项目简介

该项目是一个基于MCP协议实现的后端服务，旨在为大型语言模型（LLM）客户端提供一个智能的数据探索（Exploratory Data Analysis, EDA）代理。通过该服务，LLM客户端可以与服务器进行交互，上传CSV文件，并利用服务器提供的工具对数据进行查询、修改和可视化操作。服务器的核心功能封装了Python REPL环境，允许LLM安全地执行数据分析代码。

主要功能点

数据上传与管理: 允许MCP客户端以Base64编码的形式上传CSV文件，并在服务器端内存中管理数据集 'df'。
数据查询与分析: 提供工具执行Python代码，对上传的数据集进行各种统计分析和信息查询，如计算标准差、查找特定值等。
数据修改与清理: 提供工具执行Python代码，对数据集进行修改操作，包括添加/删除列、数据清洗、数据转换等。
数据可视化: 提供工具执行Python代码生成图表（如分布图），并将生成的图表以Base64编码的PNG图像形式返回给客户端。
资源访问: 客户端可以访问已上传的CSV文件（Base64编码）和生成的图表列表。

安装步骤

克隆仓库:

git clone https://github.com/Kareem404/eda-agent.git
cd eda-agent

配置API密钥: 在项目根目录下创建一个名为 '.env' 的文件，并填入您的OpenAI API密钥：
```
OPENAI_API_KEY=sk-proj-...
```

安装依赖:

pip install -r requirements.txt

服务器配置（供MCP客户端使用）

MCP客户端需要以下JSON格式的配置信息才能启动并连接到该MCP服务器：

{
  "EDA Agent": {
    "command": ["python"],
    "args": ["server.py"],
    "transport": "streamable_http",
    "url": "http://localhost:8001/mcp"
  }
}

'"EDA Agent"': 服务器的名称，用于客户端识别。
'"command": ["python"]': 启动服务器进程的命令。
'"args": ["server.py"]': 传递给启动命令的参数，这里是服务器Python脚本的名称。
'"transport": "streamable_http"': 客户端连接服务器时使用的传输协议。
'"url": "http://localhost:8001/mcp"': 服务器的访问地址和端口。

基本使用方法

启动MCP服务器: 在项目根目录运行以下命令来启动MCP服务器：
```
python server.py
```
服务器将在 'http://127.0.0.1:8001' 监听请求。
启动MCP客户端（示例）: 在另一个终端，修改 'client.py' 文件，将 'df = pd.read_csv('Titanic-Dataset.csv')' 中的CSV文件路径替换为您自己的路径。然后运行客户端：
```
python client.py
```
客户端将连接到MCP服务器，并可以开始与智能代理进行交互。您可以通过命令行输入问题或指令，代理会利用服务器提供的工具进行数据分析并返回结果。

关键词

项目简介

主要功能点

安装步骤

服务器配置（供MCP客户端使用）

基本使用方法

信息