InsightFlow

InsightFlow

InsightFlow - 一个实时的分析仪表盘服务器,采用 MCP (消息控制协议) 架构,并集成了诸如 Claude 或 Cursor 等 AI 服务。该解决方案能够实现具有自然语言查询功能的实时数据分析。

ilissrk

研究与数据
访问服务器

README

InsightFlow

InsightFlow 是一个先进的分析平台,它结合了实时数据处理和使用模型上下文协议 (MCP) 的 AI 驱动的洞察力。它与 Claude AI 无缝集成,可实现智能数据分析和决策支持。

🚀 功能

  • MCP 集成: 完全支持模型上下文协议,从而实现高级 AI 功能
  • 实时分析: 实时处理和分析数据流
  • AI 驱动的洞察力: 利用 Claude AI 进行智能数据解释
  • 灵活的数据处理: 支持多种数据源和格式
  • RESTful & WebSocket APIs: 全面的 API 支持,满足各种集成需求

🛠️ 技术栈

  • 后端: Python 3.9+, FastAPI
  • AI 集成: Anthropic Claude API
  • 数据处理: Pandas, NumPy
  • 数据库: SQLAlchemy (支持多种数据库)
  • API: REST + WebSocket
  • 协议: 模型上下文协议 (MCP)

📋 前提条件

  • Python 3.9 或更高版本
  • Anthropic API 密钥
  • Redis (用于缓存和消息队列)

🔧 安装

  1. 克隆存储库:
git clone https://github.com/yourusername/insightflow.git
cd insightflow
  1. 创建并激活虚拟环境:
python -m venv venv
source venv/bin/activate  # 在 Windows 上: venv\Scripts\activate
  1. 安装依赖项:
pip install -r requirements.txt
  1. 配置环境:
cp config/config.example.yaml config/config.yaml
# 使用您的设置编辑 config.yaml
  1. 设置环境变量:
cp .env.example .env
# 使用您的凭据编辑 .env

🚀 快速开始

本地运行

  1. 启动服务器:
python app/main.py
  1. 访问 API 文档:
http://localhost:8000/docs

📚 API 文档

REST API 端点

  • GET /tools - 列出可用的 MCP 工具
  • POST /tool/{tool_name} - 执行特定工具
  • WS /ws - 用于实时通信的 WebSocket 端点

MCP 工具

  1. 数据分析

    • 使用可配置的指标分析数据集
    • 生成统计洞察
    • 支持时间序列分析
  2. 查询数据

    • 灵活的数据查询功能
    • 过滤和聚合数据
    • 以多种格式导出结果
  3. 生成洞察

    • AI 驱动的数据解释
    • 趋势识别
    • 异常检测

🔧 配置

可以通过 config.yaml 或环境变量配置系统:

server:
  host: "0.0.0.0"
  port: 8000
  debug: false

mcp:
  enabled: true
  websocket_path: "/ws"
  max_connections: 100

ai:
  model_name: "claude-2"
  temperature: 0.7
  max_tokens: 2000

🔍 开发

项目结构

insightflow/
├── app/
│   ├── main.py           # 应用程序入口点
│   ├── config.py         # 配置管理
│   ├── core/             # 核心 MCP 和服务器逻辑
│   ├── data/             # 数据处理模块
│   ├── analytics/        # 分析引擎
│   ├── ai/               # AI 集成
│   ├── api/              # API 端点
│   └── models/           # 数据模型
└── requirements.txt      # Python 依赖项

运行测试

pytest tests/

贡献

  1. Fork 存储库
  2. 创建您的功能分支 (git checkout -b feature/AmazingFeature)
  3. 提交您的更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 打开一个 Pull Request

📄 许可证

该项目根据 MIT 许可证获得许可 - 有关详细信息,请参阅 LICENSE 文件。

🤝 支持

如需支持和问题,请在 GitHub 存储库中打开一个 issue 或联系维护人员。

🙏 鸣谢

  • Anthropic 提供的 Claude AI 集成
  • 模型上下文协议社区
  • InsightFlow 的所有贡献者和用户

用 ❤️ 由 Ilias RAFIK 制作 ;

推荐服务器

Crypto Price & Market Analysis MCP Server

Crypto Price & Market Analysis MCP Server

一个模型上下文协议 (MCP) 服务器,它使用 CoinCap API 提供全面的加密货币分析。该服务器通过一个易于使用的界面提供实时价格数据、市场分析和历史趋势。 (Alternative, slightly more formal and technical translation): 一个模型上下文协议 (MCP) 服务器,利用 CoinCap API 提供全面的加密货币分析服务。该服务器通过用户友好的界面,提供实时价格数据、市场分析以及历史趋势数据。

精选
TypeScript
MCP PubMed Search

MCP PubMed Search

用于搜索 PubMed 的服务器(PubMed 是一个免费的在线数据库,用户可以在其中搜索生物医学和生命科学文献)。 我是在 MCP 发布当天创建的,但当时正在度假。 我看到有人在您的数据库中发布了类似的服务器,但还是决定发布我的服务器。

精选
Python
mixpanel

mixpanel

连接到您的 Mixpanel 数据。 从 Mixpanel 分析查询事件、留存和漏斗数据。

精选
TypeScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Nefino MCP Server

Nefino MCP Server

为大型语言模型提供访问德国可再生能源项目新闻和信息的能力,允许按地点、主题(太阳能、风能、氢能)和日期范围进行筛选。

官方
Python
Vectorize

Vectorize

将 MCP 服务器向量化以实现高级检索、私有深度研究、Anything-to-Markdown 文件提取和文本分块。

官方
JavaScript
Mathematica Documentation MCP server

Mathematica Documentation MCP server

一个服务器,通过 FastMCP 提供对 Mathematica 文档的访问,使用户能够从 Wolfram Mathematica 检索函数文档和列出软件包符号。

本地
Python
kb-mcp-server

kb-mcp-server

一个 MCP 服务器,旨在实现便携性、本地化、简易性和便利性,以支持对 txtai “all in one” 嵌入数据库进行基于语义/图的检索。任何 tar.gz 格式的 txtai 嵌入数据库都可以被加载。

本地
Python
Research MCP Server

Research MCP Server

这个服务器用作 MCP 服务器,与 Notion 交互以检索和创建调查数据,并与 Claude Desktop Client 集成以进行和审查调查。

本地
Python
Cryo MCP Server

Cryo MCP Server

一个API服务器,实现了模型补全协议(MCP),用于Cryo区块链数据提取,允许用户通过任何兼容MCP的客户端查询以太坊区块链数据。

本地
Python