kaggle-mcp

好的，我明白了。我将扮演一个助手，可以帮助你： * **将英文文本翻译成中文。** * **描述与 Kaggle API 交互的功能，例如：** * 搜索数据集 * 下载数据集 * **描述生成 EDA (探索性数据分析) Notebook 的提示。** 请随时提出你的要求，我会尽力提供帮助。

README

此仓库包含一个使用 fastmcp 库构建的 MCP (模型上下文协议) 服务器 (server.py)。它与 Kaggle API 交互，提供搜索和下载数据集的工具，以及生成 EDA 笔记本的提示。

克隆仓库:

git clone <repository-url>
cd <repository-directory>

创建虚拟环境 (推荐):

python -m venv venv
source venv/bin/activate  # 在 Windows 上使用 `venv\Scripts\activate`
# 或者使用 uv: uv venv

安装依赖: 使用 pip:

pip install -r requirements.txt

或者使用 uv:

uv sync

设置 Kaggle API 凭据:
- 方法 1 (推荐): 环境变量
  - 创建 .env 文件
  - 打开 .env 文件并添加您的 Kaggle 用户名和 API 密钥：
```
KAGGLE_USERNAME=your_kaggle_username
KAGGLE_KEY=your_kaggle_api_key
```
  - 您可以从您的 Kaggle 帐户页面获取您的 API 密钥（Account > API > Create New API Token）。这将下载一个包含您的用户名和密钥的 kaggle.json 文件。
- 方法 2: kaggle.json 文件
  - 从您的 Kaggle 帐户下载您的 kaggle.json 文件。
  - 将 kaggle.json 文件放置在预期位置（通常在 Linux/macOS 上为 ~/.kaggle/kaggle.json，在 Windows 上为 C:\Users\<您的用户名>\.kaggle\kaggle.json）。如果未设置环境变量，kaggle 库将自动检测到此文件。

确保您的虚拟环境已激活。
运行 MCP 服务器:
```
uv run kaggle-mcp
```
服务器将启动并注册其资源、工具和提示。您可以使用 MCP 客户端或兼容工具与之交互。

服务器通过模型上下文协议公开以下功能：

search_kaggle_datasets(query: str):
- 在 Kaggle 上搜索与提供的查询字符串匹配的数据集。
- 返回一个 JSON 列表，其中包含前 10 个匹配的数据集，并包含参考、标题、下载计数和上次更新日期等详细信息。
download_kaggle_dataset(dataset_ref: str, download_path: str | None = None):
- 下载并解压缩特定 Kaggle 数据集的文件。
- dataset_ref: 数据集标识符，格式为 username/dataset-slug (例如, kaggle/titanic)。
- download_path (可选): 指定下载数据集的位置。如果省略，则默认为相对于服务器脚本位置的 ./datasets/<dataset_slug>/。

generate_eda_notebook(dataset_ref: str):
- 生成一个适合 AI 模型（如 Gemini）的提示消息，以创建指定 Kaggle 数据集参考的基本探索性数据分析 (EDA) 笔记本。
- 该提示要求提供涵盖数据加载、缺失值检查、可视化和基本统计信息的 Python 代码。

转到 Claude > Settings > Developer > Edit Config > claude_desktop_config.json 以包含以下内容：

{
  "mcpServers": {
    "kaggle-mcp": {
      "command": "kaggle-mcp",
      "cwd": "<path-to-their-cloned-repo>/kaggle-mcp"
    }
  }
}

AI 代理或 MCP 客户端可以像这样与此服务器交互：

代理: "在 Kaggle 上搜索关于 '心脏病' 的数据集"
- 服务器执行 search_kaggle_datasets(query='heart disease')
代理: "下载数据集 'user/heart-disease-dataset'"
- 服务器执行 download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')
代理: "为 'user/heart-disease-dataset' 生成一个 EDA 笔记本提示"
- 服务器执行 generate_eda_notebook(dataset_ref='user/heart-disease-dataset')
- 服务器返回一个结构化的提示消息。
代理: (将提示发送到代码生成模型) -> 接收 EDA Python 代码。