散点图绘制器MCP服务器
一个模型上下文协议（MCP）服务器，为ChatGPT和其他MCP客户端提供交互式散点图绘制功能。
特点/功能
- 上传CSV/Excel数据
- 创建具有双Y轴的交互式散点图
- 为日期列提供时间序列支持
- 统计异常值去除
- 大数据集优化
- 单图表上的多个数据系列
可用工具
1. 上传数据
上传并验证您的数据集。支持CSV文本或Base64编码的CSV/Excel文件。
参数：
data(字符串)：CSV 文本或 base64 编码的数据name(字符串，可选)：数据集名称（默认：“dataset”）
2. 创建散点图
创建具有高级功能的交互式散点图。
参数：
dataset_name(字符串)：上传的数据集名称x_column（字符串）：X轴的列y_primary_columns（字符串）：逗号分隔的主Y轴列y_secondary_columns(字符串，可选)：逗号分隔的用于次要Y轴的列has_date_column(bool)：数据中是否包含日期列date_column(字符串)：日期列的名称remove_outliers(布尔值): 移除统计异常值outlier_threshold(float): Z分数阈值（默认：4.0）large_dataset(布尔值)：针对大数据集（>10,000个点）进行优化chart_title（字符串，可选）：自定义图表标题
3. 列出数据集
列出所有已上传的数据集及其列。
4. 获取列信息
获取特定列的详细统计数据。
参数：
dataset_name(字符串)：数据集名称column_name(字符串)：要检查的列
本地开发
设置
- 创建虚拟环境：
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate- 安装依赖项：
pip install -r requirements.txt- 运行服务器：
python mcp_server.py使用MCP Inspector进行测试
npx @modelcontextprotocol/inspector python mcp_server.py部署
选项1：铁路
- 安装 Railway CLI：
npm install -g railway- 登录并部署：
railway login
railway init
railway up- 从Railway仪表板获取您的公开URL
选项2：渲染
- 在render.com上创建账户
- 连接GitHub仓库
- 创建新的“Web 服务”
- 设置构建命令：
pip install -r requirements.txt - 设置启动命令：
python mcp_server.py - 部署并获取公共URL
选项3：使用ngrok进行本地部署
- 启动服务器：
python mcp_server.py- 在另一个终端中：
ngrok http 8000- 使用ngrok的HTTPS URL
ChatGPT集成
- 打开ChatGPT
- 前往设置 → 测试功能
- 启用“开发者模式”
- 点击“添加MCP服务器”
- 输入：
- 名字散点图绘制器 - 描述从数据中创建交互式散点图 - MCP服务器URL您的部署URL（例如，https://your-app.railway.app） - 认证OAuth（如果未实现则为None）
- 勾选“我信任此应用程序”
- 点击“创建”
在ChatGPT中的使用示例
User: "I want to create a scatter plot"
ChatGPT: "I'll help you with that! Please provide your data as CSV."
User: [pastes CSV data]
ChatGPT: [Calls upload_data tool]
"Great! Your data has been uploaded. I see columns: Date, Sales, Revenue, Profit.
What would you like to plot?"
User: "Plot Sales and Revenue over time, with Profit on a secondary axis"
ChatGPT: [Calls create_scatter_plot with appropriate parameters]
[Displays the generated chart]技术细节
- 框架FastMCP（Python MCP SDK）
- 绘图Plotly（一个用于创建交互式图表和仪表板的Python库）
- 数据处理Pandas、NumPy、SciPy
- 图像转换Kaleido（凯莱多）
文件结构
scatter_plotter_MCP/
├── mcp_server.py # Main MCP server
├── data_processor.py # Data loading and preprocessing
├── plotting_engine.py # Chart generation
├── requirements.txt # Python dependencies
├── README.md # This file
├── Procfile # Deployment configuration
└── outputs/ # Temporary chart storage环境变量
基本操作无需任何（额外条件）。对于生产：
PORT服务器端口（默认：8000）HOST服务器主机（默认：0.0.0.0）
许可证
麻省理工学院许可证
作者
艾哈迈德·穆罕默德·萨布里（@amsamms） ahmedsabri85@gmail.com（该邮箱地址本身在中文中不作翻译，保持原样，如需说明其含义，可表述为“艾哈迈德·萨布里85的电子邮件地址，由Gmail提供”）