Chatgpt MCP Data Quality Assistant

chatgpt-mcp数据质量助手

这个项目是 本地模型上下文协议（MCP）服务器 这使得ChatGPT 跑 数据质量检查和探索性数据分析 在我的本地 数据集通过自然语言。

我通过HTTP公开服务器（使用 ngrok)并将其注册为自定义MCP ChatGPT中的连接。连接后，我可以向ChatGPT询问以下问题：

• “使用本地数据质量和EDA连接器并列出可用的数据集。”
• “简介 titanic.csv 数据集，并总结主要发现。”
• “运行数据质量检查 titanic 并给我问题和质量评分。”
• “打开分析报告 titanic 并对其进行总结”

然后，ChatGPT调用我的本地MCP工具，这些工具是在Python之上实现的 pandas 并将结果返回到聊天中。

______________________________________________________________________

特性

• MCP服务器 用Python实现，与ChatGPT的MCP连接兼容。
• 数据集发现：列出本地可用的数据集 data/ 文件夹。
• 自动EDA:

- 为生成分析报告 titanic.csv 通过汇总统计， 缺失值和相关性。 - 将报告保存到 reports/ 作为Markdown。

• 数据质量检查:

- 对缺失值、数值范围和简单一致性规则的基本检查。 - 返回一个 数据质量评分 以及一系列问题。

• 本地优先：所有数据都保存在我的机器上；ChatGPT只看到结果

MCP服务器返回。

______________________________________________________________________

技术栈

• python
• 熊猫 用于数据操作
• 分析/EDA 自动化数据集报告库
• FastAPI/Starlette + 服务器发送事件（SSE） 实施MCP传输
• 吸烟 将本地MCP服务器暴露给ChatGPT
• 模型上下文协议（MCP） 用于工具定义和模式

______________________________________________________________________

运作原理

1. 核心逻辑 (core.py)

- 从加载数据集 data/ 目录。 - 对于 titanic.csv，它生成一个分析报告，其中包含： - 行/列计数（例如，此Titanic文件为887行，8列）。 - 数字列的汇总统计信息(Age, Fare等等）。 - 变量之间的相关性，例如 Survived, Pclass, Fare等等。：content引用\[oacite:1\]{索引=1} - 实现以下功能： - list_datasets() - profile_dataset(name) - run_quality_checks(name) （退货问题+质量评分） - get_report(name) （加载Markdown报告供ChatGPT进行总结）

1. MCP服务器 (server.py)

- 将核心功能包装为 MCP工具. - 使用FastAPI+SSE通过HTTP公开它们(text/event-stream)，所以 ChatGPT可以作为MCP客户端连接。 - 在引擎盖下使用JSON-RPC 2.0以符合MCP的期望。

1. 将其暴露于ChatGPT

- 在本地启动MCP服务器：

     python server.py

- 通过以下方式暴露它 ngrok:

     ngrok http 8000

- 使用 https://.ngrok.app/mcp ChatGPT MCP中的URL 配置，带 Accept: text/event-stream. - 在ChatGPT中创建一个新的MCP连接，并将其指向此URL。

1. 使用ChatGPT

- 启用连接器后的示例提示： - “使用本地数据质量和EDA连接器并列出可用的数据集。” - “分析titanic.csv数据集并总结主要发现。” - “对titanic进行数据质量检查，并给我问题和质量评分。” - “打开titanic的分析报告并对其进行总结。”

______________________________________________________________________

示例：Titanic数据集

作为演示，我使用 泰坦尼克号乘客数据集 储存于 data/titanic.csv.

分析报告包括：

• 887行 和 8列 与字段类似 Survived, Pclass, Age,

Fare以及家庭关系。

• 描述性统计（平均值、标准差、最小值、最大值、四分位数）。
• 相关矩阵，看看如何 Pclass, Age, Fare等等与生存有关。：content参考\[oacite:2\]{索引=2}

生成的Markdown报告位于 reports/titanic_profile.md 并且可以是 由ChatGPT通过MCP连接器打开和总结。

______________________________________________________________________

设置和运行

1. 创建虚拟环境并安装依赖项：

   python -m venv .venv
   source .venv/bin/activate      # On macOS/Linux
   pip install -r requirements.txt