摘要银行催收正从打电话走向打信息战。本文梳理催收行业三个时代的信息演进拆解贷后监控、催前尽调、失联修复、不良处置四个环节的数据盲区并给出基于企查查API和MCP智能体的技术接入方案——含Python调用示例、MCP Server配置JSON、6大Server工具对照表。数据版本截止于企查查MCP/20260604最新版本180个原子工具/6大Server一、行业演进催收的三个时代1.0 关系催收2000年代初对公信贷催收依赖客户经理的「个人关系」——打电话约谈谈不下来走诉讼。核心能力是「关系」信息高度依赖个人经验。同一家企业不同客户经理了解的风险程度可能完全不同。2.0 系统化外呼2010年前后催收管理系统CMS上线债务台账、催收记录、案件分配搬到线上批量外呼系统让催收从「一对一谈」变成「一对多打」。核心能力变成「流程」效率来自标准化。结构性问题数据在机构内部流转与外部世界隔离。企业的被执行记录在法院系统工商信息在市场监管系统关联方散落在十几张数据库里。银行只看得到自己系统里的还款记录看不到借款人外部真实风险——信息孤岛。3.0 合规重塑2021年至今《个人信息保护法》《数据安全法》落地2026年1月中国银行业协会发布《金融机构个人消费类贷款催收工作指引试行》对催收时间、频率、方式、AI催收技术公平性做出全面规范。合规成本上升但不不良资产处置市场也在快速扩容指标数据来源2024年个贷不良批量转让成交1583亿元银登中心2025年全年挂牌超3500亿元银登中心信达中信金融资产年收购规模超5400亿元财联社2025年四季度末不良贷款余额3.5万亿元国家金融监督管理总局3.0时代的工具变了外部数据基础设施成熟工商/司法/知识产权/招投标/舆情多维度覆盖AI让数据查询从人工翻档案变成自然语言提问。谁先接入谁先拿到优势。二、催收效率的本质信息对称问题银行对借款人的信息掌握程度往往远低于对贷款账面数据的了解账面数据是结构化的金额/利率/期限/担保方式借款人真实风险是分散的被执行资产已抵押关联企业互保这些信息分布在工商、司法、知识产权、招投标、舆情等多个系统里不主动去查根本不知道。催收时机卡在「不知道」和「知道了」之间。催收工作中有一个「信息窗口期」概念——从风险信号出现到损失真正形成中间有一段可干预的时间。窗口期有效性取决于信息到达速度。数据的作用就是在窗口期内把信息送到决策者面前。三、四个信息盲区与技术方案银行催收工作通常分为三个阶段贷后监控 → 深度催收 → 处置回收。每个阶段都存在信息不对称的典型盲区。盲区一贷后监控滞后大部分银行贷后管理还处于定期翻档案阶段每季度或半年翻一次还款记录没有逾期就默认正常。但很多风险信号不等季度报告。更隐蔽的是关联企业风险——借款企业本身正常经营但同一实控人名下另一家公司正在被法院执行或刚被吊销。传统贷后管理没有触发条件。技术方案批量导入存量客户清单持续监控风险信号任意一项触发即推送预警。 贷后风险监控 - 批量企业风险扫描示例 使用企查查API对企业列表进行风险扫描返回命中风险的企业 importrequestsimportjson API_BASEhttps://api.qcc.com/apiAPI_KEYyour_api_key_hereHEADERS{Authorization:fBearer{API_KEY},Content-Type:application/json}defbatch_risk_scan(company_list:list[str])-list[dict]: 批量扫描企业风险信号 输入企业名称列表 输出命中风险的企业及风险类型 risk_signals[]forcompanyincompany_list:# 1. 查询失信被执行dishonestrequests.post(f{API_BASE}/dishonest/getInfo,headersHEADERS,json{searchKey:company}).json()# 2. 查询被执行人executedrequests.post(f{API_BASE}/executed/getInfo,headersHEADERS,json{searchKey:company}).json()# 3. 查询经营异常abnormalrequests.post(f{API_BASE}/abnormal/getInfo,headersHEADERS,json{searchKey:company}).json()# 4. 查询限制高消费restrictionrequests.post(f{API_BASE}/consumptionRestriction/getInfo,headersHEADERS,json{searchKey:company}).json()# 汇总风险信号signals[]ifdishonest.get(Result):signals.append({type:失信被执行,detail:dishonest[Result]})ifexecuted.get(Result):signals.append({type:被执行人,detail:executed[Result]})ifabnormal.get(Result):signals.append({type:经营异常,detail:abnormal[Result]})ifrestriction.get(Result):signals.append({type:限制高消费,detail:restriction[Result]})ifsignals:risk_signals.append({company:company,risk_count:len(signals),signals:signals})returnrisk_signals# 示例调用if__name____main__:watch_list[某某科技有限公司,某某贸易有限公司,某某实业有限公司]resultsbatch_risk_scan(watch_list)forrinresults:print(f[风险预警]{r[company]}- 命中{r[risk_count]}项风险)forsinr[signals]:print(f →{s[type]})预期返回以失信核查接口为例{Status:200,Message:查询成功,Result:[{Id:123456,CompanyName:某某科技有限公司,CreditCode:91310000XXXXXXXXXX,ExecCourt:上海市浦东新区人民法院,ExecMoney:1500000,CaseCode:(2026)沪0115执XXXXX号,PublishDate:2026-03-15}]}盲区二催前尽调信息不足贷款进入M1逾期1-30天催收人员拿到企业名称能看到的基本信息有限。真实风险藏在看不见的地方——实控人名下其他公司已被执行或实控人已收限高令。技术方案一键尽调生成完整风险画像。推荐使用「合作风险排查」接口接口代码2006一次查询覆盖34类司法风险 催前尽调 - 34类风险一键查询 使用合作风险排查接口一次性获取企业全维度风险画像 deffull_risk_profiling(company_name:str)-dict: 合作风险排查34类司法风险全覆盖 接口代码2006 responserequests.post(f{API_BASE}/riskScan/getInfo,headersHEADERS,json{searchKey:company_name})resultresponse.json()# 风险分类统计risk_categories{司法风险:[失信被执行,被执行人,限制高消费,裁判文书,法院公告],经营风险:[经营异常,严重违法,行政处罚,税收违法,欠税公告],资产风险:[动产抵押,股权出质,司法拍卖,土地抵押,查封冻结],关联风险:[关联企业异常,实控人风险,担保链风险,同地址企业]}profile{company:company_name,total_risks:0,risk_summary:{},high_priority:[]}forcategory,itemsinrisk_categories.items():countsum(1foriteminitemsifany(iteminstr(result.get(Result,))))ifcount0:profile[risk_summary][category]count profile[total_risks]countreturnprofile盲区三债务人失联企业的备案网站、APP、小程序、招聘网站联系方式、分支机构地址、历史变更记录里的旧地址都是可追溯的触达路径。关联方同样是突破口——股东、主要人员、上下游合作伙伴、担保人。技术方案从单一企业出发拓展催收线索网络。 失联修复 - 多维度线索挖掘 通过企业信息API挖掘联系人和关联方线索 deffind_contact_leads(company_name:str)-dict: 从企业出发挖掘催收线索网络 leads{contacts:[],related_companies:[],same_address:[]}# 1. 获取企业主要人员法人、股东、高管personnelrequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:company_name}).json()ifpersonnel.get(Result):forpersoninpersonnel[Result].get(Employees,[]):leads[contacts].append({name:person.get(EmployeeName),position:person.get(Position)})# 2. 获取关联企业同地址、同联系方式relatedrequests.post(f{API_BASE}/relatedCompany/getInfo,headersHEADERS,json{searchKey:company_name}).json()ifrelated.get(Result):forcompinrelated[Result]:leads[related_companies].append({name:comp.get(CompanyName),relation:comp.get(RelationType)})# 3. 司法案件对手方追踪# 找到申贷企业当前在审/在执的司法案件提取对手方联系方式judicialrequests.post(f{API_BASE}/judicial/getInfo,headersHEADERS,json{searchKey:company_name}).json()returnleads# 实战场景互联网银行催收部的做法# 收集申贷企业有进行中的司法案件 → 提取对手方企业 → 获取对手方联系方式/地址# 同地址的其他关联企业同样是线索# 线索拉出来催收方向就清晰了盲区四不良资产处置效率进入处置阶段资产包里混入了大量看起来有债权、实际无资产可执行的空壳公司。空壳特征注册地址异常、零纳税、零社保、频繁变更法人。另一部分企业虽然表面正常但动产抵押记录显示设备已抵押股权出质记录显示股权已质押——这类资产线索直接影响回收价值判断。技术方案批量空壳识别 资产线索挖掘 企业财税评估分层处理。 不良资产处置 - 空壳识别与资产线索挖掘 defshell_company_check(company_name:str)-dict: 空壳企业识别多维度特征交叉验证 flags{address_abnormal:False,# 注册地址异常zero_tax:False,# 零纳税zero_social_security:False,# 零社保frequent_legal_change:False,# 频繁变更法人shell_score:0# 空壳概率评分 0-100}# 查询企业基本信息inforequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:company_name}).json()resultinfo.get(Result,{})# 检查法人变更频率historyrequests.post(f{API_BASE}/historyLegal/getInfo,headersHEADERS,json{searchKey:company_name}).json()iflen(history.get(Result,[]))3:flags[frequent_legal_change]Trueflags[shell_score]30# 检查动产抵押mortgagerequests.post(f{API_BASE}/chattelMortgage/getInfo,headersHEADERS,json{searchKey:company_name}).json()# 检查股权出质pledgerequests.post(f{API_BASE}/equityPledge/getInfo,headersHEADERS,json{searchKey:company_name}).json()asset_status{has_chattel_mortgage:bool(mortgage.get(Result)),has_equity_pledge:bool(pledge.get(Result))}return{company:company_name,shell_flags:flags,asset_status:asset_status,recommendation:skipifflags[shell_score]60elsepriority}四、MCP智能体接入实战4.1 为什么用MCP传统API对接需要写代码、做接口映射、处理返回结构。对于有AI应用规划的金融机构MCP协议让催收人员直接在AI对话系统里用自然语言查询不需要切换系统。MCP核心价值让AI「长出」企业数据查询能力。4.2 6大Server工具对照表Server代码名工具数覆盖数据催收场景适用企业基座qcc-company16工商登记结构化数据股东、实控人、受益所有人实控人穿透、受益所有人识别风控大脑qcc-risk35失信/被执行/严重违法/税务异常贷后监控红线、催前尽调知识引擎qcc-ipr18专利/商标/软著/APP/小程序/公众号/抖音资产线索挖掘、数字资产估值经营罗盘qcc-operation35招投标/资质/舆情/纳税/土地/私募经营状态判断、异常预警历史存档qcc-history34历史股东/法代/失信轨迹企业专享识别「洗白型」主体董监高画像qcc-executive42个人司法风险关联企业穿透UBO识别以人查风险、实控人关联扫描总工具数180个原子工具 |数据规模3.65亿市场主体、2.5亿司法诉讼、2.1亿知识产权4.3 MCP配置示例以Cursor为例在.cursor/mcp.json中配置{mcpServers:{qcc-company:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-company}},qcc-risk:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-risk}},qcc-executive:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-executive}}}}注意其中5个Server统一searchKey一键接入qcc-executive董监高画像需「企业名称董监高姓名」双参数锚定。4.4 技术特性Agent-Native设计特性说明催收场景价值实体强锚定强制验证信用代码降低名称幻觉避免把「乐视影业」查成「乐视网」参数下推引导Agent按需索取不全量返回降低Token消耗行内AI集成成本更低强语义负向防御空数据转强语义状态码如核验通过没有风险明确正向信号不是查不到4.5 自然语言查询示例催收人员不需要写代码直接在AI对话里提问# 贷后监控 帮我查一下某某科技有限公司有没有新增的失信记录 # 催前尽调 扫描某某贸易有限公司实控人名下的所有关联风险 # 失联修复 某某实业有限公司的法人还担任了哪些公司的职务有哪些联系方式 # 不良资产评估 批量核查这10家企业的空壳特征和资产抵押情况4.6 支持平台平台类型说明WorkBuddyAI办公助手腾讯云原生国产Agent工作流首选CursorAI代码编辑器开发者优选TraeAI IDE字节跳动AI原生IDEClaude CodeCLI工具Anthropic旗下代码助手QoderWorkAI办公Agent阿里Qoder旗下OpenClawAgent开发平台企业级支持多MCP Server协同Cherry Studio桌面客户端多模型AI客户端已适配 ** 多家AI应用**3步完成接入注册获取Key → 加载SKILL → 自然语言提问五、四套数据服务方案对照接入方式适用场景计费方式催收场景适配API数据接口系统对接、实时查询按调用量计费催前尽调、失联修复按需调用企业户监控清单存量客户批量监控按客户数固定计费不限调用次数贷后监控性价比最高离线数据库批量尽调、数据湖建设全量数据交付不良资产批量处置、AMC对接MCP智能体行内AI应用数据注入按调用量计费城商行/农商行AI助手场景常用API接口参考接口名称接口代码说明失信核查740查询企业失信被执行记录被执行人核查741查询企业正在执行的案件经营异常核查739查询企业经营异常记录司法拍卖核查744查询企业司法拍卖记录动产抵押核查747查询动产抵押登记信息限制高消费核查742查询实控人限高情况严重违法核查748查询严重违法记录合作风险排查200634类司法风险全覆盖一次查询客户身份识别2003受益所有人识别实控人穿透数据场景与能力映射数据场景核心能力典型应用贷后监控工商变更、失信/被执行新增、经营异常、司法拍卖、股权冻结风险信号触发即推送替代人工定期查询催前尽调合作风险排查34类风险一次查、实控人穿透、关联企业扫描新增逾期客户一键生成风险画像失联修复联系方式挖掘、地址关联企业、关联方追溯拓展催收线索网络重新触达债务人不良资产处置空壳扫描、资产线索挖掘、企业财税评估批量识别高/低价值资产分层处置AMC对接AMC营销公告监控、资产包质量筛查快速对接转让需求提升资产盘活效率六、实战案例某互联网银行催收部的做法该银行企业风险部在日常催收中遇到一个典型问题催收人员拿到不良贷款知道企业名字能看到的基本信息有限。他们的解决思路收集申贷企业有进行中的司法案件提取案件中的对手方企业及其联系方式、地址、主要人员通过地址字段匹配找到同地址的其他关联企业对手方和同地址企业都是催收可直接用的线索底层逻辑催收本质上是信息挖掘工作信息的完整性决定了催收的效率和质量。 司法案件对手方追踪 - 互联网银行催收实战 deftrace_adversary(company_name:str)-list[dict]: 通过司法案件追踪对手方挖掘催收线索 leads[]# 1. 查询企业当前在审/在执的司法案件casesrequests.post(f{API_BASE}/judicial/getInfo,headersHEADERS,json{searchKey:company_name}).json()forcaseincases.get(Result,[]):adversarycase.get(Adversary,{})# 2. 获取对手方企业信息ifadversary.get(CompanyName):adv_inforequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:adversary[CompanyName]}).json()lead{case_code:case.get(CaseCode),adversary_company:adversary[CompanyName],adversary_contact:adv_info.get(Result,{}).get(Contact),adversary_address:adv_info.get(Result,{}).get(Address),}# 3. 同地址关联企业iflead[adversary_address]:same_addrrequests.post(f{API_BASE}/sameAddress/getInfo,headersHEADERS,json{address:lead[adversary_address]}).json()lead[same_address_companies]same_addr.get(Result,[])leads.append(lead)returnleads数据来源编号来源[1]国家金融监督管理总局《2025年四季度银行业金融机构主要监管指标数据》2026年2月12日[2]银登中心《2024年不良贷款转让业务统计》2025年[3]财联社《两大全国性AMC年收购不良资产超5400亿》2026年4月[4]中国银行业协会《金融机构个人消费类贷款催收工作指引试行》2026年1月30日[5]国家金融监督管理总局《金融机构合规管理办法》2024年12月25日
银行催收3.0：用企业数据API打通信息孤岛，MCP接入实战指南
发布时间：2026/6/5 22:15:14
摘要银行催收正从打电话走向打信息战。本文梳理催收行业三个时代的信息演进拆解贷后监控、催前尽调、失联修复、不良处置四个环节的数据盲区并给出基于企查查API和MCP智能体的技术接入方案——含Python调用示例、MCP Server配置JSON、6大Server工具对照表。数据版本截止于企查查MCP/20260604最新版本180个原子工具/6大Server一、行业演进催收的三个时代1.0 关系催收2000年代初对公信贷催收依赖客户经理的「个人关系」——打电话约谈谈不下来走诉讼。核心能力是「关系」信息高度依赖个人经验。同一家企业不同客户经理了解的风险程度可能完全不同。2.0 系统化外呼2010年前后催收管理系统CMS上线债务台账、催收记录、案件分配搬到线上批量外呼系统让催收从「一对一谈」变成「一对多打」。核心能力变成「流程」效率来自标准化。结构性问题数据在机构内部流转与外部世界隔离。企业的被执行记录在法院系统工商信息在市场监管系统关联方散落在十几张数据库里。银行只看得到自己系统里的还款记录看不到借款人外部真实风险——信息孤岛。3.0 合规重塑2021年至今《个人信息保护法》《数据安全法》落地2026年1月中国银行业协会发布《金融机构个人消费类贷款催收工作指引试行》对催收时间、频率、方式、AI催收技术公平性做出全面规范。合规成本上升但不不良资产处置市场也在快速扩容指标数据来源2024年个贷不良批量转让成交1583亿元银登中心2025年全年挂牌超3500亿元银登中心信达中信金融资产年收购规模超5400亿元财联社2025年四季度末不良贷款余额3.5万亿元国家金融监督管理总局3.0时代的工具变了外部数据基础设施成熟工商/司法/知识产权/招投标/舆情多维度覆盖AI让数据查询从人工翻档案变成自然语言提问。谁先接入谁先拿到优势。二、催收效率的本质信息对称问题银行对借款人的信息掌握程度往往远低于对贷款账面数据的了解账面数据是结构化的金额/利率/期限/担保方式借款人真实风险是分散的被执行资产已抵押关联企业互保这些信息分布在工商、司法、知识产权、招投标、舆情等多个系统里不主动去查根本不知道。催收时机卡在「不知道」和「知道了」之间。催收工作中有一个「信息窗口期」概念——从风险信号出现到损失真正形成中间有一段可干预的时间。窗口期有效性取决于信息到达速度。数据的作用就是在窗口期内把信息送到决策者面前。三、四个信息盲区与技术方案银行催收工作通常分为三个阶段贷后监控 → 深度催收 → 处置回收。每个阶段都存在信息不对称的典型盲区。盲区一贷后监控滞后大部分银行贷后管理还处于定期翻档案阶段每季度或半年翻一次还款记录没有逾期就默认正常。但很多风险信号不等季度报告。更隐蔽的是关联企业风险——借款企业本身正常经营但同一实控人名下另一家公司正在被法院执行或刚被吊销。传统贷后管理没有触发条件。技术方案批量导入存量客户清单持续监控风险信号任意一项触发即推送预警。 贷后风险监控 - 批量企业风险扫描示例 使用企查查API对企业列表进行风险扫描返回命中风险的企业 importrequestsimportjson API_BASEhttps://api.qcc.com/apiAPI_KEYyour_api_key_hereHEADERS{Authorization:fBearer{API_KEY},Content-Type:application/json}defbatch_risk_scan(company_list:list[str])-list[dict]: 批量扫描企业风险信号 输入企业名称列表 输出命中风险的企业及风险类型 risk_signals[]forcompanyincompany_list:# 1. 查询失信被执行dishonestrequests.post(f{API_BASE}/dishonest/getInfo,headersHEADERS,json{searchKey:company}).json()# 2. 查询被执行人executedrequests.post(f{API_BASE}/executed/getInfo,headersHEADERS,json{searchKey:company}).json()# 3. 查询经营异常abnormalrequests.post(f{API_BASE}/abnormal/getInfo,headersHEADERS,json{searchKey:company}).json()# 4. 查询限制高消费restrictionrequests.post(f{API_BASE}/consumptionRestriction/getInfo,headersHEADERS,json{searchKey:company}).json()# 汇总风险信号signals[]ifdishonest.get(Result):signals.append({type:失信被执行,detail:dishonest[Result]})ifexecuted.get(Result):signals.append({type:被执行人,detail:executed[Result]})ifabnormal.get(Result):signals.append({type:经营异常,detail:abnormal[Result]})ifrestriction.get(Result):signals.append({type:限制高消费,detail:restriction[Result]})ifsignals:risk_signals.append({company:company,risk_count:len(signals),signals:signals})returnrisk_signals# 示例调用if__name____main__:watch_list[某某科技有限公司,某某贸易有限公司,某某实业有限公司]resultsbatch_risk_scan(watch_list)forrinresults:print(f[风险预警]{r[company]}- 命中{r[risk_count]}项风险)forsinr[signals]:print(f →{s[type]})预期返回以失信核查接口为例{Status:200,Message:查询成功,Result:[{Id:123456,CompanyName:某某科技有限公司,CreditCode:91310000XXXXXXXXXX,ExecCourt:上海市浦东新区人民法院,ExecMoney:1500000,CaseCode:(2026)沪0115执XXXXX号,PublishDate:2026-03-15}]}盲区二催前尽调信息不足贷款进入M1逾期1-30天催收人员拿到企业名称能看到的基本信息有限。真实风险藏在看不见的地方——实控人名下其他公司已被执行或实控人已收限高令。技术方案一键尽调生成完整风险画像。推荐使用「合作风险排查」接口接口代码2006一次查询覆盖34类司法风险 催前尽调 - 34类风险一键查询 使用合作风险排查接口一次性获取企业全维度风险画像 deffull_risk_profiling(company_name:str)-dict: 合作风险排查34类司法风险全覆盖 接口代码2006 responserequests.post(f{API_BASE}/riskScan/getInfo,headersHEADERS,json{searchKey:company_name})resultresponse.json()# 风险分类统计risk_categories{司法风险:[失信被执行,被执行人,限制高消费,裁判文书,法院公告],经营风险:[经营异常,严重违法,行政处罚,税收违法,欠税公告],资产风险:[动产抵押,股权出质,司法拍卖,土地抵押,查封冻结],关联风险:[关联企业异常,实控人风险,担保链风险,同地址企业]}profile{company:company_name,total_risks:0,risk_summary:{},high_priority:[]}forcategory,itemsinrisk_categories.items():countsum(1foriteminitemsifany(iteminstr(result.get(Result,))))ifcount0:profile[risk_summary][category]count profile[total_risks]countreturnprofile盲区三债务人失联企业的备案网站、APP、小程序、招聘网站联系方式、分支机构地址、历史变更记录里的旧地址都是可追溯的触达路径。关联方同样是突破口——股东、主要人员、上下游合作伙伴、担保人。技术方案从单一企业出发拓展催收线索网络。 失联修复 - 多维度线索挖掘 通过企业信息API挖掘联系人和关联方线索 deffind_contact_leads(company_name:str)-dict: 从企业出发挖掘催收线索网络 leads{contacts:[],related_companies:[],same_address:[]}# 1. 获取企业主要人员法人、股东、高管personnelrequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:company_name}).json()ifpersonnel.get(Result):forpersoninpersonnel[Result].get(Employees,[]):leads[contacts].append({name:person.get(EmployeeName),position:person.get(Position)})# 2. 获取关联企业同地址、同联系方式relatedrequests.post(f{API_BASE}/relatedCompany/getInfo,headersHEADERS,json{searchKey:company_name}).json()ifrelated.get(Result):forcompinrelated[Result]:leads[related_companies].append({name:comp.get(CompanyName),relation:comp.get(RelationType)})# 3. 司法案件对手方追踪# 找到申贷企业当前在审/在执的司法案件提取对手方联系方式judicialrequests.post(f{API_BASE}/judicial/getInfo,headersHEADERS,json{searchKey:company_name}).json()returnleads# 实战场景互联网银行催收部的做法# 收集申贷企业有进行中的司法案件 → 提取对手方企业 → 获取对手方联系方式/地址# 同地址的其他关联企业同样是线索# 线索拉出来催收方向就清晰了盲区四不良资产处置效率进入处置阶段资产包里混入了大量看起来有债权、实际无资产可执行的空壳公司。空壳特征注册地址异常、零纳税、零社保、频繁变更法人。另一部分企业虽然表面正常但动产抵押记录显示设备已抵押股权出质记录显示股权已质押——这类资产线索直接影响回收价值判断。技术方案批量空壳识别 资产线索挖掘 企业财税评估分层处理。 不良资产处置 - 空壳识别与资产线索挖掘 defshell_company_check(company_name:str)-dict: 空壳企业识别多维度特征交叉验证 flags{address_abnormal:False,# 注册地址异常zero_tax:False,# 零纳税zero_social_security:False,# 零社保frequent_legal_change:False,# 频繁变更法人shell_score:0# 空壳概率评分 0-100}# 查询企业基本信息inforequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:company_name}).json()resultinfo.get(Result,{})# 检查法人变更频率historyrequests.post(f{API_BASE}/historyLegal/getInfo,headersHEADERS,json{searchKey:company_name}).json()iflen(history.get(Result,[]))3:flags[frequent_legal_change]Trueflags[shell_score]30# 检查动产抵押mortgagerequests.post(f{API_BASE}/chattelMortgage/getInfo,headersHEADERS,json{searchKey:company_name}).json()# 检查股权出质pledgerequests.post(f{API_BASE}/equityPledge/getInfo,headersHEADERS,json{searchKey:company_name}).json()asset_status{has_chattel_mortgage:bool(mortgage.get(Result)),has_equity_pledge:bool(pledge.get(Result))}return{company:company_name,shell_flags:flags,asset_status:asset_status,recommendation:skipifflags[shell_score]60elsepriority}四、MCP智能体接入实战4.1 为什么用MCP传统API对接需要写代码、做接口映射、处理返回结构。对于有AI应用规划的金融机构MCP协议让催收人员直接在AI对话系统里用自然语言查询不需要切换系统。MCP核心价值让AI「长出」企业数据查询能力。4.2 6大Server工具对照表Server代码名工具数覆盖数据催收场景适用企业基座qcc-company16工商登记结构化数据股东、实控人、受益所有人实控人穿透、受益所有人识别风控大脑qcc-risk35失信/被执行/严重违法/税务异常贷后监控红线、催前尽调知识引擎qcc-ipr18专利/商标/软著/APP/小程序/公众号/抖音资产线索挖掘、数字资产估值经营罗盘qcc-operation35招投标/资质/舆情/纳税/土地/私募经营状态判断、异常预警历史存档qcc-history34历史股东/法代/失信轨迹企业专享识别「洗白型」主体董监高画像qcc-executive42个人司法风险关联企业穿透UBO识别以人查风险、实控人关联扫描总工具数180个原子工具 |数据规模3.65亿市场主体、2.5亿司法诉讼、2.1亿知识产权4.3 MCP配置示例以Cursor为例在.cursor/mcp.json中配置{mcpServers:{qcc-company:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-company}},qcc-risk:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-risk}},qcc-executive:{command:npx,args:[-y,anthropic/mcp-proxy],env:{MCP_API_KEY:your_qcc_api_key,MCP_SERVER:qcc-executive}}}}注意其中5个Server统一searchKey一键接入qcc-executive董监高画像需「企业名称董监高姓名」双参数锚定。4.4 技术特性Agent-Native设计特性说明催收场景价值实体强锚定强制验证信用代码降低名称幻觉避免把「乐视影业」查成「乐视网」参数下推引导Agent按需索取不全量返回降低Token消耗行内AI集成成本更低强语义负向防御空数据转强语义状态码如核验通过没有风险明确正向信号不是查不到4.5 自然语言查询示例催收人员不需要写代码直接在AI对话里提问# 贷后监控 帮我查一下某某科技有限公司有没有新增的失信记录 # 催前尽调 扫描某某贸易有限公司实控人名下的所有关联风险 # 失联修复 某某实业有限公司的法人还担任了哪些公司的职务有哪些联系方式 # 不良资产评估 批量核查这10家企业的空壳特征和资产抵押情况4.6 支持平台平台类型说明WorkBuddyAI办公助手腾讯云原生国产Agent工作流首选CursorAI代码编辑器开发者优选TraeAI IDE字节跳动AI原生IDEClaude CodeCLI工具Anthropic旗下代码助手QoderWorkAI办公Agent阿里Qoder旗下OpenClawAgent开发平台企业级支持多MCP Server协同Cherry Studio桌面客户端多模型AI客户端已适配 ** 多家AI应用**3步完成接入注册获取Key → 加载SKILL → 自然语言提问五、四套数据服务方案对照接入方式适用场景计费方式催收场景适配API数据接口系统对接、实时查询按调用量计费催前尽调、失联修复按需调用企业户监控清单存量客户批量监控按客户数固定计费不限调用次数贷后监控性价比最高离线数据库批量尽调、数据湖建设全量数据交付不良资产批量处置、AMC对接MCP智能体行内AI应用数据注入按调用量计费城商行/农商行AI助手场景常用API接口参考接口名称接口代码说明失信核查740查询企业失信被执行记录被执行人核查741查询企业正在执行的案件经营异常核查739查询企业经营异常记录司法拍卖核查744查询企业司法拍卖记录动产抵押核查747查询动产抵押登记信息限制高消费核查742查询实控人限高情况严重违法核查748查询严重违法记录合作风险排查200634类司法风险全覆盖一次查询客户身份识别2003受益所有人识别实控人穿透数据场景与能力映射数据场景核心能力典型应用贷后监控工商变更、失信/被执行新增、经营异常、司法拍卖、股权冻结风险信号触发即推送替代人工定期查询催前尽调合作风险排查34类风险一次查、实控人穿透、关联企业扫描新增逾期客户一键生成风险画像失联修复联系方式挖掘、地址关联企业、关联方追溯拓展催收线索网络重新触达债务人不良资产处置空壳扫描、资产线索挖掘、企业财税评估批量识别高/低价值资产分层处置AMC对接AMC营销公告监控、资产包质量筛查快速对接转让需求提升资产盘活效率六、实战案例某互联网银行催收部的做法该银行企业风险部在日常催收中遇到一个典型问题催收人员拿到不良贷款知道企业名字能看到的基本信息有限。他们的解决思路收集申贷企业有进行中的司法案件提取案件中的对手方企业及其联系方式、地址、主要人员通过地址字段匹配找到同地址的其他关联企业对手方和同地址企业都是催收可直接用的线索底层逻辑催收本质上是信息挖掘工作信息的完整性决定了催收的效率和质量。 司法案件对手方追踪 - 互联网银行催收实战 deftrace_adversary(company_name:str)-list[dict]: 通过司法案件追踪对手方挖掘催收线索 leads[]# 1. 查询企业当前在审/在执的司法案件casesrequests.post(f{API_BASE}/judicial/getInfo,headersHEADERS,json{searchKey:company_name}).json()forcaseincases.get(Result,[]):adversarycase.get(Adversary,{})# 2. 获取对手方企业信息ifadversary.get(CompanyName):adv_inforequests.post(f{API_BASE}/company/getInfo,headersHEADERS,json{searchKey:adversary[CompanyName]}).json()lead{case_code:case.get(CaseCode),adversary_company:adversary[CompanyName],adversary_contact:adv_info.get(Result,{}).get(Contact),adversary_address:adv_info.get(Result,{}).get(Address),}# 3. 同地址关联企业iflead[adversary_address]:same_addrrequests.post(f{API_BASE}/sameAddress/getInfo,headersHEADERS,json{address:lead[adversary_address]}).json()lead[same_address_companies]same_addr.get(Result,[])leads.append(lead)returnleads数据来源编号来源[1]国家金融监督管理总局《2025年四季度银行业金融机构主要监管指标数据》2026年2月12日[2]银登中心《2024年不良贷款转让业务统计》2025年[3]财联社《两大全国性AMC年收购不良资产超5400亿》2026年4月[4]中国银行业协会《金融机构个人消费类贷款催收工作指引试行》2026年1月30日[5]国家金融监督管理总局《金融机构合规管理办法》2024年12月25日
