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

pip install -e .

详细介绍

RStudio MCP服务器

模型上下文协议（MCP）服务器，为AI助手提供深度RStudio集成功能，包括环境管理、代码执行、项目管理等。

特性

环境管理：创建、切换和管理R环境
代码执行：在指定环境中执行R代码并捕获结果
项目管理：创建和管理RStudio项目
包管理：安装、更新和管理R软件包
版本控制：RStudio项目的Git集成
可视化：捕获和管理R图和可视化
MCP合规性：完全符合MCP 2025-06-18规范

安装

先决条件

Python 3.8或更高版本
R 4.0或更高
RStudio（可选，但推荐）

从源代码安装

git clone https://github.com/rstudio/rstudio-mcp.git
cd rstudio-mcp
pip install -e .

再进行

pip install -r requirements.txt

快速开始

1.初始化配置

rstudio-mcp --init-config

这将在以下位置创建默认配置文件 ~/.rstudio-mcp/config.yaml.

2.编辑配置（可选）

编辑配置文件以自定义设置：

nano ~/.rstudio-mcp/config.yaml

3.运行服务器

# Run with default configuration
rstudio-mcp

# Run with custom configuration
rstudio-mcp --config /path/to/config.yaml

# Run in debug mode
rstudio-mcp --debug

配置

服务器使用YAML配置文件。以下是一个配置示例：

# Server settings
name: "rstudio-mcp"
version: "1.0.0"
debug: false

# Logging configuration
logging:
  level: "INFO"
  file: "~/.rstudio-mcp/logs/server.log"
  max_size: "10MB"
  backup_count: 5

# RStudio configuration
rstudio:
  installation_path: null  # Auto-detect
  default_r_version: "4.3.0"

# Environment management
environments:
  default_location: "~/.rstudio-mcp/environments"
  auto_cleanup: true
  max_environments: 10

# Security settings
security:
  allowed_packages:
    - "base"
    - "utils"
    - "stats"
    - "graphics"
  blocked_functions:
    - "system"
    - "shell"
  execution_timeout: 300

与AI编码助手集成

此MCP服务器旨在与RStudio终端环境中流行的AI编码助手无缝协作。该服务器支持模型上下文协议（MCP）规范，可以与各种AI客户端集成。

支持的AI客户端

基于 MCP客户端兼容性矩阵，以下AI编码助手支持MCP集成：

克劳德代码 -支持提示和工具
VS代码GitHub副本 -通过动态工具发现提供完整的MCP支持
继续 -支持工具、提示和资源
光标 -通过Composer支持工具
克莱恩 -支持工具和资源
JetBrains人工智能助手 -支持所有JetBrains IDE的工具

AI助手的配置

1.克劳德代码集成

Claude Code可以连接到此MCP服务器以增强R开发工作流程：

{
  "mcpServers": {
    "rstudio-mcp": {
      "command": "rstudio-mcp",
      "args": ["--config", "~/.rstudio-mcp/config.yaml"],
      "env": {
        "RSTUDIO_MCP_DEBUG": "false"
      }
    }
  }
}

2.VS代码GitHub副本

在VS代码设置或工作区设置中配置：

{
  "github.copilot.chat.mcp.servers": {
    "rstudio-mcp": {
      "command": "rstudio-mcp",
      "args": ["--stdio"],
      "env": {
        "RSTUDIO_MCP_CONFIG": "~/.rstudio-mcp/config.yaml"
      }
    }
  }
}

3.继续扩展

添加到“继续”配置(~/.continue/config.json):

{
  "mcpServers": [
    {
      "name": "rstudio-mcp",
      "command": "rstudio-mcp",
      "args": ["--stdio"],
      "env": {
        "RSTUDIO_MCP_CONFIG": "~/.rstudio-mcp/config.yaml"
      }
    }
  ]
}

4.RStudio终端集成

要直接在RStudio的终端中与AI助手一起使用：

在后台启动MCP服务器：

   # In RStudio Terminal
   rstudio-mcp --daemon --port 3000

配置您的AI助手以通过SSE连接：

   # Server endpoint for SSE connections
   http://localhost:3000/sse

RStudio环境中的可用工具：

- create_environment -创建R环境 - execute_r_code -运行R代码并捕获结果 - create_project -创建RStudio项目 - install_package -管理R包 - get_project_info -访问项目元数据

环境变量

设置这些环境变量以实现最佳集成：

# RStudio MCP Configuration
export RSTUDIO_MCP_CONFIG="~/.rstudio-mcp/config.yaml"
export RSTUDIO_MCP_LOG_LEVEL="INFO"
export RSTUDIO_MCP_PORT="3000"

# R Environment
export R_HOME="/usr/local/lib/R"
export R_LIBS_USER="~/.rstudio-mcp/libraries"

使用示例

在RStudio终端中使用Claude Code

# Start MCP server
rstudio-mcp --daemon

# Claude Code can now:
# - Create R environments: "Create a new R environment for data analysis"
# - Execute R code: "Run this statistical analysis and show results"
# - Manage projects: "Set up a new RStudio project for machine learning"

在VS代码中使用GitHub Copilot

# In VS Code terminal connected to RStudio server
# Copilot can access:
# - R workspace objects via rstudio-workspace:// resources
# - Project files via rstudio-project:// resources
# - Environment info via rstudio-environment:// resources
# - Generated plots via rstudio-plot:// resources

故障排除

连接问题：

   # Check if MCP server is running
   rstudio-mcp --status

   # Test connection
   curl http://localhost:3000/health

权限问题：

   # Ensure proper permissions
   chmod +x $(which rstudio-mcp)
   chown -R $USER ~/.rstudio-mcp/

R环境问题：

   # Verify R installation
   rstudio-mcp --check-r

   # Reset environments
   rstudio-mcp --reset-environments

MCP工具

服务器提供以下MCP工具：

环境管理

create_environment：创建新的R环境
list_environments：列出所有可用环境
switch_environment：切换到其他环境
delete_environment：删除环境

代码执行

execute_r_code：在指定环境中执行R代码
get_execution_history：获取已执行代码的历史记录

项目管理

create_project：创建新的RStudio项目
open_project：打开现有项目
get_project_info：获取项目信息

包管理

install_package：安装R软件包
update_package：更新软件包
list_packages：列出已安装的软件包

MCP资源

服务器公开以下资源：

rstudio-project://：访问项目文件和配置
rstudio-workspace://：访问工作空间对象和变量
rstudio-environment://：获取环境信息
rstudio-plot://：访问生成的绘图和可视化

MCP提示

常见R开发任务的预构建提示：

analyze_data：数据分析指南
create_visualization：可视化创建帮助
debug_r_code：R代码调试协助
optimize_performance：性能优化建议

发展

项目结构

rstudio-mcp/
├── src/rstudio_mcp/          # Main package
│   ├── __init__.py
│   ├── server.py             # MCP server implementation
│   ├── config.py             # Configuration management
│   ├── cli.py                # Command-line interface
│   ├── exceptions.py         # Exception classes
│   ├── logging_config.py     # Logging setup
│   └── config/
│       └── default.yaml      # Default configuration
├── tests/                    # Test suite
├── docs/                     # Documentation
├── pyproject.toml           # Project configuration
└── README.md

运行测试

# Run all tests
python -m pytest

# Run with coverage
python -m pytest --cov=src/rstudio_mcp

# Run specific test file
python -m pytest tests/test_server.py -v

代码质量

# Format code
black src/ tests/

# Sort imports
isort src/ tests/

# Type checking
mypy src/

# Linting
flake8 src/ tests/

建筑

RStudio MCP服务器遵循模块化架构：

MCP服务器核心：处理MCP协议通信
刀具管理器：管理可用工具及其执行
资源管理器：处理资源访问和URI方案
快速经理：管理提示模板
RStudio API包装：与RStudio和R的接口
配置系统：管理服务器配置
记录系统：处理日志记录和错误报告

贡献

分叉存储库
创建要素分支
进行更改
添加新功能的测试
运行测试套件
提交拉取请求

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

文档： docs/
问题：
讨论：

路线图

\[x\] 基本MCP服务器框架
\[\]RStudio API集成
\[\]环境管理工具
\[\]代码执行能力
\[\]项目管理特点
\[\]包管理工具
\[\]版本控制集成
\[\]可视化处理
\[\]高级安全功能
\[\]性能优化

目录标签

代码执行PythonClaudeR语言开发本地部署AI助手集成环境管理项目管理

支持客户端

ClaudeVS Code

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

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

MCP World

mcpworld.com

/detail/1792fcbb945b24e7ff15dabf5427a5a1

一个提供AI助手深度集成RStudio功能的模型上下文协议服务器，包括环境管理、代码执行、项目管理等核心功能，适用于R语言开发和数据分析场景。

继续浏览同类 MCP

更多AI代理 MCP（18,706）返回 MCP 目录

上一个 MCP

Rs Template

一个用于构建Model Context Protocol (MCP)服务器的Rust模板，提供生产就绪的基础设施、灵活的配置和多种传输支持。

下一个 MCP

Rs Utcp

rs-utcp是一个基于Rust的通用工具调用协议(UTCP)客户端，支持多种通信协议和异步操作，适用于API网关、LLM代理工具包和微服务编排等场景。

Rstudio MCP