贝叶斯推理MCP服务器
1.目标
此MCP服务器的目标是桥接 贝叶斯推理 与人工智能助手（如克劳德）一起打包。通过运行此服务器，您可以让AI直接访问：- 贝叶斯建模工具：使用以下工具初始化模型、拟合数据、采样后部并检查诊断 BayesInference. - 文档库：超过30个完整的Quarto文档示例，人工智能可以阅读和学习这些示例来解决复杂的建模问题。 - 数据集：内置数据集（Howell1、Milk等）易于分析。
2.安装
要安装服务器及其依赖项，请执行以下操作：
- 安装BayesInference软件包:
pip install BayesInference*注意：服务器需要from BI import bi工作，这是这个包提供的。*
- 从源安装MCP服务器:
# Install in editable mode (development)
pip install -e .
# Or install directly
pip install .*注意：安装从存储库根目录运行。*
3.PyPI安装
您可以直接从PyPI安装：
pip install bayesinference-mcp-server或者从PyTAP注册表安装：
pip install "bayesinference-mcp-server[dev]"3.如何打开
您可以通过两种方式运行服务器：
选项A：与Claude Desktop集成（推荐）
配置Claude Desktop以自动启动服务器。将其添加到您的配置文件中（例如。， ~/.config/Claude/claude_desktop_config.json 在Linux上）：
{
"mcpServers": {
"bayesinference": {
"command": "python",
"args": ["-m", "mcp_server"],
"cwd": "/absolute/path/to/BI/mcp_server"
}
}
}*确保更换 /absolute/path/to/BI/mcp_server 你的实际路径。* 重新启动Claude Desktop，服务器将自动启动。
选项B：手动测试
要手动运行服务器进行测试或调试，请执行以下操作：
python -m mcp_server服务器将启动并监听stdio（标准输入/输出）。
4.如何关闭
- 如果通过Claude Desktop运行：只需关闭Claude Desktop应用程序。服务器进程将自动终止。
- 如果手动运行：按
Ctrl+C在服务器正在运行的终端中停止它。
______________________________________________________________________
功能和资源
- 资源：访问10个内置数据集和 34+模型示例 来自Quarto文档。
- 工具：模型初始化、拟合、采样和诊断。
- 平台支持：通过JAX加速CPU、GPU和TPU。
可用资源
数据集
dataset://howell1-人口统计数据来自！公三人dataset://milk-灵长类动物乳汁成分数据dataset://iris-经典虹膜数据集dataset://chimpanzees-黑猩猩行为数据dataset://reedfrogs-芦苇蛙生存实验dataset://tulips-郁金香生长实验dataset://ucbadmit-加州大学伯克利分校录取（辛普森悖论）dataset://trolley-小车问题道德判断数据dataset://elephants-大象母系数据dataset://waffle_divorce-华夫饼屋和离婚率
文档（34个资源）
服务器提供对按类别组织的完整Quarto文档的访问：
入门指南 - docs://getting_started -快速入门指南- docs://introduction -包装介绍
基本回归 - docs://linear_regression -简单线性模型- docs://multiple_regression -多个预测因子- docs://interactions -交互术语- docs://categorical_predictors -分类变量
广义线性模型 - docs://binomial_model, docs://beta_binomial, docs://poisson_model - docs://gamma_poisson, docs://poisson_offset, docs://categorical_outcomes - docs://dirichlet_model, docs://multinomial_model, docs://zero_inflated
先进模型 - docs://survival_analysis, docs://varying_intercepts, docs://varying_slopes - docs://gaussian_processes, docs://measurement_error, docs://missing_data
机器学习 - docs://pca, docs://gmm, docs://dpmm, docs://bnn
网络模型 - docs://network_model, docs://network_block_model, docs://network_biases - docs://network_metrics, docs://nbda
API 参考 - docs://api_distributions, docs://api_diagnostics, docs://api_manipulation
可用工具
- 初始化模型：初始化新的BayesInference模型实例(
platform="cpu"|"gpu"|"tpu"). - load_dataset：加载内置数据集（例如“howell1”）。
- fit_model：使用MCMC抽样拟合贝叶斯模型。
- get_summary：获取后验汇总统计数据。
- 样本后置器：生成后验预测样本。
- get_诊断学：获取MCMC诊断（R-hat、ESS）。
- 创建简单线性模型：用于简单回归的便利工具。
发展
运行测试
pytest tests/test_server.py -v许可证
GPL-3.0或更高版本（与贝叶斯推理包相同）