Tabpfn MCP

TabPFN MCP服务器

MCP服务器，使AI助手能够训练和运行 标签 用于表格分类和回归任务的模型。

此服务器使用 tabpfn客户端 调用TabPFN API；不在本地执行模型训练或推理。

它做什么

此服务器向MCP兼容的AI助手提供两个工具：

• train_and_predict_classification -训练分类器并获得概率预测
• train_and_predict_regression -训练回归器并获得预测

这两个工具都接受CSV文件，自动检测标题和测试数据是否有标签，在标签可用时计算指标，并可以将预测写入输出文件。

安装

# Clone and install
git clone https://github.com/yourusername/tabpfn-mcp.git
cd tabpfn-mcp
uv pip install -e .

认证

TabPFN需要API令牌。如果没有缓存凭据，服务器会在首次使用时自动触发基于浏览器的登录。

要显式使用令牌，请设置 TABPFN_TOKEN MCP配置中的环境变量（见下面的示例）。

设置

VS代码副本

添加到 .vscode/mcp.json 在您的工作空间中：

{
  "servers": {
    "tabpfn-mcp": {
      "command": "uv",
      "args": ["run", "tabpfn-mcp"]
    }
  }
}

克劳德代码

claude mcp add tabpfn-mcp -- uv run tabpfn-mcp

克劳德桌面版

将以下内容添加到您的 claude_desktop_config.json 文件。此文件的路径可以在Claude Desktop的“设置”>“开发人员”>“本地MCP服务器”>“编辑配置”下找到。

{
  "mcpServers": {
    "tabpfn": {
      "command": "uv",
      "args": ["run", "tabpfn-mcp"]
    }
  }
}

保存后重新启动Claude Desktop。

示例提示

配置后，您可以要求AI助手分析您的数据。您需要为两个CSV文件提供位置，训练集和测试集各一个。训练集中的最后一列需要包含目标值（标签）。如果测试集还包含标签，除了生成预测外，还会计算模型性能指标。

分类：

Train a TabPFN classifier on data/train.csv and predict labels for data/test.csv.
Save predictions to output/predictions.csv.

回归：

I have housing data in housing_train.csv with price as the target.
Predict prices for housing_test.csv using TabPFN and save to predicted_prices.csv.

发展

# Install dev dependencies
uv pip install -e ".[dev]"

# Set up pre-commit hooks
uv run pre-commit install

# Run tests
uv run pytest

免责声明

此MCP服务器只是一个客户端包装器。所有数据处理、训练和推理都由Prior Labs的TabPFN API在其服务器上执行。作为此MCP服务器的开发人员，我对TabPFN服务如何处理、处理或存储数据不承担任何责任。用户必须审核并接受 TabPFN的隐私政策 以及服务条款。