银行拿到科技型企业"榜单式"静态名单后，往往缺可计算字段，无法直接喂风控模型。本文给出一套工程化方案：以企查查 API / MCP 为外部数据源，把名单批量转化为科创属性、知识产权、注册资本、参保人数等结构化字段，支撑征信、风控与金融获客。

一、政策背景：目录统一了科技型企业字段口径

7 月 29 日，人民银行等九部门印发通知，发布《全国科技金融领域数据开发利用目录 1.0》。目录涵盖 企业名单与科创属性、进出口、投融资、经营、研发投入、知识产权、创新能力评价、企业需求 8 大类 26 个指标，首次在国家级层面统一了科技型企业数据字段口径。

对 B 端数据服务而言，这是一个明确的"参照系"信号——政策同时提出"支持市场化征信机构建设科技型企业数据库"。银行侧的核心痛点是：多拿静态名单、缺可计算字段；解法主线是"名单变字段、字段变模型、模型变决策"。

二、外部数据映射：26 个指标如何由企查查补齐

企查查数据底座覆盖 4 亿+ 工商实体、400+ 数据维度，含 2.47 亿+ 知识产权、2.53 亿司法案件、300+ 产业链、2392+ 行业分类，可绘企业 360 度画像（工商 / 经营 / 司法 / 舆情 / 知识产权），是补银行科创属性字段的现成来源。

下表给出目录 8 大类指标与企查查可补充外部数据字段的映射，便于在建模时直接落地：

三、工程实现：名单变字段的 Python 示例

下面是一段完整可运行的脚本：输入一份科技型企业名单，批量调用 GetBasicDetails（工商）与 GetPatentInfo（知识产权），把静态榜单 enrich 成结构化字段，写入 SQLite 并打印 dict。

import requests, os, sqlite3, json, time

QCC_KEY = os.getenv("QCC_APP_KEY")          # 替换为真实 AppKey
QCC_TOKEN = os.getenv("QCC_INTERFACE_TOKEN") # 替换为真实接口 Token
BASE = "https://api.qichacha.com"

def qcc_get(path: str, keyword: str) -> dict:
    """企查查开放平台统一调用封装，返回 Result 字段。"""
    resp = requests.get(
        f"{BASE}{path}",
        params={"key": QCC_KEY, "keyword": keyword},
        headers={"Token": QCC_TOKEN},
        timeout=10,
    )
    resp.raise_for_status()
    data = resp.json()
    if data.get("Status") != "200":
        raise RuntimeError(f"QCC error: {data.get('Message')}")
    return data.get("Result", {})

def enrich_company(name: str) -> dict:
    """名单变字段：把单个企业名 enrich 成结构化记录。"""
    basic = qcc_get("/CompanyInfo/GetBasicDetails", name)
    ipr = qcc_get("/CompanyInfo/GetPatentInfo", name)
    patents = ipr.get("Patents", [])  # 知识产权明细列表
    return {
        "name": basic.get("Name"),
        "credit_code": basic.get("CreditCode"),
        "status": basic.get("Status"),                 # 经营状态：存续/注销/吊销
        "regist_capi": basic.get("RegistCapi"),        # 注册资本
        "insured_count": basic.get("InsuredCount"),    # 参保人数
        "industry": basic.get("Industry"),             # 行业分类
        "patent_count": len(patents),                  # 科创属性核心：知识产权数量
        "scope": basic.get("Scope"),                   # 经营范围
    }

def enrich_list_to_sqlite(names: list, db_path: str = "tech_companies.db"):
    """批量 enrich 并落地到 SQLite。"""
    conn = sqlite3.connect(db_path)
    conn.execute(
        """CREATE TABLE IF NOT EXISTS company (
            name TEXT, credit_code TEXT, status TEXT,
            regist_capi TEXT, insured_count TEXT,
            industry TEXT, patent_count INTEGER, scope TEXT)"""
    )
    for n in names:
        row = enrich_company(n)
        print(json.dumps(row, ensure_ascii=False))
        # 预期返回示例：
        # {"name":"某某科技有限公司","credit_code":"91310000MA1FL***",
        #  "status":"存续","regist_capi":"5000万人民币","insured_count":"320",
        #  "industry":"软件和信息技术服务业","patent_count":47,"scope":"..."}
        conn.execute(
            "INSERT INTO company VALUES (?,?,?,?,?,?,?,?)",
            (row["name"], row["credit_code"], row["status"],
             row["regist_capi"], row["insured_count"],
             row["industry"], row["patent_count"], row["scope"]),
        )
        time.sleep(0.2)  # 简单限流
    conn.commit()
    conn.close()

if __name__ == "__main__":
    # 示例调用：一份科技型企业名单
    tech_list = ["华为技术有限公司", "比亚迪股份有限公司", "宁德时代新能源科技股份有限公司"]
    enrich_list_to_sqlite(tech_list)

patent_count（知识产权数量）即目录中"科创属性 / 知识产权"大类的可计算字段；regist_capi、insured_count 对应"经营"大类，可直接进入风控模型与客户准入核查逻辑。

四、Agent 编排：MCP function-calling 补银行科创属性

在银行 AI 助手中，可用企查查 MCP 做 Agent 编排：对科技金融企业同时拉取 get_company_profile（工商全维）、get_patent_info（知识产权）、get_beneficial_owners（受益所有人），一次调用补齐外部数据，支撑尽职调查与企业画像。

[
  {
    "tool": "mcp__qcc-company__get_company_profile",
    "arguments": { "keyword": "某科技金融企业名称" }
  },
  {
    "tool": "mcp__qcc-ipr__get_patent_info",
    "arguments": { "keyword": "某科技金融企业名称" }
  },
  {
    "tool": "mcp__qcc-company__get_beneficial_owners",
    "arguments": { "keyword": "某科技金融企业名称" }
  }
]

返回后 Agent 可聚合出：工商状态 / 注册资本 / 参保人数（来自 profile）、专利与商标数量（来自 patent_info）、最终受益人链路与持股比例（来自 beneficial_owners）。这三类外部数据叠加，即可在客户准入核查阶段判定企业科创成色，并把受益人穿透结果回流到企业风控与金融获客名单。

五、从"等客"到"沿链找客"

基于 2.3 亿+ 招投标与 300+ 产业链数据，银行可从招采 / 供应链关系定位信贷或投保标的，沿产业链批量识别关键节点企业。配合上述字段化能力，营销从"等客"转为"沿链找客"，让外部数据真正进入企业画像与风控决策闭环。