MCP 数据探索服务器

MCP 服务器是一款多功能工具，专为交互式数据探索设计。

您的个人数据科学家助手，将复杂的数据集转化为清晰、可操作的见解。

<a href="https://glama.ai/mcp/servers/hwm8j9c422"><img width="380" height="200" src="https://gips1.baidu.com/it/u=1715641937,233954628&fm=3081&app=3081&f=PNG?w=760&h=400" alt="mcp-server-data-exploration MCP 服务器" /></a>

🚀 尝试一下

1. 下载 Claude Desktop

   • 在这里获取：下载链接

2. 安装与设置

   • 在 macOS 上，在终端中运行以下命令：

   python setup.py
   

3. 加载模板和工具

   • 服务器启动后，请等待提示模板和工具在 Claude Desktop 中加载完毕。

4. 开始探索

   • 从 MCP 中选择 explore-data 提示模板
   • 开始对话时提供所需输入：
     • csv_path：CSV 文件的本地路径
     • topic：探索的主题（例如，“纽约的天气模式”或“加利福尼亚的房价”）

示例

这些是使用 MCP 服务器进行数据探索而无需任何人工干预的例子。

案例 1：加利福尼亚房地产挂牌价格

• Kaggle 数据集：美国房地产数据集
• 大小：2,226,382 条记录（178.9 MB）
• 主题：加利福尼亚的房价趋势

• 数据探索总结

案例 2：伦敦天气

• Kaggle 数据集：超过 200 万条每日英国天气历史记录
• 大小：2,836,186 条记录（169.3 MB）
• 主题：伦敦天气
• 报告：查看报告
• 图表：

  • 伦敦温度趋势

    <img width="1622" alt="2024年12月9日12点48分56秒的截图" src="https://gips3.baidu.com/it/u=3670773223,3463493467&fm=3081&app=3081&f=PNG?w=3244&h=2224">

  • 季节性温度-湿度关系

    <img width="1623" alt="2024年12月9日12点47分54秒的截图" src="https://gips0.baidu.com/it/u=2291702054,3389767687&fm=3081&app=3081&f=PNG?w=3246&h=2214">

  • 季节性风向模式

    <img width="1622" alt="2024年12月9日12点47分00秒的截图" src="https://gips1.baidu.com/it/u=3315009443,2293895790&fm=3081&app=3081&f=PNG?w=3244&h=2214">

📦 组件

提示

• explore-data：专门用于数据探索任务

工具

1. load-csv

   • 功能：将 CSV 文件加载到 DataFrame 中
   • 参数：
     • csv_path（字符串，必需）：CSV 文件的路径
     • df_name（字符串，可选）：DataFrame 的名称。如果没有提供，默认为 df_1、df_2 等

2. run-script

   • 功能：执行 Python 脚本
   • 参数：
     • script（字符串，必需）：要执行的脚本

⚙️ 修改服务器

Claude Desktop 配置

• macOS：~/Library/Application\ Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%/Claude/claude_desktop_config.json

开发（未发布的服务器）

"mcpServers": {
  "mcp-server-ds": {
    "command": "uv",
    "args": [
      "--directory",
      "/Users/username/src/mcp-server-ds",
      "run",
      "mcp-server-ds"
    ]
  }
}

发布的服务器

"mcpServers": {
  "mcp-server-ds": {
    "command": "uvx",
    "args": [
      "mcp-server-ds"
    ]
  }
}

🛠️ 开发

构建与发布

1. 同步依赖项

   uv sync
   

2. 构建发行版

   uv build
   

   在 dist/ 目录中生成源代码和 wheel 发行版。

3. 发布到 PyPI

   uv publish
   

🤝 贡献

欢迎贡献！无论是修复错误、添加功能还是改进文档，您的帮助使这个项目变得更好。

报告问题

如果您遇到错误或有建议，请在问题部分打开一个新问题。包括：

• 如何复现（如果适用）
• 预期行为与实际行为
• 截图或错误日志（如相关）

📜 许可证

此项目采用 MIT 许可证。 详情见 LICENSE 文件。

💬 联系我们

有任何疑问或反馈？请打开一个新问题或联系维护者。让我们一起把这个项目做得更好！

关于

这是一个由 ReadingPlus.AI LLC 运营的开源项目，并且欢迎社区中的所有人贡献。