mcpField
W
Wafergraph MCP

Wafergraph MCP

远程服务
github.com/jasonpalmer1商业与营销08 周前更新
代码仓库

关于 Wafergraph MCP

Wafergraph MCP 为开展企业、市场和网络分析的 AI Agent 提供半导体与 AI 供应链的来源数据。工具涵盖企业资料、地域风险敞口、供应关系和并购交易,并附带来源归属与数据范围信息。

主要功能

  1. 01搜索和筛选企业
  2. 02探索供应商与客户关系图
  3. 03比较企业和国家
  4. 04分析瓶颈与供应中断
  5. 05搜索并汇总并购交易
  6. 06提供来源与数据覆盖信息

适用场景

  1. 01追踪企业的上游供应商
  2. 02识别多个持仓共有的供应商
  3. 03比较各细分领域的国家风险敞口
  4. 04查看市场并购活动

MCP 相关

远程 MCP 服务位于 `https://mcp.wafergraph.com/mcp`,通过 Streamable HTTP 提供 30 个只读工具。响应包含来源归属,以及企业资料和报告的链接。

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://wafergraph-mcp.jwpalm99.workers.dev/mcp
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。

工具

30
参数类型必填说明
querystring否对公司名称和 one_liner 进行不区分大小写的子串匹配。
countrystring否筛选总部位于此国家的公司,例如 'Taiwan'(不区分大小写)。
segmentstring否按此分类体系细分领域 ID 筛选公司,例如 'foundry'、'equipment_front_end'(参见 get_segments)。

详细介绍

wafergraph-mcp

一个远程 MCP 服务,通过 30 个只读工具开放 wafergraph.com 的半导体与 AI 供应链数据集,供任何支持 MCP 的 AI Agent 直接调用。该数据集涵盖 12 个细分领域的 565 家公司、供应商/客户关系图谱,以及包含 74 笔交易的并购语料库。

无需身份验证,无需付费,只读。通过 /mcp 提供 Streamable HTTP 传输。/ 提供面向用户的落地页。

在线地址:https://mcp.wafergraph.com

工具

工具用途
search_companies({query?, segment?, country?})按名称/描述搜索,并可按细分领域和国家筛选。返回精简列表,最多 25 条,并附匹配总数。
get_company({id})获取一家公司的完整可公开资料(按 id 或名称),以及其供应商/客户关系。
get_segments()获取 12 个细分领域的分类体系(含子细分领域、market_position 枚举),以及实时公司数量。
get_supply_chain({id, direction, depth})从指定公司出发,遍历最多 2 层的供应商/客户关系图谱:向上("up")、向下("down")或双向("both")。
get_deals({query?, segment?})搜索并购交易语料库。返回精简列表,最多 30 条,并附匹配总数。
compare_companies({ids})按对齐字段并排比较 2-6 家公司,并列出它们共有和各自独有的供应链交易对手。
get_country_exposure({segment?})地理集中度:按数量排名,展示哪些国家拥有某细分领域的公司,并提供已披露市值的覆盖率。
find_chokepoints({segment?, limit?})根据下游依赖度(按市场地位加权)对瓶颈进行排名。采用透明的启发式方法,并非专有风险模型。
analyze_portfolio_exposure({holdings})将股票代码或 id 映射为细分领域/国家敞口,并标记多项持仓共同依赖的供应商。不构成投资建议。
筛选与发现
工具用途
filter_companies({...})按多个条件进行结构化筛选(细分领域、子细分领域、国家、市场地位、上市状态、市值区间、是否有 ticker),并支持排序和分页。
list_subsegments({segment?})列出所有子细分领域及其实时公司数量和所属细分领域。
get_subsegment({segment, subsegment})列出一个子细分领域中的所有公司,并按市场地位和国家分类。
find_similar_companies({id})根据细分领域标签及共同供应链交易对手的 Jaccard 相似度,查找结构上最接近的公司。
rank_by_market_cap({segment?, country?, limit?})按已披露市值列出规模最大的公司,并始终附上覆盖率。
resolve_ticker({inputs})批量将最多 25 个股票代码、名称或 id 解析为对应的标准公司记录;未匹配时提供建议。
地理与结构
工具用途
list_countries({segment?})列出所有国家及公司数量、细分领域构成和上市/非上市公司比例。
get_country_profile({country})深入了解一个国家,包括各个方向上有多少供应关系跨越其国境。
compare_countries({countries})并排比较 2-5 个国家,并列出各国独有和占主导地位的细分领域。
get_segment_leaders({segment?})查看某个细分领域中的垄断者和领先者。
`get_upstream_concentration({id})``按国家和细分领域展示一家公司的供应商构成,并提供 HHI 指数和关系覆盖率背景信息。
图分析
工具用途
find_paths_between({from, to, max_depth?})记录两家公司之间的供应路径,按最短路径优先排序。
`simulate_disruption({company_id?country?
find_single_source_dependencies({segment?, country?})找出仅由一家有记录在案的供应商服务的客户/子细分领域组合。
rank_by_connectivity({metric?, limit?})按记录在案的连接度排名。衡量的是文档记录的密度,而非现实世界中的关键程度。
`find_common_suppliers({ids?segment?})`
交易与数据集
工具用途
get_deal({id})完整查看一笔并购交易,并在可能时将交易方关联到对应公司。
find_deals_by_company({id})列出某家公司参与的所有交易,按角色拆分,并公开匹配方法。
get_ma_activity_summary()按年份、类型和状态统计交易数量及披露金额。
find_consolidation_hotspots()找出正在整合的细分领域;无法解析的交易也会计入,而非丢弃。
get_dataset_stats()了解此数据集包含什么、数据有多新,以及数据覆盖薄弱之处。调用此工具,了解数据无法回答哪些问题。

每个响应都包含:

  • data — 数据载荷。
  • attribution — 编制方/来源信息块(SEC、Wikidata、Wikipedia、GLEIF),以及指向 wafergraph.com 上完整来源档案的 company_url。
  • links — { report, newsletter },指向 wafergraph.com 及其人工评分的 Vendor Exposure Review。
字段规范

截至 2026-07-19,公司记录包含 key_products。wafergraph 自有数据集中的该字段最初是批量起草的,存在已知的捏造/范围偏差历史;在上游完成经过验证的深度填充之前,此处一直未提供该字段。现在,已有 564/565 家公司填充了该字段(已确认数据在线有效),仅 sk_enpulse 为空(该公司已停业,并于 2025-12-23 并入 SKC)。此处提供的每个字段—— name、ticker、market_cap_usd_b、segments、one_liner、market_position、key_products、 key_customers/key_suppliers 图关系、交易——都是经过核实且可信的数据。字段仍采用白名单(而非黑名单)方式,在 src/types.ts(toAllowedCompany)中设置,因此之后在上游添加的任何内容默认仍会被排除,除非主动将其加入。

此服务记录的内容

只记录计数,从不记录身份信息。不会记录 IP、查询内容或工具参数、用户标识符、Cookie 或个人身份信息(PII)。具体来说:每天每种工具的调用次数、每天开启的不同会话数,以及连接的客户端软件(MCP 客户端已在 initialize 握手中发送的 clientInfo 名称和版本,例如 [email protected])。

会话不等于用户——同一个人重新连接会被计为多次。此处记录的任何内容都无法识别你的身份。

安装

Claude Code
claude mcp add --transport http wafergraph https://mcp.wafergraph.com/mcp
claude.ai(自定义连接器)

设置 → 连接器 → 添加自定义连接器 → 粘贴:

https://mcp.wafergraph.com/mcp
通用 MCP 客户端(Streamable HTTP)
{
  "mcpServers": {
    "wafergraph": {
      "url": "https://mcp.wafergraph.com/mcp"
    }
  }
}

架构

Cloudflare Worker、TypeScript,基于 agents 包的 McpAgent 构建(由 Durable Object 支持的 Streamable HTTP MCP 服务——Workers Free 计划免费提供;SQLite 存储后端)。有关文件映射和数据源模式决策(混合实时抓取与一个随项目分发的快照;通过对上游端点进行端到端测试后发现,而非凭空假设),请参阅 CLAUDE.md。

开发

npm install
npm run dev       # wrangler dev, local
npm run typecheck # tsc --noEmit
npm run deploy    # wrangler deploy

署名与许可

完整的来源/许可说明见 ATTRIBUTION.md(SEC EDGAR 公共领域、Wikidata CC0、Wikipedia CC BY-SA 4.0——需要署名、GLEIF)。简而言之:可免费使用,请注明 wafergraph.com,不构成财务建议。

这是一个基于 wafergraph.com 公共数据集独立开发的项目;它不是 wafergraph 的官方产品。

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。