ChatBI MCP Server

准备环境

配置 LLM API Key

cp .env.example .env

编辑 .env 文件，填写 LLM 相关信息，为了生成高质量的代码，建议填写较强的模型，如 GLM 4.5、Qwen-235B-A22B、Kimi K2 等，至少 Qwen3-32B。即使是较小规模的模型也会导致代码质量和分析效果不佳。

安装依赖

uv venv .venv --python=3.11
source .venv/bin/activate
uv pip install -r requirements.txt

运行服务

cd src
python pandas_mcp_server.py

使用

配置 ChatBI MCP Server

使用支持 MCP Server 的客户端，例如 Cherry Studio，进行如下配置：

验证信息包含在 config.yaml 文件中，可以自行修改，默认值是 eyJzdWIiOiAidXNlcjEyMyIsICJpYXQiOiAxNzUxODA5ODIwLCAiZXhwIjogMTc1MTgxMzQyMH0。

注意：由于涉及 LLM 代码生成，建议设置较长的超时时间，并在出现错误时进行修正。

添加后点击“保存”，然后点击顶部的“打开”选项切换到“工具”标签页：

如果工具能正常列出，表示配置正确。

使用 ChatBI MCP Server

常规统计

使用时记得开启此 MCP Server：

可视化

结合 mcp-server-chart 使用：

综合应用

通过指令实现自动化数据分析：

生成数据分析计划： 开始分析： 结果报告：

生成看板：