关键词

LLM图表本地可视化数据私有AI辅助图表Claude集成

项目简介

GPT-Vis 本地图表生成 MCP 服务器是一个专为大型语言模型 (LLM) 应用设计的后端服务。它将 AntV G2VP 的强大图表生成能力封装为 Model Context Protocol (MCP) 工具。与传统依赖远程服务器的方案不同，该服务支持在用户本地环境生成高质量图表，并将图表图片直接返回给 LLM 客户端，从而实现数据私有化和增强安全性。

主要功能点

  • 本地私密图表生成: 所有图表都在您的本地设备上生成，敏感数据不会上传到任何外部服务器，确保数据隐私和安全。
  • 丰富图表类型支持: 提供20多种常用的图表类型，包括饼图、折线图、柱状图、雷达图、散点图、热力图等，满足多样化的数据可视化需求。
  • 易于部署集成: 针对如 Claude Desktop 等支持 MCP 协议的 LLM 客户端，提供简洁的配置选项，可以通过 'npx' 或 Docker 快速启动和集成。
  • 企业级应用支持: 专为需要高度安全和私密环境的企业用户设计，有效避免数据泄露风险。
  • 兼容现有生态: 该服务还可以作为私有 SSR（Server-Side Rendering）服务器，与上游 '@antv/mcp-server-chart' 集成，提供灵活的部署和使用方案。

安装步骤

该服务器推荐通过 'npx' 或 Docker 部署。在进行服务器配置前，请确保您的系统已具备相应的运行环境：

  • 使用 NPX (推荐): 您的系统需要安装 Node.js (推荐 LTS 版本) 和 npm。
  • 使用 Docker: 您的系统需要安装 Docker。

服务器配置

MCP 服务器是为 MCP 客户端（如 Claude Desktop）提供服务的。您需要在 MCP 客户端的设置中添加此服务器的配置。以下是两种推荐的配置方式，请根据您的环境选择，并可以直接复制到客户端的 MCP 服务器配置区域。每个配置块后附有详细说明：

选项 1: NPX (推荐)

{
  "mcpServers": {
    "gpt-vis-mcp": {
      "command": "npx",
      "args": ["-y", "@jsr2npm/yao__gpt-vis-mcp@latest"]
    }
  }
}

配置说明:

  • '"gpt-vis-mcp"': 这是您为此 MCP 服务器指定的唯一名称，在 LLM 客户端中将以此名称识别和调用该服务。
  • '"command": "npx"': 启动服务器的执行命令，此处为 'npx'，一个用于运行 npm 包而无需全局安装的工具。
  • '"args": ["-y", "@jsr2npm/yao__gpt-vis-mcp@latest"]': 传递给 'npx' 命令的参数。
    • '"-y"': 自动同意安装任何所需的依赖。
    • '"@jsr2npm/yao__gpt-vis-mcp@latest"': 指定要运行的 MCP 服务器包及其最新版本。

选项 2: Docker

{
  "mcpServers": {
    "gpt-vis-mcp": {
      "command": "docker",
      "args": [
        "run",
        "--interactive",
        "--rm",
        "-v",
        "/tmp/gpt-vis-charts:/tmp/gpt-vis-charts",
        "ghcr.io/yaonyan/gpt-vis-mcp:latest-mcp"
      ]
    }
  }
}

配置说明:

  • '"gpt-vis-mcp"': 此 MCP 服务器在客户端中的名称。
  • '"command": "docker"': 启动服务器的执行命令，此处为 'docker'。
  • '"args"': 传递给 'docker run' 命令的参数。
    • '"run"': 运行一个 Docker 容器。
    • '"--interactive"': 保持容器的标准输入流打开，这是 MCP 协议通过 Stdio (标准输入输出) 通信所必需的。
    • '"--rm"': 容器停止运行时自动删除，确保资源清理。
    • '"-v /tmp/gpt-vis-charts:/tmp/gpt-vis-charts"': Docker 卷挂载。将宿主机的 '/tmp/gpt-vis-charts' 目录挂载到容器内部的 '/tmp/gpt-vis-charts'，用于存储生成的图表图片。您可以根据需要修改宿主机路径。
    • '"ghcr.io/yaonyan/gpt-vis-mcp:latest-mcp"': 指定要运行的 Docker 镜像及其标签。

您还可以通过设置以下环境变量来配置图表图片存储路径和访问 URL：

  • 'RENDERED_IMAGE_PATH': 指定图表图片存储的本地目录。
  • 'RENDERED_IMAGE_HOST_PATH': 如果您希望生成的图片可以通过 HTTP 链接访问（例如，当您将服务器作为 SSR 服务运行并希望客户端能够直接通过 URL 获取图片时），可以指定一个图片的基础 URL。

通过 SSR 服务器与上游 MCP 服务器集成（高级用法）

如果您已经独立部署了 'gpt-vis-mcp' 的 HTTP SSR 服务器版本（例如在 'http://localhost:3000'），并希望通过 '@antv/mcp-server-chart' 这个上游 MCP 服务器来使用它，可以这样配置：

{
  "mcpServers": {
    "mcp-server-chart": {
      "command": "npx",
      "args": ["-y", "@antv/mcp-server-chart"],
      "env": {
        "VIS_REQUEST_SERVER": "http://localhost:3000/generate"
      }
    }
  }
}

配置说明: 此配置将 '@antv/mcp-server-chart' 启动为一个 MCP 服务器，但它会通过 'VIS_REQUEST_SERVER' 环境变量将图表生成请求转发给您本地运行的 'gpt-vis-mcp' SSR 服务器。这样，您仍然可以使用上游服务器的管理功能，但实际的图表渲染工作由您本地的 'gpt-vis-mcp' 服务完成。

基本使用方法

成功配置并启动 MCP 服务器后，您的 LLM 客户端（如 Claude Desktop）将能发现并调用 'gpt-vis-mcp' 提供的图表生成工具。您可以通过向 LLM 描述您想要可视化的数据和图表类型来生成图表。

例如，在 LLM 对话中您可以说：

“请根据以下数据生成一个饼图：'[{"category": "销售", "value": 45}, {"category": "市场", "value": 25}, {"category": "研发", "value": 30}]'，标题为“部门收入占比”。”

LLM 将理解您的意图，并调用 'gpt-vis-mcp' 服务器上的相应工具。服务器会在本地生成图表图片，并将图片的访问链接（或图片本身，取决于客户端实现）返回给 LLM，LLM 客户端即可将该链接或图片展示给您。

信息

分类

AI与计算

访问项目