用于数据探索的 MCP 服务器

MCP 服务器是一个多功能的工具，专为交互式数据探索而设计。

您个人的数据科学家助手，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://glama.ai/mcp/servers/hwm8j9c422/badge" alt="mcp-server-data-exploration MCP server" /></a>

🚀 试用

1. 下载 Claude Desktop

   • 在这里获取

2. 安装和设置

   • 在 macOS 上，在您的终端中运行以下命令：

   python setup.py
   

3. 加载模板和工具

   • 服务器运行后，等待提示模板和工具在 Claude Desktop 中加载。

4. 开始探索

   • 从 MCP 中选择 explore-data 提示模板
   • 通过提供所需的输入开始您的对话：
     • 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“加州的房价”）

示例

以下是如何使用 MCP 服务器在没有任何人工干预的情况下探索数据的示例。

案例 1：加州房地产挂牌价格

• 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：加州的房价趋势

• 数据探索摘要

案例 2：伦敦的天气

• Kaggle 数据集：2M+ 英国每日天气历史
• 大小：2,836,186 条记录 (169.3 MB)
• 主题：伦敦的天气
• 报告：查看报告
• 图表：

  • 伦敦气温趋势 <img width="1622" alt="Screenshot 2024-12-09 at 12 48 56 AM" src="https://github.com/user-attachments/assets/9e70fe97-8af7-4221-b1e7-00197c88bb47">

  • 按季节划分的温度-湿度关系 <img width="1623" alt="Screenshot 2024-12-09 at 12 47 54 AM" src="https://github.com/user-attachments/assets/f4ac60a8-30e3-4b10-b296-ba412c2922fa">

  • 按季节划分的风向模式 <img width="1622" alt="Screenshot 2024-12-09 at 12 47 00 AM" src="https://github.com/user-attachments/assets/2db01054-f948-4d2e-ba39-8de8fa59f83d">

📦 组件

提示

• explore-data: 专为数据探索任务定制

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。如果未提供，则默认为 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"
    ]
  }
}

已发布的服务器

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

🛠️ 开发

构建和发布

1. 同步依赖

   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，您的帮助都会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 issues 部分中打开一个 issue。 包括：

• 重现步骤（如果适用）
• 预期行为与实际行为
• 屏幕截图或错误日志（如果相关）

📜 许可证

该项目已获得 MIT 许可证的许可。 有关详细信息，请参见 LICENSE 文件。

💬 联系我们

有问题？ 反馈？ 打开一个 issue 或联系维护人员。 让我们一起让这个项目变得更棒！

关于

这是一个由 ReadingPlus.AI LLC 运行的开源项目，并向整个社区开放贡献。