XBSTACK
mcp

Gemini 3 与 MCP 协议实战：构建本地 AI 财报审计系统的物理指南

Gemini 3 与 MCP 财报审计架构：使用只读 MCP Server 访问本地财报，解释长上下文与 RAG 的边界，并设计权限、证据、性能与财务复核验收。

发布 · 2026-02-105 分钟阅读XBSTACK 原创
本文目录

先给结论：Gemini 3 的长上下文不等于本地运行，也不等于财务审计已自动完成

Gemini 3 与 MCP 的常见架构是：本地 MCP Server 暴露经过授权的只读财报查询工具，远端模型通过 Host 的工具调用请求数据，应用在权限与证据校验后返回结果。 MCP 是工具连接协议，不是模型权重、本地 GPU 推理或“NAS 直接成为模型内存”的通道。

根据 Google Gemini 3 开发文档，Gemini 3 的输入上下文上限为 100 万 Token，输出上限可到 64K Token，且不同型号和 API 可能存在具体限制。本文早期写成“200 万 Token”和“秒级全量审计”不准确，现已纠正。本文是一套待实施的架构与验证方案，未提供 XBSTACK 在真实财报语料上的响应时间、审计正确率或已部署生产系统的证据。

Gemini 3 长上下文适合解决哪些问题？

问题长上下文的价值不能保证的事情
跨附注与财务报表比对一次请求可携带更多相关段落与表格不保证 100% 找到矛盾或数字正确
较长年报检索可减少因过度切片造成的语境断裂不等于无需检索、过滤和引用校验
多公司、多期次核查可以给模型提供更完整的证据集合大量上下文增加成本与噪声，可能超过限制
本地 NAS 文档引用MCP 工具可按需返回经授权的原文片段云端模型不因此变成本地离线模型

设计时保留 FTS/向量检索与分块，不必把所有财报原文一次性塞入上下文。真正的限制还包括请求文件大小、Token 预算、OCR 质量、表格结构、响应时延、计费和数据出境政策。

推荐工程架构：只读 MCP 与确定性审计规则分离

  1. 文件层：NAS/对象存储保存原始 PDF、版本哈希及访问控制列表。文档导入后解析页码、表格、币种、单位和会计期间。
  2. 检索层：在服务端按可信身份和租户过滤之后，再返回包含文档 ID、页码、表格坐标与原始文本的证据片段。
  3. MCP Server 层：只暴露有限的只读工具，例如“获取报表片段”和“获取结构化财务字段”。服务器必须校验工具参数、文件所有权和请求身份。
  4. 规则层：采用确定性代码核算资产负债表勾稽、现金流口径、币种换算及重复发票；缺失证据返回“不确定”，而不是让 LLM 自行补数。
  5. 模型层：Gemini 3 解释差异、列出假设与需人工核实的证据。模型不得直接修改 ERP、向银行付款或删除来源。
  6. 审计层：每项结论写入追溯记录：模型版本、Prompt 版本、工具请求、源文件哈希、页码、金额/单位及人工复核状态。

示意调用链：

用户 -> 身份/权限验证 -> AI Host -> Gemini 3 提出工具调用
                                  -> MCP Client -> 只读 MCP Server
                                  -> 权限过滤 + 本地索引/财报原文
                                  -> 证据返回 -> 确定性规则 -> 人工复核

这里的“本地”指原始文档与 MCP Server 可以由你自己托管；如果使用 Gemini API，提示、工具结果和提交给模型的文档内容仍可能发送给外部服务。 不能仅凭 NAS、VPN 或 Tailscale 就声称数据绝不离开本地或完全杜绝公网风险。

可以直接执行的验证步骤

  1. 准备 10—20 份可公开使用的年报，标注币种、单位、原始页码、关联附注及 30 个以上人工核实的财务问答与勾稽规则。
  2. 对同一批问题分别测量：全量较长上下文输入、FTS/向量检索加精选证据、仅规则引擎三个路径。固定模型版本、提示、温度和源文件版本。
  3. 测量字段级准确率、引用页码正确率、金额和单位错误、漏报、误报、输入/输出 Token、响应时延 p50/p95 与单次任务成本。
  4. 加入扫描 PDF、表格跨页、重复上传、低置信 OCR、跨租户访问、Prompt Injection 和超时重试样本。
  5. 人工核对最终报告，设置“引用不匹配→拒答”“金额冲突→人工复核”“无权访问→阻断”的可复现验收门禁。
  6. 所有生产行为先保持只读，不让模型凭一条结论直接作出投资、会计或支付决定。

当前文章没有这些实测结果，因此不提供虚假的百分比或“秒级处理”承诺。

常见问题

MCP 会让 Gemini 3 直接读取 NAS 全部文件吗？

不会。MCP Server 只会执行 Host/Client 实际请求且被服务端授权的工具调用；文件范围、数据返回方式、日志与凭据都需要明确配置。

Gemini 3 的 100 万上下文意味着不要 RAG 吗？

不意味着。长上下文与检索是互补的：检索解决权限、精确证据与成本，长上下文帮助综合已有相关信息。

NAS + Tailscale 是否足以保证财务数据完全私密？

不够。还要检查外部模型 API、Telemetry、错误日志、备份、远程 MCP Server、操作身份、加密与数据保留协议。Tailscale 并不自动约束模型工具可读取哪些数据。

依据与延伸阅读

专题入口 / MCP Hub

继续按 MCP 生产部署路径读，而不是堆 guide / tutorial

MCP 内容统一按协议理解、本地 Server、远程部署、OAuth、安全治理、stdio/JSON-RPC 排障和工具对比来承接，避免站内关键词互相抢。

进入 MCP 专题 → 查看安全治理清单 订阅

下一步：把 MCP 推进到生产边界

完整专题路径 →

从协议现象继续走到 Transport、Authorization、Security 与生产治理，而不是只修一次调用。

补齐权限与安全边界OpenAI Agents API vs Agents SDK vs Responses API：生产级 Agent 到底该把控制权交给谁？OpenAI 在 2026 年 9 月推出 Agents API 后，Responses API、Agents SDK、Agents API 三套能力很容易被混在一起。本文从 Agent Loop、状态、恢复、Tool Calling、Sandbox、多 Agent、成本、可移植性和业务控制权拆解三者的真实边界，并给出生产选型路径。继续处理状态与记忆Google ADK delete_session 为什么删不掉长期 Memory？2.8.0/2.9.0 实测Google ADK 调用 delete_session() 后，为什么 add_session_to_memory() 写入的长期记忆仍能被 search_memory() 搜到？本文用 2.8.0 与 2.9.0 做离线最小复现，并说明删除边界和生产处理方式。继续处理状态与记忆Context Engineering 是什么？AI Agent 如何用 Retrieval、Tool Search、Memory 降低上下文成本Context Engineering 不只是 Prompt Engineering。本文结合 Microsoft、Anthropic、Google 官方资料与 XBSTACK 本地实测，解释 Retrieval、Tool Search、MCP、Memory、Compaction 如何减少无效上下文与 AI Agent Token 成本。
评论与补充证据

参与讨论

问题、验证与勘误

登录后可发表评论。所有新评论先进入审核；审核期间仅评论者本人和管理员可见，通过后才公开。

登录评论 审核后公开
正在加载评论区…