MCP 服务器

Qualitative Researcher MCP Server

提供用于管理定性研究知识图谱的工具，从而能够对研究项目、参与者、访谈、观察、代码、主题和发现进行结构化表示。

README

定性研究员 MCP 服务器

一个 MCP 服务器实现，提供用于管理定性研究知识图谱的工具，从而能够以结构化的方式表示研究项目、参与者、访谈、观察、编码、主题和发现。该服务器帮助定性研究人员组织他们的数据，跟踪他们的分析过程，发展主题，并从丰富的文本数据中生成见解。

特性

持久的研究背景：在多个分析会话中维护研究实体和关系的结构化知识图谱
研究会话管理：使用唯一的 ID 跟踪研究分析会话，并记录随时间的进展
主题分析：组织和跟踪跨数据源的新兴主题
编码框架：管理分层编码结构并跟踪代码应用
参与者管理：跟踪参与者数据、人口统计信息和贡献
数据源组织：组织访谈、观察和文档
研究问题跟踪：将数据链接到特定的研究问题
备忘录写作：记录整个研究过程中的分析见解
按时间顺序的数据分析：按时间顺序探索数据
代码共现分析：识别不同代码之间的关系
方法论文档：跟踪方法论决策和方法

实体

定性研究员 MCP 服务器识别以下实体类型：

project：总体研究
participant：研究对象
interview：与参与者的正式对话
observation：来自观察性研究的现场笔记
document：正在分析的外部材料
code：应用于数据段的标签
codeGroup：相关代码的类别或族
memo：研究人员的分析笔记
theme：跨数据的新兴模式
quote：来自数据源的显著摘录
literature：学术来源
researchQuestion：指导研究的正式问题
finding：结果或结论
status：实体状态值（active、completed、pending、abandoned）
priority：优先级值（high、low）

关系

实体可以通过以下关系类型连接：

participated_in：将参与者链接到访谈/观察
codes：显示哪些代码适用于哪些数据
contains：分层关系（例如，codegroup 包含 codes）
supports：支持主题或发现的数据
contradicts：与主题或发现相矛盾的数据
answers：解决研究问题的数据
cites：参考文献
followed_by：时间顺序
related_to：一般连接
reflects_on：备忘录反映数据/代码/主题
compares：比较关系
conducted_by：进行数据收集的人
transcribed_by：转录数据的人
part_of：实体是另一个实体的一部分
derived_from：实体源自另一个实体
collected_on：数据收集日期
analyzes：分析关系
triangulates_with：数据源之间的三角测量
has_status：将实体链接到其当前状态（active、completed、pending、abandoned）
has_priority：将实体链接到其优先级（high、low）
precedes：指示一个分析活动在序列中位于另一个活动之前

可用工具

定性研究员 MCP 服务器提供以下工具来与研究知识进行交互：

startsession

启动一个新的定性研究会话，生成唯一的会话 ID 并显示当前的研究项目、最近的数据收集、新兴主题和以前的会话。通过 has_status 关系显示状态信息，通过 has_priority 关系显示优先级，并根据顺序过程关系识别准备好接下来要处理的研究活动。

loadcontext

加载特定实体（项目、参与者、访谈等）的详细上下文，根据实体类型显示相关信息。包括状态信息、优先级和顺序过程关系。

endsession

通过结构化的多阶段过程记录研究会话的结果：

summary：记录会话摘要、持续时间和项目重点
interviewData：记录会话期间处理的新访谈数据
memos：记录会话期间创建的分析备忘录
codingActivity：跟踪应用于数据的新代码和修订代码
themes：记录分析中出现或发展的主题
statusUpdates：记录实体状态值的更改
projectStatus：更新总体项目状态、优先级分配和顺序关系
assembly：最终组装所有会话数据

buildcontext

在知识图谱中创建新的实体、关系或观察：

entities：添加新的研究实体（项目、参与者、访谈、状态、优先级等）
relations：创建实体之间的关系（包括 has_status、has_priority、precedes）
observations：将观察添加到现有实体

deletecontext

从知识图谱中删除实体、关系或观察：

entities：删除研究实体
relations：删除实体之间的关系（包括状态、优先级和顺序关系）
observations：从实体中删除特定观察

advancedcontext

从知识图谱中检索信息：

graph：获取整个知识图谱
search：根据查询条件搜索节点
nodes：按名称获取特定节点
related：查找相关实体
status：查找具有特定状态值（active、completed、pending、abandoned）的实体
priority：查找具有特定优先级值（high、low）的实体
sequence：识别分析活动的顺序关系

领域特定功能

定性研究员 MCP 服务器包括用于定性研究的专用领域功能：

getProjectOverview：项目的综合视图，包括研究问题、方法论、参与者、数据源
getParticipantProfile：参与者的详细资料，包括人口统计信息、访谈和引言
getThematicAnalysis：对主题的分析，包括支持代码和数据
getCodedData：查看使用特定代码标记的所有数据段
getResearchQuestionAnalysis：按研究问题组织数据，包括相关发现
getChronologicalData：按时间顺序查看数据
getCodeCooccurrence：分析多个代码一起出现的位置
getMemosByFocus：检索与特定实体相关的所有备忘录
getMethodologyDetails：查看方法论方法、抽样和分析技术
getRelatedEntities：按关系类型查找与特定实体相关的实体
getStatusOverview：查看具有特定状态（active、completed、pending、abandoned）的所有实体
getPriorityItems：识别高优先级的研究任务和活动
getAnalysisSequence：根据 precedes 关系可视化分析活动的顺序

示例提示

启动会话

Let's start a new qualitative research session for my Health Behavior Study project.

（为我的健康行为研究项目启动一个新的定性研究会话。）

加载研究背景

Load the context for the Health Behavior Study project so I can see the current state of my analysis.

（加载健康行为研究项目的背景，以便我可以查看我当前的分析状态。）

记录会话结果

I've just finished analyzing interview data for my Health Behavior Study. I identified two new themes related to social support, coded three new interviews, and wrote memos about emerging patterns in participant responses. I've marked the initial coding phase as complete and set the thematic analysis as high priority. The project is progressing well, and I'm beginning to reach theoretical saturation.

（我刚刚完成了对我的健康行为研究的访谈数据的分析。我确定了两个与社会支持相关的新主题，编码了三个新的访谈，并撰写了关于参与者反应中新兴模式的备忘录。我已将初始编码阶段标记为完成，并将主题分析设置为高优先级。该项目进展顺利，我开始达到理论饱和。）

管理研究知识

Create a new code called "Family Support" that's part of the "Social Support" code group in the Health Behavior Study project. Set its status to active and make it precede the "Social Network Analysis" activity.

（在健康行为研究项目中创建一个名为“家庭支持”的新代码，该代码是“社会支持”代码组的一部分。将其状态设置为活动，并使其先于“社会网络分析”活动。）

Update the status of the "Participant Recruitment" process to "completed" and add an observation that we've reached our target sample size.

（将“参与者招募”过程的状态更新为“已完成”，并添加一个观察，即我们已达到目标样本量。）

用法

此 MCP 服务器使定性研究人员能够：

保持分析连续性：跟踪跨多个研究会话的分析进展
开发编码框架：构建、完善和应用编码结构到定性数据
跟踪主题发展：观察主题如何在分析过程中出现和演变
管理丰富的数据源：组织和连接访谈记录、现场笔记和文档
支持理论发展：通过备忘录写作过程记录理论见解
准备研究发现：将发现与支持证据和研究问题联系起来
提高方法论严谨性：记录方法论决策和分析过程
跟踪研究进展：在整个研究生命周期中监控实体状态
优先处理研究任务：识别并专注于高优先级的研究活动
排序分析活动：计划和可视化研究和分析步骤的逻辑顺序

配置

与 Claude Desktop 一起使用

将其添加到您的 claude_desktop_config.json 中：

从 GitHub 安装并使用 npx 运行

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/qualitativeresearch"
      ]
    }
  }
}

全局安装并直接运行

首先，全局安装该软件包：

npm install -g github:tejpalvirk/qualitativeresearch

然后配置 Claude Desktop：

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "contextmanager-qualitativeresearch"
    }
  }
}

docker

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "mcp/qualitativeresearch"
      ]
    }
  }
}

构建

从源代码

# Clone the repository
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# Install dependencies
npm install

# Build the server
npm run build

# Run the server
cd qualitativeresearch
node qualitativeresearch_index.js

Docker:

docker build -t mcp/qualitativeresearch -f qualitativeresearch/Dockerfile .

许可证

此 MCP 服务器已获得 MIT 许可证的许可。这意味着您可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。有关更多详细信息，请参阅项目存储库中的 LICENSE 文件。

环境变量

定性研究 MCP 服务器支持以下环境变量来自定义数据的存储位置：

MEMORY_FILE_PATH：知识图谱数据的存储路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值：./qualitativeresearch/memory.json
SESSIONS_FILE_PATH：会话数据的存储路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值：./qualitativeresearch/sessions.json

用法示例：

# Store data in the current directory
MEMORY_FILE_PATH="./qualitative-memory.json" SESSIONS_FILE_PATH="./qualitative-sessions.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# Store data in a specific location (absolute path)
MEMORY_FILE_PATH="/path/to/data/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# Store data in user's home directory
MEMORY_FILE_PATH="$HOME/contextmanager/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch