mcpField
T
TaxBrainAI MCP

TaxBrainAI MCP

本地服务
github.com金融数据017 周前更新

关于 TaxBrainAI MCP

TaxBrainAI MCP 是面向印度个人所得税估算和申报后通知处理的独立 MCP 服务,适用于 ITR-1/2/3/4 场景。它离线运行,以确定性计算和内置法规图谱提供工具,不调用 LLM。

主要功能

  1. 01计算所得税
  2. 02比较新旧税制
  3. 03模拟税务情景
  4. 04查询及映射法条
  5. 05识别通知条款
  6. 06核对税务文件字段

适用场景

  1. 01估算印度个人所得税
  2. 02比较新旧税制税额
  3. 03查询 1961 与 2025 年法条对应
  4. 04核对 Form 16、26AS 与 AIS

MCP 相关

通过 MCP 向客户端提供 8 种税务工具,支持 stdio 和 Streamable HTTP 传输。工具涵盖税额计算、制度比较、法规查询、通知分类和文件核对;案例法检索需配置自有索引。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
"mcpServers": {
"harshil-projects-taxbrainai": {
"command": "uvx",
"args": [
"taxbrainai-mcp"
],
"env": {
"TAXBRAIN_MCP_CASELAW_INDEX": "<TAXBRAIN_MCP_CASELAW_INDEX>"
}
}
}
}
启动命令uvx taxbrainai-mcp
需要配置的环境变量
TAXBRAIN_MCP_CASELAW_INDEXOptional path to a JSONL case-law metadata index ({title, court, ...}) to enable the find_case_law lexical search. Unset => find_case_law returns an empty result set. No corpus ships with the package.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypitaxbrainai-mcp0.1.1

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

taxbrainai-mcp

一个独立的 MCP 服务,提供 8 个工具,用于印度个人所得税事务(ITR-1/2/3/4 及申报后通知)。它基于 FastMCP 构建,是确定性 taxbrainai-compute 引擎的轻量封装,并附带一个随软件包提供的小型法规图谱。

它完全离线运行,无需 API 密钥——这里的每个工具都是确定性的,或可选地通过自带索引进行查询。本软件包不包含任何 LLM 调用。

这是更大型 TaxBrainAI 项目中独立提取、可自成一体的 MCP 功能。 在完整产品中,这些工具有三个由 LLM / 视觉模型和托管的判例语料库提供支持;此处则以确定性等效方案替代(或设为可选),因此本软件包无需私有后端、机密信息或重新分发的第三方数据,即可安装和启动。请参阅下文“关于各工具的说明”。

8 个工具

#工具类型功能
1compute_tax确定性 — Decimal 计算根据结构化输入(工资、资本利得、扣除额、年龄、居住身份、税制)计算所得税税额。计算流程中不使用 LLM。
2regime_compare确定性 — Decimal 计算使用相同输入比较旧税制与新税制;推荐税额较低的方案,并提供节省金额差值和法定引文。
3simulate_scenario确定性 — Decimal 计算假设分析:对基础输入应用更改,并比较更改前后的税额。
4cite_section确定性 — 法规图谱根据条款编号查找其标题和格式化引文,包括另一部法律中的对应条款。
5compare_acts确定性 — 法规图谱通过等效关系图谱映射 IT Act 1961 ↔ IT Act 2025 中的条款。
6classify_notice确定性 — 表格 + 模式匹配通过匹配文本模式检测通知的条款,然后返回整理好的条款/类型/截止日期/指引信息(并非模型生成)。若未发现已知条款,则如实返回 found: false。
7reconcile_documents确定性 — 差异比对标记 Form 16 / 26AS / AIS 预提取字段之间的跨文档差异(输出中会遮盖 PAN)。OCR/视觉提取不在范围内——请自备提取器。
8find_case_law可选 — BM25 词汇检索在可选的判例元数据索引中进行词汇搜索。本软件包不附带任何语料库;设置环境变量即可启用(如下所述),否则会返回空结果集并附带说明。
关于各工具的说明
  • **确定性 Decimal 计算(1–3):**所有计算都通过经过属性测试的 taxbrainai-compute 库完成(经 Hypothesis 验证,并与所得税部门官方 ITR 工具交叉核对)。服务不会自行编造任何数字。
  • **确定性法规图谱(4–5):**答案来自随软件包提供的 1961↔2025 法规图谱快照(nodes.csv + edges.csv)。
  • **确定性表格/差异比对(6–7):**在完整的 TaxBrainAI 产品中,这些工具由 LLM/视觉模型提供支持(模型读取通知/提取文档字段)。此独立服务仅保留确定性部分——条款/关键词匹配器和字段级核对差异比对,因此无需模型或密钥。
  • 可选检索(8):find_case_law 需要判例索引,本软件包不附带该索引(此处不会重新分发第三方数据)。除非你指定自己的索引,否则它会平稳退化为空结果集。

安装

pip install "taxbrainai-mcp[mcp]"     # server + FastMCP SDK
pip install taxbrainai-mcp            # tool library only (no SDK; importable + testable)

taxbrainai-compute 是硬性依赖,会自动安装。

运行

# installed console script
taxbrainai-mcp

# or the module form
python -m taxbrainai_mcp.server

FastMCP 的 run() 默认通过 stdio 提供服务,也支持 Streamable HTTP(build_mcp_server().run(transport="streamable-http"))。无需 API 密钥。

可选:启用判例搜索
export TAXBRAIN_MCP_CASELAW_INDEX=/path/to/caselaw.jsonl   # JSONL of {"title","court",...}

如果你的索引来源于 Indian Kanoon(indiankanoon.org),请相应注明出处。

连接客户端(Claude Desktop)

在 claude_desktop_config.json(mcpServers 块)中添加:

{
  "mcpServers": {
    "taxbrain": {
      "command": "taxbrainai-mcp"
    }
  }
}

如果控制台脚本不在 PATH 中,请使用 "command": "python", "args": ["-m", "taxbrainai_mcp.server"]。

直接使用工具(不使用 MCP SDK)

工具逻辑是一个普通类,适用于测试或嵌入:

from taxbrainai_mcp import TaxBrainTools

t = TaxBrainTools()
print(t.compute_tax({"salary_income": 1275000, "regime": "new"})["total_tax"])  # 0 (rebated under Section 87A)
print(t.compare_acts("147")["equivalence"])

Registry 清单

server.json 是 MCP 注册表清单(架构 2025-12-11),目前为待提交草稿。其 _meta 块列出了发布前的完整检查清单(认领并发布 PyPI 名称、根据架构进行验证、验证 io.github.harshil-projects 命名空间)。此软件包通过 stdio 在本地运行——没有托管的远程端点。

范围与免责声明

适用于 AY 2026-27 / FY 2025-26 的居民个人 / HUF(ITR-1/2/3/4)。本软件仅用于估算,不构成税务、法律或财务建议;请先根据官方电子申报工具和合格专业人士的意见进行核实,再依赖任何估算结果。

许可证

MIT — 参见 LICENSE。捆绑的法规图数据源自《所得税法》的文本(官方法规文本)。taxbrainai-compute 采用 MIT 许可证。


mcp-name: io.github.harshil-projects/taxbrainai-mcp

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。