值、方法、输入、假设和敏感性分析
  • 符合教材 — 所有公式均通过单元测试,根据书中的示例值进行验证
  • 面向 AI — MCP 服务和 Skills 可实现与 AI Agent 的无缝集成
  • 针对行业 — 为 SaaS、生物科技、金融科技、交易平台和硬件创业公司提供专用模块
  • 开源 — MIT 许可证、可扩展、文档完善

开发

# Install dev dependencies
pip install -e ".[dev]"

# Run tests
pytest

# Run with coverage
pytest --cov=startup_valuation --cov-report=term-missing

# Lint
ruff check .

# Type check
mypy src/startup_valuation --ignore-missing-imports

注意: CI 和部署通过 APG workbench 流水线运行。

文档

配套教材

创业公司估值:快速成长、尚无收入公司的全面估值指南
理论、方法、法规与实践 — Ascent Partners 的「实践估值」系列
Simon Mak 著 · 338 页 · 15 章 · 300 多道练习题 · 20 多个真实案例

引用本项目

@software{startup_valuation_engine,
  author = {Mak, Simon},
  title = {Startup Valuation Engine},
  year = {2026},
  url = {https://github.com/simonmak-ascent/startup-valuation},
  license = {MIT},
}

基于 Startup Valuation 教材中的公式。

与 Context7 搭配使用

最新的 Startup Valuation Engine 文档已编入 Context7 索引,编码 Agent 可按需将其载入上下文。安装 Context7 MCP 服务或 ctx7 CLI 后,在提示词中指定此库:

use library /simonmak-ascent/startup-valuation for API and docs

许可证

MIT — 请参阅 LICENSE。


由 Ascent Partners 提供 — 属于 Valuation in Practice Series。

如果这为你节省了时间,在 GitHub 上点个 ⭐ 有助于其他人发现它。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。