csv-analyzer-mcp

csv-analyzer-mcp

Enables AI assistants to analyze CSV files by providing statistical analysis and structural summaries via MCP tools.

Category
访问服务器

README

CSV Analyzer MCP

Model Context Protocol (MCP) を使って CSV ファイルを分析し、統計情報を提供するサーバーであり、AI アシスタントツールとしても利用できます。

  • LLM が発見・呼び出し可能なツールを公開
  • ユーザー入力（CSV ファイルパス）を処理
  • 構造化された結果を返す
  • Claude for Desktop および他の MCP 互換クライアントと統合

機能

  • CSV 分析: 統計情報の計算と分析
  • サマリー取得: CSV 構造の JSON 形式サマリー
  • 型アノテーション: Python 3.12+ 対応
  • ロギング: stderr へのログ出力
  • エラーハンドリング: ファイル I/O と入力検証
  • MCP 互換性: 複数の MCP クライアントに対応

クイックスタート

前提条件

インストール

# プロジェクトディレクトリに移動
cd csv-analyzer-mcp

# 仮想環境を作成して依存パッケージをインストール
uv venv
source .venv/bin/activate  # Windows の場合: .venv\Scripts\activate

# 開発モードでパッケージをインストール
uv sync

サーバーの実行

# uv 経由（開発時に推奨）
uv run csv-analyzer-mcp

# または、venv をアクティベート後
python -m csv_analyzer_mcp.main

サーバーが起動し、MCP クライアント接続を STDIO でリッスンします。

Claude for Desktop との統合

このMCPサーバーを Claude for Desktop と一緒に使用するには：

  1. Claude設定ファイルを探します：

    # macOS/Linux
code ~/Library/Application\ Support/Claude/claude_desktop_config.json

# Windows
code $env:AppData\Claude\claude_desktop_config.json

  2. サーバー設定を追加します：

    {
  "mcpServers": {
    "csv-analyzer": {
      "command": "uv",
      "args": [
        "--directory",
        "/ABSOLUTE/PATH/TO/csv-analyzer-mcp",
        "run",
        "csv-analyzer-mcp"
      ]
    }
  }
}

  3. /ABSOLUTE/PATH/TO/csv-analyzer-mcp を実際のパスに置き換えます（例：/Users/username/python/csv-analyzer-mcp）

  4. Claude for Desktop を再起動します

  5. Claude で、コネクター メニューに「csv-analyzer」サーバーが利用可能として表示されるようになります。以下でテストできます：

    • 「このCSVを分析して: /path/to/your/file.csv」
    • 「data.csvの構造をまとめて」

ツール

1. analyze_csv

CSV ファイルの包括的な統計分析

入力:

  • file_path (文字列): CSV ファイルへのパス

出力: 以下を含むフォーマット済みレポート:

  • 行数と列数
  • 列名とデータ型
  • 列ごとの統計（数値列: 最小値、最大値、平均値、標準偏差、中央値、文字列列: ユニーク値数）
  • 全体サマリー（数値列、欠損値、メモリ使用量）

例:

ユーザー: 「/Users/john/data/sales.csv を分析して」

Claude: [analyze_csv ツールを呼び出し]

出力:
======================================================================
CSV 分析レポート
======================================================================

基本情報
  行数:          1000
  列数:          5
  列名:          date, product, amount, region, discount

列の統計情報
  ...

2. get_csv_summary

CSV 構造の JSON フォーマット済みクイックサマリー

入力:

  • file_path (文字列): CSV ファイルへのパス

出力: 以下を含む JSON オブジェクト:

  • rows: 行数
  • columns: 列数
  • column_names: すべての列名のリスト
  • column_types: 列型の辞書
  • numeric_columns: 数値列のリスト
  • total_missing_values: 欠損値の数

例:

{
  "rows": 1000,
  "columns": 5,
  "column_names": ["date", "product", "amount", "region", "discount"],
  "column_types": {
    "date": "object",
    "product": "object",
    "amount": "float64",
    "region": "object",
    "discount": "int64"
  },
  "numeric_columns": ["amount", "discount"],
  "total_missing_values": 12
}

アーキテクチャ

csv-analyzer-mcp/
├── pyproject.toml              # プロジェクトメタデータ、依存関係、エントリポイント
├── README.md                   # このファイル
├── .gitignore                  # Git無視パターン
│
├── src/csv_analyzer_mcp/
│   ├── __init__.py            # パッケージ初期化とバージョン
│   ├── main.py                # サーバーエントリポイントと STDIO トランスポート設定
│   ├── tools.py               # MCP ツール定義（@mcp.tool デコレータ）
│   ├── utils.py               # ヘルパー関数（CSV読込、統計処理）
│   └── py.typed               # PEP 561 型ヒントマーカー
│
├── examples/
│   ├── sample.csv             # テスト用サンプルデータ
│   └── example_usage.md       # 使用例
│
└── tests/ (オプション)
    ├── test_utils.py
    └── test_tools.py

モジュール概要

  • main.py: FastMCP サーバーを初期化し、STDIO トランスポートで実行します。これは MCP サーバーのエントリポイントです。

  • tools.py: @mcp.tool() デコレータを使用して MCP ツールを定義します。各関数は LLM クライアントが利用可能なツールになります。

  • utils.py: ビジネスロジックを含みます:

    • read_csv_file(): エラー処理付きで CSV を安全に読み込み
    • calculate_statistics(): pandas を使用して統計を計算
    • format_statistics_report(): 出力を人間が読みやすいテキストにフォーマット

動作原理

┌─────────────┐
│ Claude for  │
│ Desktop     │
└──────┬──────┘
       │ (JSON-RPC over STDIO)
       │
   ┌───▼────────────────────┐
   │ MCP サーバープロセス   │
   │ (csv-analyzer-mcp)     │
   └───┬────────────────────┘
       │
   ┌───▼────────────────────┐
   │ tools.py               │
   │ - analyze_csv          │
   │ - get_csv_summary      │
   └───┬────────────────────┘
       │
   ┌───▼────────────────────┐
   │ utils.py               │
   │ - read_csv_file()      │
   │ - calculate_statistics │
   │ - format_report()      │
   └────────────────────────┘

フロー:

  1. Claude がCSV分析に関する質問をします
  2. Claude のクライアントが JSON-RPC リクエストをこの MCP サーバーに送信します
  3. tools.py モジュールがリクエストを受け取ります
  4. utils.py が実際のファイル読み込みと計算を実行します
  5. 結果をフォーマットして JSON-RPC レスポンスとして返送します
  6. Claude は結果をユーザーに表示します

サンプルデータ

examples/sample.csv に 12行5列のサンプル従業員データが含まれています:

列 型 説明
name 文字列 従業員フルネーム
age 整数 従業員年齢
salary 整数 年間給与（USD）
department 文字列 部門名
hire_date 日付 採用日（YYYY-MM-DD形式）

使用例

Claude for Desktop での使用

Claude for Desktop を開いて、以下のように質問できます:

例 1: CSV ファイルの詳細分析

ユーザー: 「/Users/username/python/csv-analyzer-mcp/examples/sample.csv ファイルを分析してもらえますか？」

Claude: [analyze_csv ツールを呼び出し]

出力:
======================================================================
CSV 分析レポート
======================================================================

基本情報
  行数:          12
  列数:          5
  列名:          name, age, salary, department, hire_date

列の統計情報

  name (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 12

  age (型: int64)
    非null値:   12
    null値:     0
    最小値:     26
    最大値:     52
    平均値:     36.25
    標準偏差:   8.91
    中央値:     34.5

  salary (型: int64)
    非null値:   12
    null値:     0
    最小値:     65000
    最大値:     105000
    平均値:     83916.67
    標準偏差:   11899.63
    中央値:     84500.0

  department (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 5

  hire_date (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 12

サマリー
  数値列:       age, salary
  欠損値の合計: 0
  メモリ使用量: 0.18 MB

======================================================================

例 2: CSV 構造のクイックサマリー

ユーザー: 「/Users/username/python/csv-analyzer-mcp/examples/sample.csv の JSON サマリーをください」

Claude: [get_csv_summary ツールを呼び出し]

出力:
{
  "rows": 12,
  "columns": 5,
  "column_names": ["name", "age", "salary", "department", "hire_date"],
  "column_types": {
    "name": "object",
    "age": "int64",
    "salary": "int64",
    "department": "object",
    "hire_date": "object"
  },
  "numeric_columns": ["age", "salary"],
  "total_missing_values": 0
}

トラブルシューティング

Claude for Desktop にサーバーが表示されない

  1. claude_desktop_config.json が正しくフォーマットされているか確認してください（有効な JSON）
  2. プロジェクトディレクトリへの絶対パスが正しいか確認してください
  3. Claude for Desktop を再起動してください（macOS では Cmd+Q で完全に終了）
  4. ログを確認: tail -f ~/Library/Logs/Claude/mcp*.log

CSV ファイルが見つからないエラー

  • 絶対パスまたは現在の作業ディレクトリに相対的なパスを使用してください
  • ファイルが存在し、読み取り可能か確認: ls -la /path/to/file.csv

最初の実行時の「許可が拒否されました」エラー

macOS/Linux では、実行許可を与える必要がある場合があります:

chmod +x /Users/username/python/csv-analyzer-mcp

さらに詳しく

ライセンス

MIT ライセンス - LICENSE ファイルの詳細を参照してください。

推荐服务器

Baidu Map

Baidu Map

百度地图核心API现已全面兼容MCP协议，是国内首家兼容MCP协议的地图服务商。

官方
精选
JavaScript
Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器，它使大型语言模型能够通过结构化的可访问性快照与网页进行交互，而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具，可以从自然语言描述生成现代化的用户界面组件，并与流行的集成开发环境（IDE）集成，从而简化用户界面开发流程。

官方
精选
本地
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

通过模型上下文协议启用与 Audiense Insights 账户的交互，从而促进营销洞察和受众数据的提取和分析，包括人口统计信息、行为和影响者互动。

官方
精选
本地
TypeScript
VeyraX

VeyraX

一个单一的 MCP 工具，连接你所有喜爱的工具：Gmail、日历以及其他 40 多个工具。

官方
精选
本地
graphlit-mcp-server

graphlit-mcp-server

模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外，还可以将任何内容（从 Slack 到 Gmail 再到播客订阅源）导入到 Graphlit 项目中，然后从 MCP 客户端检索相关内容。

官方
精选
TypeScript
Kagi MCP Server

Kagi MCP Server

一个 MCP 服务器，集成了 Kagi 搜索功能和 Claude AI，使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。

官方
精选
Python
e2b-mcp-server

e2b-mcp-server

使用 MCP 通过 e2b 运行代码。

官方
精选
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

Exa MCP Server

模型上下文协议（MCP）服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。

官方
精选