关键词

数据分析数据可视化定制代码执行数据加载数据质量

项目简介

Quick-Data MCP 服务器是一个专门为支持大型语言模型（LLM）进行数据分析而设计的后端应用。它遵循 Model Context Protocol (MCP)，通过提供结构化的工具、资源和 Prompt 模板，让 LLM 客户端能够以标准化的方式与您的数据进行交互和分析。

该服务器的核心能力在于加载和管理 CSV 和 JSON 格式的数据集，并提供丰富的分析功能，包括数据质量检查、相关性分析、数据分段、可视化图表生成、以及执行定制化的 Python 代码进行高级分析。

主要功能点

  • 数据加载与管理: 支持加载 '.csv' 和 '.json' 文件到内存中，可进行采样；列出、获取信息或清除已加载的数据集。
  • 数据分析: 提供多种分析工具，如数据质量验证、数据集比较、按列分段、查找相关性、分析列分布、检测异常值、时间序列分析等。
  • 数据可视化: 能够基于加载的数据集创建多种图表（柱状图、直方图、散点图、折线图、箱线图等），并支持生成包含多个图表的仪表盘。
  • 高级功能: 允许 LLM 执行针对特定数据集的定制 Python 分析代码，计算特征重要性，提供内存优化报告，以及导出分析结果。
  • Prompt 模板: 提供引导性的 Prompt，如数据集初探、数据质量评估、相关性调查、模式发现、洞察生成和仪表盘设计等，帮助 LLM 规划分析流程。
  • 数据资源: 提供数据集的实时元数据和状态信息，如已加载数据集列表、数据集 Schema、统计摘要、样本数据、当前活跃数据集、可用分析类型、内存使用情况等。

安装步骤

  1. 克隆仓库: 如果您尚未克隆仓库，请先克隆。

    git clone https://github.com/disler/quick-data-mcp.git
cd quick-data-mcp/

  2. 安装依赖: 该项目使用 'uv' 进行依赖管理和运行。如果您没有安装 'uv'，请先安装：'pip install uv'。 然后在项目根目录下安装项目依赖：

    uv sync

  3. 配置 MCP 客户端: MCP 服务器通常由 MCP 客户端启动和管理。客户端需要知道如何运行您的服务器脚本。

    • 复制示例配置文件： 
      cp .mcp.json.sample .mcp.json
    • 编辑 '.mcp.json' 文件。找到 '"command"' 和 '"args"' 部分，并根据您的环境更新路径。'command' 通常是启动 Python 解释器的命令（如 'python' 或您环境中实际的 Python 解释器路径），'args' 则是传递给该命令的参数列表，在这里是 '["main.py"]'，用于运行服务器的入口脚本。
    {
  "name": "Modular MCP Server",
  "command": "python", // 或您的 Python 解释器路径，例如 "/usr/local/bin/python"
  "args": ["main.py"], // 启动服务器主脚本
  "transport": "stdio", // 默认通过标准输入/输出通信
  "metadata": {
    "description": "A data analysis server providing tools, resources, and prompts via MCP."
  }
  // 其他可能的客户端配置...
}

    这个配置文件会被您的 MCP 客户端读取，客户端会根据其中的 'command' 和 'args' 来启动 Quick-Data MCP 服务器进程，并通过 'stdio' 协议进行通信。

服务器配置

MCP 服务器本身在启动时会读取 'src/mcp_server/config/settings.py' 中的配置，例如服务器名称 ('server_name') 和版本 ('version')。这些信息会在服务器的能力声明中体现。用户无需手动修改这些文件，通常通过 '.mcp.json' 配置的是客户端如何找到并启动服务器。

基本使用方法

一旦 Quick-Data MCP 服务器通过您的 MCP 客户端成功启动并连接，您就可以通过与 LLM 交互来使用服务器提供的功能。LLM 客户端会向服务器发送 MCP 请求（JSON-RPC 格式），服务器处理请求并返回响应。

例如，在支持 MCP 的 LLM 客户端中，您可以尝试以下操作：

  1. 发现数据源: 询问 LLM “请帮我查找当前目录下的数据文件”，LLM 客户端可能会调用服务器的 'find_datasources' Prompt。
  2. 加载数据: 根据 'find_datasources' 的结果，您可以指示 LLM “请加载文件 'sample_data.csv' 并命名为 'my_data'”，LLM 客户端会调用 'load_dataset' Tool。
  3. 初探数据: 指示 LLM “请对数据集 'my_data' 进行初步分析”，LLM 客户端可能会调用 'dataset_first_look' Prompt。
  4. 执行分析: 指示 LLM “请对数据集 'my_data' 执行数据质量检查”，LLM 客户端会调用 'validate_data_quality' Tool。
  5. 可视化数据: 指示 LLM “为数据集 'my_data' 创建一个关于 'value' 列的柱状图”，LLM 客户端会调用 'create_chart' Tool。
  6. 定制分析: 要求 LLM “使用 Python 代码计算数据集 'my_data' 中 'value' 列的平均值”，LLM 客户端可能会调用 'execute_custom_analytics_code' Tool。

客户端和服务器之间的通信是自动的，您只需通过自然语言或客户端界面与 LLM 交流您的数据分析需求即可。

信息

分类

AI与计算

访问项目