Token导航 LogoToken导航TokenDH.com
Insight Flow logo
搜索检索stdio官方级别未说明来源级核验

Insight Flow

MCP Server

InsightFlow - a real-time analytics dashboard server with an MCP (Message Control Protocol) architecture that integrates with AI services like Claude or Cursor. This solution enables real-time data analytics with natural language query capabilities.

工具数

0

提示词数

0

GitHub Stars

4

资源数

0
实时分析PythonClaude数据集成ClaudeCursor

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

ilissrk

提供方

ilissrk

最后核验

2026/5/18 04:04

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

python -m venv venv

详细介绍

InsightFlow

InsightFlow是一个高级分析平台,它使用模型上下文协议(MCP)将实时数据处理与人工智能驱动的见解相结合。它与Claude AI无缝集成,提供智能数据分析和决策支持。

🚀 特性

  • MCP集成:完全支持模型上下文协议,实现高级AI功能
  • 实时分析:实时处理和分析数据流
  • AI驱动的洞察:利用Claude AI进行智能数据解释
  • 灵活的数据处理:支持多种数据源和格式
  • RESTful和WebSocket API:全面的API支持,满足各种集成需求

🛠️ 技术栈

  • 后端:Python 3.9+,FastAPI
  • 人工智能集成:API
  • 数据处理:熊猫,NumPy
  • 数据库:SQLAlchemy(支持多个数据库)
  • API:REST+WebSocket
  • 协议:模型上下文协议(MCP)

📋 先决条件

  • Python 3.9或更高版本
  • 无烟煤API键
  • Redis(用于缓存和消息队列)

🔧 安装

  1. 克隆存储库:
git clone https://github.com/yourusername/insightflow.git
cd insightflow
  1. 创建并激活虚拟环境:
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate
  1. 安装依赖项:
pip install -r requirements.txt
  1. 配置环境:
cp config/config.example.yaml config/config.yaml
# Edit config.yaml with your settings
  1. 设置环境变量:
cp .env.example .env
# Edit .env with your credentials

🚀 快速开始

本地运行

  1. 启动服务器:
python app/main.py
  1. 访问API文档:
http://localhost:8000/docs

📚 API文档

REST API端点

  • GET /tools -列出可用的MCP工具
  • POST /tool/{tool_name} -执行特定工具
  • WS /ws -用于实时通信的WebSocket端点

MCP工具

  1. 数据分析

- 使用可配置的指标分析数据集 - 生成统计见解 - 支持时间序列分析

  1. 查询数据

- 灵活的数据查询功能 - 过滤和聚合数据 - 以多种格式导出结果

  1. 产生洞察力

- 人工智能驱动的数据解释 - 趋势识别 - 异常检测

🔧 配置

该系统可以通过以下方式配置 config.yaml 或环境变量:

server:
  host: "0.0.0.0"
  port: 8000
  debug: false

mcp:
  enabled: true
  websocket_path: "/ws"
  max_connections: 100

ai:
  model_name: "claude-2"
  temperature: 0.7
  max_tokens: 2000

🔍 发展

项目结构

insightflow/
├── app/
│   ├── main.py           # Application entry point
│   ├── config.py         # Configuration management
│   ├── core/             # Core MCP and server logic
│   ├── data/             # Data processing modules
│   ├── analytics/        # Analytics engine
│   ├── ai/               # AI integration
│   ├── api/              # API endpoints
│   └── models/           # Data models
└── requirements.txt      # Python dependencies

运行测试

pytest tests/

贡献

  1. 分叉存储库
  2. 创建功能分支(git checkout -b feature/AmazingFeature)
  3. 提交您的更改(git commit -m 'Add some AmazingFeature')
  4. 推到分支(git push origin feature/AmazingFeature)
  5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-有关详细信息,请参阅许可证文件。

🤝 支持

如需支持和问题,请在GitHub存储库中打开问题或联系维护人员。

🙏 致谢

  • Claude AI集成的拟人化
  • 模型上下文协议社区
  • InsightFlow的所有贡献者和用户

______________________________________________________________________

由以下材料制成❤️ 伊利亚斯·拉菲克;

目录标签

目录标签

实时分析PythonClaude数据集成research-and-datainsightflowanalyticsai-integration本地部署AI驱动决策支持MCP协议

支持客户端

ClaudeCursor

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP