Anthropic Financial Services 詳細教學

本教學對應 repo commit 3edda1c (2026-05-19)，最後驗證日 2026-05-20。 涵蓋專案定位、安裝、核心架構（“one source, two wrappers”）、scripts CLI、應用場景、資安、FAQ、進階技巧、整合 9 個章節，重點放在「可移植到其他領域的 plugin 工程模式」。

1. 專案定位

1.1 是什麼

Anthropic 官方的 Financial Services Industry (FSI) Claude 解決方案模板庫，內含：

• 10 個 named agents（end-to-end workflow agents）
• 7 個 vertical plugins（skills + commands + 11 個 MCP 連接器）
• 2 個 partner plugins（LSEG + S&P Global）
• 11 個 managed-agent cookbooks（同樣 agent 的 Managed Agent API 部署版）
• Microsoft 365 add-in 安裝工具（給 IT admin）
• 7 個 repo 維護腳本（lint / sync / version bump / deploy / orchestrate）

官方定位：reference templates，FSI 公司直接 fork 後客製。不構成投資/法務/稅務建議，所有輸出 staged for human sign-off。

1.2 為什麼重要（對非 FSI 團隊也有價值）

1.3 與相關工具的關係

1.4 一句話總結

Anthropic 把 FSI 的 10 個 workflow agents 寫成「Cowork plugin + Managed Agent 雙路出貨」的官方模板庫，重點是 plugin 工程模式（check / sync / version-bump / deploy） 與 多層 plugin 切法，任何垂直領域都能 fork 後改造。

2. 安裝指南

2.1 場景 A — Claude Code 內當 plugin 用

 1# 加 marketplace
 2claude plugin marketplace add anthropics/financial-services
 3
 4# 先裝核心 vertical（11 個 MCP 連接器都在裡頭）
 5claude plugin install financial-analysis@claude-for-financial-services
 6
 7# 再依需要裝 named agent
 8claude plugin install pitch-agent@claude-for-financial-services
 9claude plugin install gl-reconciler@claude-for-financial-services
10
11# 或裝整個 vertical（含其下所有 skill + command）
12claude plugin install investment-banking@claude-for-financial-services
13claude plugin install equity-research@claude-for-financial-services

安裝後：agents 出現在 Cowork dispatch；skills 在相關情境自動觸發；slash commands（/comps、/dcf、/earnings、/ic-memo …）在 session 內可用。

2.2 場景 B — Managed Agents API 部署（無 UI 自動化）

 1git clone https://github.com/anthropics/financial-services
 2cd financial-services
 3
 4export ANTHROPIC_API_KEY=sk-ant-...
 5# （可選）指向其他 MCP server
 6export CAPIQ_MCP_URL="https://kfinance.kensho.com/integrations/mcp"
 7export DALOOPA_MCP_URL="https://mcp.daloopa.com/server/mcp"
 8
 9# 一鍵部署
10scripts/deploy-managed-agent.sh gl-reconciler
11
12# Dry-run（不打 API）
13scripts/deploy-managed-agent.sh gl-reconciler --dry-run

部署腳本會：

1. 解析 managed-agent-cookbooks/gl-reconciler/agent.yaml
2. 把 system.file: ../../plugins/agent-plugins/gl-reconciler/agents/gl-reconciler.md 內聯成 string
3. 把 skills 目錄上傳到 /v1/skills，記下 skill_id
4. 把 callable_agents.manifest 內每個 subagent yaml 先建好，記下 agent_id
5. POST 最終組裝後的 payload 到 /v1/agents

2.3 場景 C — Microsoft 365 add-in 部署

1# 在 Claude Code 內
2claude plugin install claude-for-msft-365-install@claude-for-financial-services
3/claude-for-msft-365-install:setup

不是 Cowork plugin！是給 IT admin 一次性部署 Office 365 add-in，指向自己雲（Vertex AI / Bedrock / 內部 LLM gateway）而非 Anthropic API。

2.4 系統需求

3. 核心架構解析

3.1 “One source, two wrappers” 雙路出貨

flowchart LR
    SRC[agents/<slug>.md
canonical system prompt
+ skills/] --> COWORK[Cowork Plugin Wrapper
.claude-plugin/plugin.json
UI dispatch]
    SRC --> CMA[Managed Agent Wrapper
cookbook/agent.yaml
headless via /v1/agents]
    COWORK --> U1[End user via Claude Code]
    CMA --> U2[Automation / workflow engine]

關鍵設計：

• 唯一真實來源 = plugins/agent-plugins/<slug>/agents/<slug>.md
• Cowork plugin 直接讀 .md
• Managed Agent cookbook 的 agent.yaml 用 system.file: ../../plugins/agent-plugins/<slug>/agents/<slug>.md reference 同一份
• Skills 寫在 vertical-plugins/<vertical>/skills/，跑 sync-agent-skills.py 同步到 agent-plugins/<slug>/skills/

3.2 三層 plugin 切法

 1plugins/
 2├── agent-plugins/          # 10 個 self-contained named agent，end user 直接安裝
 3│   ├── pitch-agent/
 4│   ├── meeting-prep-agent/
 5│   ├── market-researcher/
 6│   ├── earnings-reviewer/
 7│   ├── model-builder/
 8│   ├── valuation-reviewer/
 9│   ├── gl-reconciler/
10│   ├── month-end-closer/
11│   ├── statement-auditor/
12│   └── kyc-screener/
13│
14├── vertical-plugins/       # 7 個 vertical（skill source of truth）
15│   ├── financial-analysis/      ⭐ 核心 — 11 個 MCP 都在這裡
16│   ├── investment-banking/
17│   ├── equity-research/
18│   ├── private-equity/
19│   ├── wealth-management/
20│   ├── fund-admin/
21│   └── operations/
22│
23└── partner-built/          # 2 個夥伴 plugin
24    ├── lseg/
25    └── spglobal/

3.3 Managed Agent 部署流程

sequenceDiagram
    participant Dev as Developer
    participant Sh as deploy-managed-agent.sh
    participant Y as agent.yaml
    participant API as Anthropic API /v1
    participant FS as Local filesystem

    Dev->>Sh: scripts/deploy-managed-agent.sh gl-reconciler
    Sh->>Y: yaml2json (env var 注入 + SAFE regex 校驗)
    Sh->>FS: 讀 system.file → 內聯
    loop 每個 skills[].path
        Sh->>API: POST /v1/skills (upload skill 目錄)
        API-->>Sh: skill_id
    end
    loop 每個 callable_agents[].manifest
        Sh->>API: POST /v1/agents (建 leaf subagent)
        API-->>Sh: agent_id
    end
    Sh->>API: POST /v1/agents (建 orchestrator)
    API-->>Dev: orchestrator agent_id

3.4 model-builder 範例（agent.yaml 解析）

 1name: model-builder
 2model: claude-opus-4-7
 3
 4system:
 5  file: ../../plugins/agent-plugins/model-builder/agents/model-builder.md
 6  append: "You are running headless. Produce files in ./out/; do not assume an open Office document."
 7
 8tools:
 9  - type: agent_toolset_20260401
10    default_config: { enabled: false }   # 預設關
11    configs:
12      - { name: read,  enabled: true }   # 明確開白名單
13      - { name: grep,  enabled: true }
14      - { name: glob,  enabled: true }
15  - { type: mcp_toolset, mcp_server_name: capiq,   default_config: { enabled: true } }
16  - { type: mcp_toolset, mcp_server_name: daloopa, default_config: { enabled: true } }
17
18mcp_servers:
19  - { type: url, name: capiq,   url: "${CAPIQ_MCP_URL}" }
20  - { type: url, name: daloopa, url: "${DALOOPA_MCP_URL}" }
21
22skills:
23  - { from_plugin: ../../plugins/agent-plugins/model-builder }
24
25callable_agents:
26  - { manifest: ./subagents/data-puller.yaml }
27  - { manifest: ./subagents/builder.yaml }       # ← only leaf with Write
28  - { manifest: ./subagents/auditor.yaml }

關鍵 pattern：

• 預設關所有工具，明確開白名單（default_config: { enabled: false }）
• Write 工具只給單一 leaf agent（builder.yaml）— 最小權限
• MCP server URL 來自 env var，並用 SAFE regex 校驗
• callable_agents = parent 可呼叫的子 agent，形成 depth-1 樹狀

3.5 7 個 scripts 工具總覽

4. CLI 詳細用法

4.1 開發者本地工作流

 1# 1. clone + 安裝 pre-commit
 2git clone https://github.com/anthropics/financial-services
 3cd financial-services
 4python3 scripts/check.py        # 第一次跑會自動 git config core.hooksPath .githooks
 5
 6# 2. 編輯 skill
 7vi plugins/vertical-plugins/financial-analysis/skills/comps/SKILL.md
 8
 9# 3. 同步到 agent bundles
10python3 scripts/sync-agent-skills.py
11
12# 4. 跑檢查
13python3 scripts/check.py
14
15# 5. commit（自動 patch bump version）
16git add . && git commit -m "feat: update comps skill"
17# 若想 bypass version bump: git commit --no-verify

4.2 部署 Managed Agent

1# 部署
2scripts/deploy-managed-agent.sh <slug>
3# 例：pitch-agent / model-builder / gl-reconciler / market-researcher
4
5# Dry-run（看 payload 但不 POST）
6scripts/deploy-managed-agent.sh pitch-agent --dry-run

4.3 跑 orchestrator 範例

1python3 scripts/orchestrate.py
2# 提供 reference event loop，把 handoff_request 事件路由給對應 agent
3# 實際使用時建議基於這份 example 寫自己的 orchestration layer

4.4 跑 cookbook 測試

1bash scripts/test-cookbooks.sh

5. 應用場景

5.1 直接使用（FSI 場景）

5.2 學習 / 移植（任何垂直）

5.3 不適用

• ❌ 不能直接給 retail（散戶）用 — 設計給專業分析師
• ❌ 不會自動執行交易、發送、過帳 — 全部 staged for human review

6. 資安掃描報告

掃描日期：2026-05-20 / 範圍：scripts/ + plugins/ + managed-agent-cookbooks/ + claude-for-msft-365-install/scripts/

6.1 紅黃綠燈總結

6.2 詳細發現

✅ 無 eval / exec / os.system / shell=True — 整個 repo 完全乾淨

✅ API key 處理良好 — deploy-managed-agent.sh：

1[[ $DRY_RUN -eq 1 ]] || : "${ANTHROPIC_API_KEY:?ANTHROPIC_API_KEY must be set}"
2curl -sS -H "x-api-key: $ANTHROPIC_API_KEY" ...

• API key 走 env var、無 hardcoded
• dry-run 模式可在無 key 時跑

✅ Env var SAFE regex 校驗（重點！）：

1SAFE = re.compile(r"^[A-Za-z0-9._/:@-]*$")
2def sub(m):
3    name = m.group(1)
4    v = os.environ.get(name)
5    if not SAFE.fullmatch(v):
6        sys.exit(f"refusing ${{{name}}}: value contains characters outside [...]")

• yaml 內 ${ENV_VAR} 替換時校驗白名單字元，防 yaml/shell injection
• 可移植到任何用 env var 替換的 template 系統

✅ MCP server 全部 HTTPS 官方 URL（11 個）— 無自架 MCP（攻擊面小）

✅ Managed Agent 最小權限示範：

• agent_toolset_20260401 預設關，明確開白名單
• 多 subagent 時，只給 1 個 leaf 有 Write

✅ plugin hook 自動化：check.py 安裝 pre-commit、version_bump.py 防止漏 bump version、CI backstop

6.3 注意事項

• MCP 商業資料需另購 — 11 個 connectors 都要 subscription
• 資料外送風險：用 MCP server 會把資料送到外部廠商（Daloopa / S&P / …），FSI 公司需評估合規
• API key 範圍：ANTHROPIC_API_KEY 有 Managed Agents beta 權限（anthropic-beta: managed-agents-2026-04-01）— 確認 key scope

6.4 結論

🟢 整體低風險 + 多處最佳實踐示範。Anthropic 官方水準的 plugin/Managed Agent 範本，env var 校驗、最小權限、HTTPS-only MCP 都做到位。可放心 fork 並作為內部 plugin 工程的參考標準。

7. FAQ

Q1: Cowork vs Claude Code plugin 差在哪？ A: Cowork 是 Anthropic 的 Office workspace 部署形式，plugin 機制與 Claude Code 共用。本 repo 兩者皆支援。

Q2: 我不在金融業，這 repo 有用嗎？ A: 有！重點看 scripts/ 與 plugin 切法（§5.2）— 工程模式適用任何 multi-plugin repo。

Q3: “one source two wrappers” 怎麼運作？ A: 同一份 agents/<slug>.md 是 system prompt source；Cowork 直接讀，cookbook 的 agent.yaml 用 system.file: reference 同一份。

Q4: 為什麼要 sync-agent-skills.py？ A: skill 寫在 vertical-plugins/（共用），但 agent plugin 需要 self-contained（end-user 安裝一個 plugin 就能用），所以 bundle 一份 copy。check.py 會檢查 drift；sync-agent-skills.py 重新同步。

Q5: 那個 SAFE regex 真的安全嗎？ A: 白名單 [A-Za-z0-9._/:@-]* 排除所有 shell metachar（;、$、`、\、空白、引號等），對 yaml + bash 注入足夠。注意：若日後加 Unicode 路徑或特殊符號，需擴充字元集。

Q6: managed-agent-cookbooks 有 11 個，但 agent-plugins 只有 10？ A: 11 個 cookbook 多了一個跨 verticals 用的（可能 orchestrator 範本）；以實際 ls 為準。

Q7: 為什麼不用 npm version？ A: 純 Markdown/YAML/JSON repo，無 Node.js。用自寫 version_bump.py + .githooks/ 走 native git config，不依賴 Husky。

8. 進階技巧

8.1 把 scripts/check.py 移植到自己的 plugin repo

1# 1. 複製腳本
2cp scripts/check.py /your/repo/scripts/
3cp -r .githooks /your/repo/
4
5# 2. 改路徑常數
6sed -i 's|PLUGINS = ROOT / "plugins"|PLUGINS = ROOT / "your_plugin_dir"|' scripts/check.py
7
8# 3. 用法
9python3 scripts/check.py   # 自動 git config core.hooksPath .githooks

8.2 設計自己的 vertical plugin

參考 plugins/vertical-plugins/financial-analysis/ 結構：

1your-vertical/
2├── .claude-plugin/plugin.json
3├── commands/         # /your-cmd-1, /your-cmd-2 (slash commands)
4├── skills/           # automatic skills（依 trigger condition 自動觸發）
5└── .mcp.json         # 連你領域的 MCP servers

8.3 自己加 named agent + cookbook

1. 建 plugins/agent-plugins/your-agent/agents/your-agent.md（canonical system prompt）
2. 建 plugins/agent-plugins/your-agent/.claude-plugin/plugin.json
3. 同步 skill: python3 scripts/sync-agent-skills.py
4. 建 managed-agent-cookbooks/your-agent/agent.yaml（reference 上面 prompt）
5. 建 managed-agent-cookbooks/your-agent/subagents/*.yaml（leaf workers）
6. 建 steering-examples.json + README.md
7. python3 scripts/check.py 驗證
8. scripts/deploy-managed-agent.sh your-agent --dry-run 試跑

8.4 學最小權限模式

看任一 managed-agent-cookbooks/<slug>/agent.yaml：

• default_config: { enabled: false } → 全部關
• configs: [{ name: read, enabled: true }, ...] → 明確白名單
• 多 subagent 時，Write 工具只給單一 leaf

8.5 接 Vertex AI / Bedrock 而非 Anthropic API

• Cowork plugin：本 repo plugin 不依賴 API 路由，由 host 平台處理
• Managed Agents：改 ANTHROPIC_API_BASE env var
• Microsoft 365 add-in：claude-for-msft-365-install/ plugin 內有 Vertex / Bedrock / 內部 gateway 路由設定

9. 整合進其他工作流

9.1 與本知識庫其他 Layer 配合

9.2 衍生 / 後續題目

• 本知識庫 v2：把 15 個 layer 重組為 plugins/{layer,utility,partner}/ 三層架構（學自本 repo）

• 本知識庫 sync：寫 sync-skills.py 把 source skill 同步到各 CLI（Claude / Codex / Gemini / OpenCode）

• 本知識庫 lint：寫 check.py 校驗 MEMORY.md 內每個檔名實存、frontmatter 完整

• 直接相關度低（FSI vs 生醫）

10. 重點摘要 Checklist

• 官方 FSI 模板庫：10 named agents + 7 verticals + 2 partners + 11 cookbooks + 11 MCPs
• 核心設計：“one source, two wrappers” — Cowork plugin 與 Managed Agent 共用 prompt
• 三層 plugin：agent / vertical / partner
• 工程腳本：check.py + sync-agent-skills.py + version_bump.py + deploy-managed-agent.sh + orchestrate.py
• 資安：🟢 低 + 多最佳實踐：env var SAFE regex、最小權限、HTTPS MCP only
• 可移植性：scripts/ 與 plugin 切法可用於任何垂直
• License：Apache-2.0（允許商用 + 衍生）
• 無 releases，用 plugin.json 內 version 配 git SHA
• 所有輸出 staged for human review — 不自動執行交易

11. 進一步閱讀

本教學由 gh-tutorial-qd skill 自動生成 / 2026-05-20 / commit 3edda1c。 對「plugin 工程模式」感興趣的讀者應該特別細讀 §3.1（雙路出貨）與 §6.2（env var SAFE regex）。