🚢 TitanicAIAnalysis: 使用 Claude 和 MCP 进行数据分析

<div align="center">

</div>

本项目演示了如何使用 模型上下文协议 (MCP) 创建服务器，以公开结构化数据，供 Claude 等语言模型进行分析。 通过使用著名的泰坦尼克号数据集，这个实践示例将教你如何将数据集转换为 LLM 可访问的资源和工具。

📋 内容

• 🚢 TitanicAIAnalysis: 使用 Claude 和 MCP 进行数据分析
  • 📋 内容
  • 🔍 描述
  • 📦 要求
  • 🛠️ 安装
  • 📂 项目结构
  • ▶️ 如何运行
    • 选项 1：直接运行
    • 选项 2：安装到 Claude Desktop
  • 💬 与 Claude 一起使用
    • 可用资源：
    • 可用工具：
  • 📊 分析示例
  • ⚖️ 优点和局限性
    • 优点
    • 局限性
  • 🚀 可能的扩展

🔍 描述

TitanicAIAnalysis 是一个教育项目，展示了如何创建一个 MCP（模型上下文协议）服务器来公开著名的 Kaggle 泰坦尼克号数据集，从而允许 Claude 通过以下方式执行复杂的数据分析：

• Resources (MCP 资源): 公开结构化数据（泰坦尼克号 CSV）和预先计算的统计数据
• Tools (MCP 工具): 提供特定功能，例如乘客搜索

通过这种方法，你可以使用 LLM 的强大功能查询和分析结构化数据，而无需手动发送文件。

📦 要求

• Python 3.10 或更高版本
• Claude Desktop（用于与 Claude 集成）
• Titanic.csv 文件（包含在存储库中，最初来自 Kaggle）
• 一个可以运行 MCP 服务器的环境

🛠️ 安装

1. 克隆此存储库:

   git clone https://github.com/tu-usuario/TitanicAIAnalysis.git
   cd TitanicAIAnalysis
   

2. 配置虚拟环境（使用 uv）：

   uv init .
   uv venv
   source .venv/bin/activate  # 在 Windows 上: .venv\Scripts\activate
   

3. 安装依赖项:

   uv add "mcp[cli]" pandas
   

4. 确保 Titanic.csv 文件位于项目目录中

📂 项目结构

TitanicAIAnalysis/
│
├── main.py             # 带有资源和工具的 MCP 服务器
├── Titanic.csv         # 泰坦尼克号数据集
├── inicio.sh           # Unix/MacOS 的启动脚本
├── inicio.bat          # Windows 的启动脚本（可选）
└── README.md           # 此文件

▶️ 如何运行

选项 1：直接运行

你可以直接运行服务器：

 python main.py

选项 2：安装到 Claude Desktop

1. 准备/授予启动脚本执行权限 (MacOS/Linux):

   chmod +x inicio.sh  
   

2. 配置 Claude Desktop:

   • 打开 Claude Desktop
   • 转到设置 → 开发者 → 编辑配置
   • 修改 claude_desktop_config.json:

   {
     "mcpServers": {
       "TitanicServerMCP": {
         "command": "/ruta/absoluta/a/TitanicAIAnalysis/inicio.sh",
         "args": []
       }
     }
   }
   

   对于 Windows，使用 inicio.bat 的完整路径或直接命令:

   {
     "mcpServers": {
       "TitanicServerMCP": {
         "command": "python",
         "args": ["C:\\ruta\\completa\\a\\TitanicAIAnalysis\\inicio.bat"]
       }
     }
   }
   

3. 使用 MCP CLI 安装 (替代方案):

   cd TitanicAIAnalysis
   mcp install main.py
   

4. 重启 Claude Desktop

💬 与 Claude 一起使用

一旦服务器运行并连接到 Claude，你将在界面中看到工具图标 (🔨)。

可用资源：

• titanic://pasajeros - 完整的泰坦尼克号数据集
• titanic://estadisticas - 关于生存的预先计算的统计数据

可用工具：

• buscar_pasajero - 按姓名搜索有关特定乘客的信息

📊 分析示例

以下是一些你可以使用公开的数据向 Claude 提出的问题：

1. "告诉我泰坦尼克号的总体生存统计数据"
2. "头等舱乘客的生存率与三等舱乘客相比如何？"
3. "搜索有关姓氏为 'Astor' 的乘客的信息"
4. "分析社会阶层与生存率之间的相关性"
5. "在灾难中是否遵守了 '妇女和儿童优先' 的原则？"
6. "票价和生存之间是否存在某种模式？"
7. "生成一个简单的图表，显示按性别和等级划分的生存率"

⚖️ 优点和局限性

优点

• 数据更新: 每次请求时都从服务器加载数据
• 结构化数据: Claude 可以处理预处理的数据
• 动态分析: 回答关于数据的临时问题
• 与现有系统集成: 允许连接到数据库或内部 API

局限性

• 数据大小: 非常大的数据集可能会超过 Claude 的上下文限制
• 资源更新: 资源在请求时读取
• 可视化: 对于高级图表，最好使用特定工具或实现可视化工具

🚀 可能的扩展

该项目可以通过多种方式扩展：

1. 参数化资源: 实现诸如 titanic://pasajeros/{clase} 之类的资源
2. 分析工具: 创建用于复杂统计计算的特定工具
3. 可视化: 添加用于生成图表和可视化的工具
4. 与数据库集成: 连接到数据库而不是 CSV 文件
5. 预测分析: 添加预训练的 ML 模型作为工具

---

<div align="center"> <p> _{使用 ❤️ 使用 MCP 和 Claude 开发 | <a href="https://github.com/modelcontextprotocol">更多关于 MCP</a>} </p> </div>