面向Agent/AI的工具与数据（新赛道）
垂直行业MCP工具包与结构化数据订阅（卖给AI用）
针对国内AI Agent开发者和企业技术团队，提供按垂直行业打包的MCP工具集+结构化知识库订阅，把国内特色数据源MCP化让agent直接可用，省掉自建接口成本
研究阶段进度
评分口径（需求侧 + 竞争侧加权平均）
需求侧（权重 60%）： 规模方面，中国企业级 AI Agent 市场 2025 年约 232 亿元，CAGR 120%（甲子光年智库），数据接入层约占 15%，SAM 约 35 亿元。紧迫性方面，企业 AI Agent 落地 TOP1 障碍是数据接入，开发者社区关于国内 MCP Server 在哪的提问高频出现。付费意愿方面，中国 SaaS 整体正从订阅转向结果付费，付费意愿存在结构性挑战，但法律/财税行业合规驱动付费强。需求侧加权得分约 7.2/10。
竞争侧（权重 40%）： 大厂做目录/托管，不做垂直付费订阅，直接竞争少。天聚地合最接近，但商业化模式尚不成熟。Composio/Zapier 无中国本地化，国内特色数据源（企业微信/金蝶/法规）几乎零覆盖。差异化窗口明确，但窗口期有限。竞争侧加权得分约 7.2/10。
综合： 需求端强且真实，竞争格局空白明显，时机契合协议标准化落定的窗口期；主要风险是中国 B 端付费文化挑战和大厂低价/免费压力。最终评分 7.2/10。
评分口径（技术/财务/合规/竞争/市场进入，加权平均）
技术可行性（权重 20%，得分 6.0）： MCP 协议本身是开放标准，Python 开发者均可实现。真实门槛在于国内平台 API 可及性（企业微信/钉钉/金蝶权限申请周期长、接口变动频繁）和中文垂直数据结构化提取精度，不是不可逾越，但维护成本被低估。
财务可行性（权重 25%，得分 6.5）： LTV/CAC 结构健康（开发者 13.3x，企业客户 5.3x），盈亏平衡点低（不含人力仅需 17 个付费用户）。但这些数字建立在「付费意愿假设成立」的前提上，而该前提在中国 B 端尚未得到验证。初期所需资金约 17 万元（不含人力）至 65 万元（含 2 人团队），属可执行范围。
合规与法律（权重 20%，得分 4.5）： 《数据安全法》《个人信息保护法》对数据来源合法性要求严格；未授权抓取第三方平台数据存在真实法律风险；医疗/金融数据方向额外需要行业资质。这是最难量化但最可能致命的风险项。法律法规公开文本方向合规风险最低，是唯一低风险起点。
竞争可行性（权重 20%，得分 5.5）： 短期内垂直商业化空白真实存在，但平台方自营（腾讯云企业微信 MCP、阿里云百炼）是不可控威胁，护城河只能建立在数据深度上而非接入本身。天聚地合等传统 API 平台随时可能完成 MCP 化转型，压缩窗口期。
市场进入可行性（权重 15%，得分 5.0）： B 端付费培育周期长，中国已有多批企业知识库/数据 SaaS 创业在「开发者不付费」这道坎上倒下。MCP 生态早期意味着市场教育成本高，且先行者无法确定市场成熟时间节点。
综合： 5.4 = 6.0×0.2 + 6.5×0.25 + 4.5×0.2 + 5.5×0.2 + 5.0×0.15。最大杀手：平台方自营 MCP + 数据授权合规，两项均为高风险且不完全可控。裁决 FEASIBLE 是基于财务结构健康、需求真实、窗口存在，但评分 5.4 反映执行难度明显高于均值，建议设硬性验证门槛再决定是否规模化投入。
垂直行业MCP工具包与结构化数据订阅（卖给AI用）
赛道: 面向Agent/AI的工具与数据（新赛道）| 市场: cn | status: PENDING_RESEARCH | 创建: 2026-06-21T06:30:00Z | 更新: 2026-06-21T06:30:00Z
vl-scout 产出，供②市场调研 / ③可行性分析读。详细元数据见同目录 meta.json。
一句话
针对国内AI Agent开发者和企业技术团队，提供按垂直行业打包的MCP工具集+结构化知识库订阅：把国内特色数据源（企业微信/金蝶/用友/中文法规/行业术语）MCP化，让agent直接可用，月费按调用量或规模计费，核心卖点是"省掉企业自己开发接口的成本"。
机会来源（怎么发现的）
- 方法: Trend Sniffer 趋势激增 + Idea Generator 趋势×痛点
- 信号1（标准化窗口）：MCP于2025年12月捐入Linux基金会，三大AI厂商共同治理，2026年4月已成为AI Agent互联互通事实标准；国内魔搭最大MCP中文社区上线，收录近1500个MCP Server并开放付费分成——这意味着变现基础设施已就绪。
- 信号2（市场规模）：中国企业级AI Agent市场2025年达232亿元，CAGR 120%，真Agent产品不足30%——最大瓶颈是数据连接，不是模型。
- 信号3（痛点）：企业AI Agent落地TOP1障碍是RAG召回准确率不足，核心原因是数据散落Excel/ERP/旧系统；国内特色数据源（企业微信、金蝶、用友等）至今几乎没有现成MCP Server。
- 证据: 见 assets/evidence.md
需求详述
谁在要：企业内部AI开发团队（中型企业数字化部门）、独立AI Agent服务商、做垂直行业Agent的初创公司。他们有模型能力但缺数据接口，每接一个国内系统要自己写接口，成本高且不稳定。
被想要的是什么：
- 即插即用的国内MCP工具集：企业微信消息读取、钉钉审批流、金蝶/用友凭证查询、支付宝交易记录、税务发票查验等；
- 垂直行业结构化知识库：法律法规全文（可检索+可引用）、医疗诊断指南、工程标准规范、财税政策文件，按行业打包、定期更新；
- "托管型"MCP Server：不需要客户自己部署，直接接API key即可让agent调用；
- 中文优化的embedding和检索能力，比通用向量库更精准。
用什么表达：开发者社区（CSDN/掘金）"国内MCP Server哪里找""企业微信有没有MCP"类问题高频出现；企业AI落地分享中"数据接入是最大难点"反复被提及。
强度与广度：早期开发者市场，但随AI Agent普及速度显著加快。"工具/数据卖给AI用"是相对新颖的卖法，竞争格局尚未形成。
7 维分诊分（明细见 meta.json.triage）
需求拉力 4 / 获客可行性 4 / agent优势 5 / 低量经济性 4 / 操作者之手之轻 4 / 市场趋势 5 / 政策红线 4 → 总分 30/35
给下游的提示
- 待验证的关键假设: 开发者/企业是否愿意为MCP工具接口付月费（vs. 自己开发一次性接口）；国内平台（企业微信/钉钉）开放API的速率限制是否会卡住商业化；是否有1-2个标杆行业（法律/财税）能先验证付费。
- 竞品/相似方向线索: 魔搭MCP社区（目录性质，非订阅商业化）；阿里云百炼官方MCP（大厂自用）；海外 Composio/Zapier MCP 层（未中国本地化）；无直接对标的国内垂直商业化MCP服务商。
- 红线/合规注意: 若处理医疗/法律数据需注意数据合规；不得爬取未授权数据作为知识库来源；金融类数据接口需用户自行授权。政策红线分打4（无核心红线，但数据合规需审慎）。
assets/ 证据清单
- evidence.md → 含MCP标准化数据+企业AI Agent市场规模+国内数据接入痛点原始链接