Analytical MCP Server

分析型MCP服务器

为Claude提供统计分析、决策支持、逻辑推理和研究验证工具的模型上下文协议服务器。

设置

先决条件

• Node.js 版本 >= 20.0.0
• EXA_API_KEY 环境变量（用于研究功能）

安装

选项1：直接安装

npm install
npm run build

选项2：Docker

# Build the Docker image
docker build -t analytical-mcp .

# Run with environment variables
docker run -d \
  --name analytical-mcp \
  -e EXA_API_KEY=your_api_key_here \
  -v $(pwd)/cache:/app/cache \
  analytical-mcp

# Or use docker-compose
cp .env.example .env
# Edit .env with your API key
docker-compose up -d

配置

直接安装配置

1. 复制 .env.example to .env
2. 将您的EXA_API_KEY添加到 .env
3. 添加到Claude桌面配置中：

{
  "mcpServers": {
    "analytical": {
      "command": "node",
      "args": ["/path/to/analytical-mcp/build/index.js"],
      "env": {
        "EXA_API_KEY": "your-exa-api-key-here"
      }
    }
  }
}

Docker 配置

1. 复制 .env.example to .env
2. 添加您的EXA_API_KEY到 .env
3. 添加到Claude桌面配置中：

{
  "mcpServers": {
    "analytical": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "--env-file", ".env",
        "-v", "$(pwd)/cache:/app/cache",
        "analytical-mcp"
      ]
    }
  }
}

可用工具

统计分析

• analytical:analyze_dataset - 数据集的统计分析
• analytical:advanced_regression_analysis - 线性回归、多项式回归和逻辑回归
• analytical:hypothesis_testing - 统计假设检验（t检验、卡方检验、方差分析）
• analytical:data_visualization_generator - 生成数据可视化规范

决策分析

• analytical:decision_analysis - 基于加权评分的多标准决策分析

逻辑推理

• analytical:logical_argument_analyzer - 分析论点结构及有效性
• analytical:logical_fallacy_detector - 检测文本中的逻辑谬误
• analytical:perspective_shifter - 为问题提出多种不同的看法

研究验证

• analytical:verify_research - 从多个来源交叉验证研究声明

可观测性与指标

分析型MCP服务器内置了可观测性功能，用于监控断路器和缓存性能。

指标终端节点

启用后，服务器将通过HTTP在9090端口（可配置）暴露指标：

• http://localhost:9090/metrics - Prometheus风格的指标
• http://localhost:9090/metrics?format=json - JSON格式的指标
• http://localhost:9090/health - 健康检查端点
• http://localhost:9090/ - Metrics服务器状态页面

可用指标

断路器指标

• analytical_mcp_circuit_breaker_state - 当前状态（0=关闭，1=半开，2=开放）
• analytical_mcp_circuit_breaker_total_calls_total - 通过断路器的总呼叫次数
• analytical_mcp_circuit_breaker_rejected_calls_total - 由断路器拒绝的呼叫
• analytical_mcp_circuit_breaker_failure_count - 当前故障次数
• analytical_mcp_circuit_breaker_success_count - 当前成功次数

缓存指标

• analytical_mcp_cache_hits_total - 按命名空间划分的缓存命中
• analytical_mcp_cache_misses_total - 按命名空间划分的缓存未命中
• analytical_mcp_cache_puts_total - 按命名空间缓存存储
• analytical_mcp_cache_evictions_total - 按命名空间进行缓存驱逐
• analytical_mcp_cache_size - 按命名空间划分的当前缓存大小

系统指标

• analytical_mcp_uptime_seconds - 服务器运行时间（以秒为单位）
• analytical_mcp_memory_usage_bytes - 内存使用情况（驻留集大小（RSS）、堆内存、外部内存）
• analytical_mcp_cpu_usage_microseconds - CPU时间使用情况（用户态，系统态）

配置

通过设置环境变量来启用指标：

METRICS_ENABLED=true        # Enable metrics server (default: true)
METRICS_PORT=9090          # Metrics server port (default: 9090)
METRICS_HOST=127.0.0.1     # Metrics server host (default: 127.0.0.1, use 0.0.0.0 to bind to all interfaces)

使用示例

# Get Prometheus metrics
curl http://localhost:9090/metrics

# Get JSON metrics
curl http://localhost:9090/metrics?format=json

# Health check
curl http://localhost:9090/health

使用示例

数据集分析

{
  "data": [23, 45, 67, 12, 89, 34, 56, 78],
  "analysisType": "stats"
}

决策分析

{
  "options": ["Option A", "Option B", "Option C"],
  "criteria": ["Cost", "Quality", "Speed"],
  "weights": [0.4, 0.4, 0.2]
}

逻辑分析

{
  "argument": "All birds can fly. Penguins are birds. Therefore, penguins can fly.",
  "analysisDepth": "comprehensive"
}

发展

测试

# Run all tests
./tools/test-runner.sh

# Run specific test suite
./tools/test-runner.sh integration

# Available test suites: api-keys, server, integration, research, data-pipeline

脚本

• npm run build - 将TypeScript编译为JavaScript
• npm run watch - 监视变化并重新构建
• npm run test - 运行 Jest 测试
• npm run inspector - 启动MCP检查器进行调试

项目结构

analytical-mcp/
├── src/
│   ├── tools/           # MCP tool implementations
│   ├── utils/           # Utility functions
│   └── index.ts         # Main server entry point
├── docs/                # Documentation
├── tools/               # Development and testing scripts
└── examples/            # Usage examples

工具类别

统计分析

• 描述性统计：均值、中位数、标准差、四分位数
• 相关性分析
• 回归分析：线性、多项式、逻辑（或逻辑斯蒂）
• 假设检验：t检验、卡方检验、方差分析（ANOVA）

决策支持

• 多准则决策分析
• 加权评分
• 权衡分析
• 风险评估

逻辑推理

• 论元结构分析
• 谬误检测
• 视角生成
• 批判性分析

研究整合

• 多源验证
• 事实提取
• 一致性检查
• 置信度评分

安全与隐私

• 所有处理均在本地进行
• 研究功能使用Exa API（可选，需要API密钥）
• 无永久数据存储
• 可选的基于文件的缓存，仅本地存储
• 通过环境变量管理的API密钥

许可证

MIT 许可证。详见 LICENSE 文件。

做出贡献

1. 为仓库创建分支（或“克隆仓库”）
2. 创建特性分支： git checkout -b feature/your-feature
3. 进行更改并提交： git commit -m 'Add feature description'
4. 推送到分支： git push origin feature/your-feature
5. 打开拉取请求

看 docs/DEVELOPMENT.md（文件名，可翻译为“开发文档/开发指南.md”，但通常文件名保持原样不翻译，仅作说明） 关于详细开发指南、代码标准和测试要求。

故障排除

常见问题

JSON解析错误所有日志记录都必须发送到标准错误流（stderr），而不是标准输出流（stdout）。MCP协议使用标准输出流进行通信。请使用Logger类，而不是console.log。

工具未显示在Claude桌面设置中验证服务器配置，并重启Claude桌面应用程序。

研究功能已禁用在你的环境或.env文件中设置EXA_API_KEY。

服务器无法启动检查 Node.js 版本是否为 20 或更高版本，并确保所有依赖项都已安装 npm install。

见 docs/TROUBLESHOOTING.md 翻译为中文是：文档/故障排除指南.md 以获取详细的故障排除指南。

调试模式

使用MCP检查器启动服务器：

npm run inspector

链接

• 模型上下文协议文档
• Exa API 文档
• Claude 桌面版