MCP Tabular Data Analysis Server

MCP表格数据分析服务器

一种模型上下文协议（MCP）服务器，提供用于分析数字和表格数据的工具。适用于CSV文件和SQLite数据库。

演示

auto_insights

数据质量报告

分析时间序列

特性

核心工具

分析工具

安装

先决条件

• Python 3.10+
• 紫外线 （推荐）或pip

使用uv进行安装

cd mcp-tabular
uv sync

使用pip安装

cd mcp-tabular
pip install -e .

用法

直接运行服务器

# With uv
uv run mcp-tabular

# With pip installation
mcp-tabular

使用Claude Desktop进行配置

1. 找到您的Claude Desktop配置文件：

- macOS: ~/Library/Application Support/Claude/claude_desktop_config.json - 视窗: %APPDATA%\Claude\claude_desktop_config.json - Linux: ~/.config/Claude/claude_desktop_config.json

1. 添加此配置（替换 /Users/kirondeb/mcp-tabular 根据您的实际路径）：

{
  "mcpServers": {
    "tabular-data": {
      "command": "/Users/kirondeb/mcp-tabular/.venv/bin/python",
      "args": [
        "-m",
        "mcp_tabular.server"
      ]
    }
  }
}

1. 重新启动Claude Desktop（退出并重新打开）

1. 通过询问Claude进行测试：“在data/sample_sales.csv中描述数据集”

看 CONNECT_TO_CLAUDE_DESKTOP.md 有关详细说明和故障排除。

看 TEST_PROMPTS.md 例如提示。

样品数据

该项目包括用于测试的样本数据：

• data/sample_sales.csv -销售交易数据
• data/sample.db -包含客户、订单和产品表的SQLite数据库

要创建SQLite示例数据库，请执行以下操作：

python scripts/create_sample_db.py

路径解析

所有文件路径都是相对于项目根目录解析的：

• 相对路径，如 data/sample_sales.csv 从任何工作目录工作
• 绝对路径也按预期工作
• 路径相对于何处解析 mcp_tabular 已安装

工具示例

列出数据文件

列出可用数据文件：

list_data_files()

列出数据目录中包含元数据的所有CSV和SQLite文件。

描述数据集

为数据集生成统计信息：

describe_dataset(file_path="data/sample_sales.csv")

包括形状、列类型、数值统计（均值、标准差、中值、偏斜、峰度）、分类值计数和示例预览。

检测异常

在数值列中查找异常值：

detect_anomalies(
    file_path="data/sample_sales.csv",
    column="total_sales",
    method="zscore",
    threshold=3.0
)

支持 zscore 和 iqr 方法。

计算相关性

计算数值列之间的相关性：

compute_correlation(
    file_path="data/sample_sales.csv",
    method="pearson"
)

包括完整的相关性矩阵和按强度排名的顶级相关性。

过滤行

根据条件过滤数据：

filter_rows(
    file_path="data/sample_sales.csv",
    column="category",
    operator="eq",
    value="Electronics"
)

操作员： eq, ne, gt, gte, lt, lte, contains, startswith, endswith

分组和聚合

分组数据和计算聚合：

group_aggregate(
    file_path="data/sample_sales.csv",
    group_by=["category", "region"],
    aggregations={"total_sales": ["sum", "mean"], "quantity": ["count"]}
)

查询SQLite

在数据库上执行SQL查询：

query_sqlite(
    db_path="data/sample.db",
    query="SELECT * FROM customers WHERE lifetime_value > 1000"
)

列表表格

列出SQLite数据库中的表和模式：

list_tables(db_path="data/sample.db")

高级分析示例

创建数据透视表

创建Excel样式的数据透视表：

create_pivot_table(
    file_path="data/sample_sales.csv",
    index=["region"],
    columns=["category"],
    values="total_sales",
    aggfunc="sum"
)

数据质量报告

生成数据质量评估：

data_quality_report(file_path="data/sample_sales.csv")

包括完整性评分、重复检测、异常值分析和总体质量等级（A-F）。

时间序列分析

分析趋势和季节性：

analyze_time_series(
    file_path="data/sample_sales.csv",
    date_column="order_date",
    value_column="total_sales",
    freq="M",
    include_forecast=True
)

生成图表

创建可视化（返回base64图像）：

generate_chart(
    file_path="data/sample_sales.csv",
    chart_type="bar",
    x_column="category",
    y_column="total_sales",
    title="Sales by Category"
)

支持的图表类型： bar, line, scatter, histogram, pie, box

合并数据集

连接或合并两个数据集：

merge_datasets(
    file_path_left="data/orders.csv",
    file_path_right="data/customers.csv",
    on=["customer_id"],
    how="left"
)

统计测试

运行假设检验：

statistical_test(
    file_path="data/sample_sales.csv",
    test_type="ttest_ind",
    column1="total_sales",
    group_column="region",
    alpha=0.05
)

支持的测试： ttest_ind, ttest_paired, chi_squared, anova, mann_whitney, pearson, spearman

汽车洞察

发现模式和见解：

auto_insights(file_path="data/sample_sales.csv")

包括对相关性、异常值、偏斜分布、缺失数据等的见解。

导出数据

将过滤后的数据导出到新的CSV：

export_data(
    file_path="data/sample_sales.csv",
    output_name="electronics_sales",
    filter_column="category",
    filter_operator="eq",
    filter_value="Electronics",
    sort_by="total_sales",
    sort_ascending=False
)

发展

运行测试

uv run pytest

项目结构

mcp-tabular/
├── src/
│   └── mcp_tabular/
│       ├── __init__.py
│       └── server.py      # Main MCP server implementation
├── data/
│   ├── sample_sales.csv   # Sample CSV data
│   └── sample.db          # Sample SQLite database
├── scripts/
│   └── create_sample_db.py
├── pyproject.toml
├── claude_desktop_config.json
└── README.md

许可证

麻省理工学院