mcpField
O
OpenPitch

OpenPitch

本地服务
avierovich.github.ioAI 与智能体111 天前更新

关于 OpenPitch

OpenPitch 是面向 AI 初创公司的开源情报服务,为 Agent 提供带来源、日期和置信度的估值、ARR 与融资数据。它追踪来源冲突并每日更新,数据为概率性公开信息。

主要功能

  1. 01汇集 AI 初创公司情报
  2. 02数据附来源与日期
  3. 03为数据标注置信度
  4. 04检测来源间的矛盾
  5. 05追踪数据版本变化
  6. 06发布结构化事件

适用场景

  1. 01查询初创公司的估值和 ARR
  2. 02核对融资信息及其来源
  3. 03跟踪公司指标的历史变化
  4. 04将公司动态接入其他 Agent 工作流

MCP 相关

MCP 服务提供只读数据工具,供客户端查询公司指标和来源信息。它还通过 MCP 发布带置信度的事件。

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": {
"openpitch": {
"command": "uvx",
"args": [
"openpitch-mcp"
]
}
}
}
启动命令uvx openpitch-mcp

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
pypiopenpitch-mcp0.1.3

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

🪧 OpenPitch

面向 AI 初创公司的开放式实时情报层,任何 Agent 都可以基于它构建。

免费、开源的 PitchBook 和 CB Insights 替代方案,专注于 VC 真正关注的 AI 公司。

MCP-native · zero-cost · fully-sourced · updated daily

CI PyPI Python License: MIT

状态:v0.1.3 — 可用。 数据处理管道、调和引擎、MCP 服务和 仪表盘均已端到端运行。数据覆盖范围和来源广度通过每日运行持续增长。

向你的 Agent 提问 — 获取有来源、带置信度评分的回答

浏览实时仪表盘 →


OpenPitch 为何存在

PitchBook 和 CB Insights 每年收费 $20k+,而对于快速发展的 AI 初创公司,它们的数据往往已经过时数月,因为人工核验速度太慢。对于一家每年增长 3× 的公司,六个月前核实的数据可能相差数倍。

与此同时,真实数字早已公开:创始人会在任何数据库收录之前几周就在播客中透露 ARR,融资信息会出现在 SEC 文件中,招聘速度则能反映增长情况。只是这些信息分散、缺乏结构且相互矛盾——而这恰恰是 AI Agent 擅长解决的问题。

OpenPitch 押注的是时效性,而非覆盖面。 对于重要的 AI 公司,新鲜、来源完整且带有置信度评分的数据,胜过经过核验但已过时的数据。我们不声称数据绝对准确——我们会展示证据。

你能获得什么

向编码 Agent 提问,获得有据可查的回答:

> what's Sierra's valuation, with sources?

  Sierra — AI agents for customer service (sierra.ai)
  Valuation  $15.4B  [consensus · confidence 0.96] · as of 2026-05
  ↳ 10 public sources · Reuters · CNBC · The Information · qz.com
  ↳ $950M round closed May 2026 — led by Tiger Global and GV

(这是来自已提交数据的真实回答——请与实时仪表盘进行核对。)

每个数字都附有来源、置信度评分,以及其变化的跟踪历史。

功能

  • 🎙️ 挖掘播客信息 — 创始人会在任何数据库捕捉到之前,在播客中透露指标。我们会转录并提取这些信息。
  • 🧾 始终注明来源 — 每个数据都链接到其出处(播客时间戳、文件或文章)。没有黑箱数据。
  • 📊 带置信度评分 — 根据来源可靠性、发言者权威性、交叉印证情况和时效性综合得出(数据越旧,置信度越会衰减)。
  • 🔀 调和冲突 — 来源存在分歧时,你会得到一个共识范围和矛盾标记,而不是悄无声息的猜测。
  • 🧠 学习判断来源可信度 — 随着时间推移,证明准确的来源会获得更高权重。
  • 🕒 跟踪版本 — git 历史记录就是审计日志。你可以准确查看一家公司的 ARR 报告如何演变。
  • 📡 可组合 — 输出有类型的事件,供其他 Agent 订阅(新闻简报、媒体提醒、投资者外联)。
  • 🤝 支持 A2A 发现 — 附带 A2A Agent 卡片,方便 Agent 生态系统发现并了解它。
  • 🧯 提供事实依据 — 为你的 AI 提供有来源、带置信度评分的事实库,让它不再编造 AI 公司数据。
  • ⚡ 60 秒安装 — 无需密钥、无需注册;不到一分钟即可在你的 Agent 中使用。
  • 💸 真正免费 — 完全依靠免费套餐运行。运行免费,使用也免费。

快速入门 — 在 Claude Code / Codex 中使用

无需 API 密钥。无需注册。完全免费。 数据已构建并提交;MCP 服务只负责读取数据,推理工作由你的 Agent 完成。

最快方式 — 无需安装(直接读取公开仓库中已提交的数据,无需克隆):

uvx openpitch-mcp

或者安装软件包:

pip install openpitch          # the MCP server (mcp is a core dependency)
openpitch-mcp                  # start the read-only server

或者从克隆的仓库运行(用于执行流水线 / 重新构建数据):

git clone https://github.com/Avierovich/openpitch && cd openpitch
python -m venv .venv && source .venv/bin/activate
pip install -e ".[pipeline]"   # core + pipeline LLM deps
openpitch seed                 # build the data/ database from the committed seed (offline, no key)

然后让你的 Agent 连接本地服务:

// MCP config (Claude Code / Codex) — zero-install via uvx:
{
  "mcpServers": {
    "openpitch": { "command": "uvx", "args": ["openpitch-mcp"] }
  }
}
// (or "command": "openpitch-mcp" if you pip-installed the package)

向你的 Agent 提问:“Cognition 的 ARR 是多少?请提供来源和置信度。” — 它会调用 get_metric/get_provenance,根据已提交的数据作答(并指出公开来源之间的差异)。

或者直接浏览数据
  • 🌐 在线仪表盘 — avierovich.github.io/openpitch(附来源的公司卡片,每日刷新)— 或在本地构建:openpitch build-dashboard
  • 📁 原始数据 — data/companies/ — 纯 JSON,可比较差异,可供你使用
  • 🤝 A2A Agent Card — 生成于 dashboard/dist/.well-known/agent.json

数据状态:在线,由 CI 每日刷新。数据为概率性公开来源情报 — 每个数字都附有来源、置信度和日期,尚未解决的质量问题会公开跟踪。请参阅方法论和更正工作流。

文档

工作原理

  Sources              Daily pipeline (free GitHub Actions)         Interfaces
  ──────────           ───────────────────────────────────         ──────────
  Podcasts ─┐          1. select top-50 (VC-attention score)        ┌─ MCP server (local, BYO agent)
  News ─────┤    ───▶  2. collect · 3. transcribe · 4. extract ───▶ ├─ static dashboard
  SEC EDGAR ┤          5. reconcile · 6. score sources              ├─ event feed (JSONL)
  Web ──────┘          7. publish → git commit (the database)       └─ "what moved today" digest

Git 仓库就是数据库。无需运行服务。完整设计请参阅 FRD。

基于它进行构建(可组合性)

当发生重大变化时,OpenPitch 会发出带类型且经过置信度评分的事件 — 以便其他 Agent 做出响应:

你正在构建……订阅OpenPitch 将成为……
新闻简报 Agent所有重大事件你的内容流水线的数据源
新闻 / 公关工作流融资 / 估值事件,置信度 ≥ 0.8“该联系公司了”的触发信号
投资者外联新增公司条目、增长阈值你的目标筛选信号

事件通过 MCP 和原始 events/feed.jsonl 提供。架构已进行版本管理。请参阅事件规范。

对比情况

OpenPitch 与现有产品互为补充,而非要彻底取代它们。 我们在一个细分领域胜出,在覆盖广度和核实程度上则逊色 — 我们对此坦诚以待。

PitchBook / CB InsightsCrunchbaseHarmonicMAGNiTT / WamdaOpenPitch
价格每年 $20k–100k免费增值定制$/区域免费且开源
数据新鲜度数周至数月不定数天数周每日
可在你的 AI Agent 中使用(MCP)✗✗◐✗✓
每项数据均附来源和置信度评分◐◐◐◐✓
矛盾检测✗✗✗✗✓
覆盖广度✓✓✓✓✓✓✓✓✓(MENA)覆盖面窄(有意为之)
经过核实,达到尽职调查级别✓◐◐◐✗(概率性)

坦诚地说: 免费、及时、原生支持 AI 的初步了解 — 每个数字都有来源 — 在调取昂贵的核实报告之前先行参考。 做投资决策时,你仍需要现有产品。完整的产品对照、功能矩阵和定价:docs/COMPETITIVE-ANALYSIS.md · 电子表格。

覆盖范围

全球 AI 初创公司 — 覆盖 12 个领域,已为 140 多家建立档案(包括西方追踪机构容易遗漏的中国 AI 实验室和欧洲公司);其中 前 50 名会根据 VC 关注度动态排名(估值 + 融资活动 — 不包括 ARR,以避免循环论证)。榜单会随关注度变化而调整;公司进入或离开前 50 名本身就是一项追踪信号,自动发现功能也在每天扩大覆盖范围。

MENA AI/科技板块 — 专门的区域数据集(MAGNiTT/Wamda 的开源、原生 AI 替代方案)。坦诚说明:MENA 的信息披露不如美国充分,因此该板块上线时的置信度和覆盖范围较低,并会明确标注。

种子公司列表:config/watchlist.yaml。

坦诚声明

OpenPitch 明确采用概率估算。许多数据是根据公开、自行披露且有时相互矛盾的信息估算得出的。我们会准确展示置信度和来源,以便你自行判断。这不是投资建议,数据也不保证准确。 采取行动前请务必核实。

路线图

  • 种子公司列表(全球 AI + MENA 板块)+ 自动发现(新闻、融资摘要、21 个领域的回填、中国信息源)
  • 核心数据模型 + 数据校准引擎(置信度、共识、矛盾)— 已测试
  • 信息源适配器:播客、新闻、EDGAR、公司网站 — 已测试
  • 提取阶段:批量 LLM 声明提取 + 模型轮换 — 已测试;仍需进行数据 QA
  • MCP 服务 — 本地只读数据工具
  • 每日 GitHub Actions 流水线 — 已接入 LLM、Groq 转录和 SEC 用户代理密钥
  • 静态仪表板 + 公司页面 — 根据已提交的数据生成
  • 事件流 — 根据发布内容生成 JSONL 信息流和摘要
  • A2A Agent 发现卡片 — 与仪表板一同生成
  • MENA 适配器(区域新闻、自由区注册机构)
  • 扩展丰富信息源(GitHub、招聘、应用排名)— PMF 后扩展
  • v2: 隐含 ARR 模型、日内融资快速通道

参与贡献

欢迎贡献 — 尤其是新增信息源适配器(每个适配器一个文件)和维护公司列表。架构说明请参阅 FRD。

构建者

OpenPitch 由产品经理 Mohamed Abdulhadi 构建并运营, 他与 AI Agent(Claude Code)协作开发,后者编写了大部分代码,目前负责运行每日流水线并公开修正数据。这不是脚注,而是产品的自我展示:一个原生 Agent 数据库,以原生 Agent 的方式构建和维护,所有提交和修正都公开可见。如有疑问、反馈或合作意向, 欢迎在 LinkedIn 上联系,或提交 issue。

许可证

MIT


公开构建,永久免费。如果发现数据有误,请提交 issue — 来源信息公开,方便你核查我们的工作。

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。