Statsource MCP 服务器

一个提供统计分析能力的模型上下文协议服务器。该服务器使 LLM 能够分析来自各种来源的数据，计算统计数据并生成预测。

该统计工具连接到我们的分析 API，并允许 AI 模型基于用户数据执行统计分析并生成 ML 预测，无论数据是在 PostgreSQL 数据库中还是在 CSV 文件中。

可用工具

get_statistics

分析数据并计算统计数据或根据提供的参数生成 ML 预测。

参数：

• columns (字符串列表，必需): 要分析或预测的列名列表（向用户询问确切的列名）。
• data_source (字符串，可选): 数据文件路径（上传到 statsource.me）、数据库连接字符串（向用户询问确切的字符串）或 API 端点。 如果未提供，则使用 env 配置中的 DB_CONNECTION_STRING（如果已设置）。
• source_type (字符串，可选): 数据源类型（“csv”、“database”或“api”）。 如果未提供，则使用 env 配置中的 DB_SOURCE_TYPE（如果已设置）。
• table_name (字符串，可选，但如果 source_type 为“database”，则必需): 要使用的数据库表名（向用户询问确切的表名）。
• statistics (字符串列表，可选): 要计算的统计数据列表（query_type="statistics" 时必需）。 有效选项包括：“mean”、“median”、“std”、“sum”、“count”、“min”、“max”、“describe”、“correlation”、“missing”、“unique”、“boxplot”。
• query_type (字符串，可选，默认为“statistics”): 查询类型（“statistics”或“ml_prediction”）。
• periods (整数，可选): 要预测的未来周期数（query_type="ml_prediction" 时必需）。
• filters (字典，可选): 用于过滤数据的列-值对字典（例如，{"status": "completed", "region": ["North", "East"]}）。
• groupby (字符串列表，可选): 在计算统计数据之前用于对数据进行分组的列名列表（例如，["region", "product_category"]）。
• options (字典，可选): 特定操作的附加选项字典。
• date_column (字符串，可选): 包含日期/时间戳信息的列名，用于过滤和时间序列分析。
• start_date (字符串或日期时间，可选): 过滤的包含性开始日期（ISO 8601 格式，例如，“2023-01-01”）。
• end_date (字符串或日期时间，可选): 过滤的包含性结束日期（ISO 8601 格式，例如，“2023-12-31”）。

主要使用注意事项：

• 数据源： 对于 CSV，用户必须先将文件上传到 statsource.me 并提供文件名。 对于数据库，请向用户询问_确切的_连接字符串和表名。 永远不要猜测或发明连接详细信息。
• 配置： 如果未提供 data_source 和 source_type，该工具将尝试使用来自环境配置的 DB_CONNECTION_STRING 和 DB_SOURCE_TYPE（见下文）。
• 过滤/分组： 使用 filters、groupby、date_column、start_date 和 end_date 来分析数据的特定子集。

suggest_feature

为 StatSource 分析平台建议新功能或改进。

参数：

• description (字符串，必需): 对建议功能的清晰、详细的描述
• use_case (字符串，必需): 解释用户将如何以及为何使用此功能
• priority (字符串，可选): 建议的优先级（“low”、“medium”、“high”）

安装

使用 uv (推荐)

使用 uv 时，无需进行特定安装。 我们将使用 uvx 直接运行 mcp-server-stats。

Docker 支持

Docker Hub 上提供了一个预构建的 Docker 镜像，可简化服务器的运行。 您可以直接使用此镜像，而无需自己构建。

拉取镜像（可选，因为如果镜像在本地不存在，docker run 会自动执行此操作）：

docker pull jamie78933/statsource-mcp

要使用 Docker 镜像运行服务器：

docker run -i --rm jamie78933/statsource-mcp

注意：对于在 Claude.app 等应用程序中的实际使用，请参阅下面的“配置”部分，了解如何传递必要的环境变量，例如 API 密钥和数据库连接字符串。

使用 PIP

或者，您可以通过 pip 安装 mcp-server-stats：

pip install mcp-server-stats

安装后，您可以将其作为脚本运行：

python -m mcp_server_stats

或者使用控制台脚本：

mcp-server-stats

配置

为 Claude.app 配置

添加到您的 Claude 设置：

使用 uvx

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

使用 docker

{
  "mcpServers": {
    "statsource": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "API_KEY=YOUR_STATSOURCE_API_KEY",
        "-e",
        "DB_CONNECTION_STRING=postgresql://your_db_user:your_db_password@your_db_host:5432/your_db_name",
        "-e",
        "DB_SOURCE_TYPE=database",
        "jamie78933/statsource-mcp"
      ],
      "protocolVersion": "2024-11-05"
    }
  }
}

使用 pip 安装

"mcpServers": {
  "statsource": {
    "command": "python",
    "args": ["-m", "mcp_server_stats"]
  }
}

环境变量

您可以使用 Claude.app 配置中的环境变量来配置服务器：

"mcpServers": {
  "statsource": {
    "command": "python",
    "args": ["-m", "mcp_server_stats"],
    "env": {
      "API_KEY": "your_api_key",
      "DB_CONNECTION_STRING": "postgresql://username:password@localhost:5432/your_db",
      "DB_SOURCE_TYPE": "database"
    }
  }
}

可用的环境变量：

• API_KEY: 用于 statsource.me 身份验证的 API 密钥
• DB_CONNECTION_STRING: 默认数据库连接字符串
• DB_SOURCE_TYPE: 默认数据源类型（通常为“database”）

调试

您可以使用 MCP 检查器来调试服务器。 对于 uvx 安装：

npx @modelcontextprotocol/inspector uvx mcp-server-stats

或者，如果您已将软件包安装在特定目录中或正在开发它：

cd path/to/servers/
npx @modelcontextprotocol/inspector python -m mcp_server_stats

贡献

我们鼓励您贡献力量，以帮助扩展和改进 mcp-server-stats。 无论您是想添加新工具、增强现有功能还是改进文档，您的意见都很有价值。

欢迎提交 Pull Request！ 随时贡献新想法、错误修复或增强功能，以使 mcp-server-stats 更加强大和有用。

许可证

mcp-server-stats 在 MIT 许可证下获得许可。 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。