Csv Editor

🚀 CSV Editor - 基于MCP的AI驱动CSV处理工具

CSV Editor 是一款高性能的MCP服务器，它能让Claude、ChatGPT等AI助手通过简单命令实现强大的数据操作能力，彻底改变AI助手处理CSV数据的方式。

🚀 快速开始

快速演示

# 现在你的AI助手可以这样操作：
"加载销售数据并去除重复项"
"筛选2024年第四季度交易额超过10000美元的交易记录"
"计算价格和数量之间的相关性"
"用中位数填充缺失值"
"将分析结果导出为Excel文件"

# 所有操作都具备自动历史记录跟踪和撤销功能！

通过Smithery安装

要通过 Smithery 为Claude Desktop自动安装 csv-editor，请执行以下命令：

npx -y @smithery/cli install @santoshray02/csv-editor --client claude

最快安装方式（推荐）

# 若需要，安装uv（一次性设置）
curl -LsSf https://astral.sh/uv/install.sh | sh

# 克隆并运行
git clone https://github.com/santoshray02/csv-editor.git
cd csv-editor
uv sync
uv run csv-editor

配置你的AI助手

{
  "mcpServers": {
    "csv-editor": {
      "command": "uv",
      "args": ["tool", "run", "csv-editor"],
      "env": {
        "CSV_MAX_FILE_SIZE": "1073741824"
      }
    }
  }
}

✨ 主要特性

解决的问题

AI助手在处理复杂数据操作时面临困难，它们虽然可以读取文件，但缺乏有效过滤、转换、分析和验证CSV数据的工具。

解决方案

CSV Editor弥补了这一差距，它为AI助手提供了40多种专门用于CSV操作的工具，使其成为强大的数据分析师，能够：

• 数秒内清理杂乱的数据集
• 执行复杂的统计分析
• 自动验证数据质量
• 使用自然语言命令转换数据
• 通过撤销/重做功能跟踪所有更改

关键差异化特性

💻 使用示例

基础用法

# 你的AI助手现在可以这样做：
"Load the sales data and remove duplicates"
"Filter for Q4 2024 transactions over $10,000"  
"Calculate correlation between price and quantity"
"Fill missing values with the median"
"Export as Excel with the analysis"

# 所有操作都具备自动历史记录跟踪和撤销功能！

高级用法

数据分析师工作流

# 早上：加载昨天的数据
session = load_csv("daily_sales.csv")

# 清理：去除重复项并修正数据类型
remove_duplicates(session_id)
change_column_type("date", "datetime")
fill_missing_values(strategy="median", columns=["revenue"])

# 分析：获取洞察
get_statistics(columns=["revenue", "quantity"])
detect_outliers(method="iqr", threshold=1.5)
get_correlation_matrix(min_correlation=0.5)

# 报告：导出清理后的数据
export_csv(format="excel", file_path="clean_sales.xlsx")

ETL管道

# 从多个来源提取数据
load_csv_from_url("https://api.example.com/data.csv")

# 进行复杂的转换操作
filter_rows(conditions=[
    {"column": "status", "operator": "==", "value": "active"},
    {"column": "amount", "operator": ">", "value": 1000}
])
add_column(name="quarter", formula="Q{(month-1)//3 + 1}")
group_by_aggregate(group_by=["quarter"], aggregations={
    "amount": ["sum", "mean"],
    "customer_id": "count"
})

# 加载到不同的格式
export_csv(format="parquet")  # 用于数据仓库
export_csv(format="json")     # 用于API

数据质量保证

# 验证传入的数据
validate_schema(schema={
    "customer_id": {"type": "integer", "required": True},
    "email": {"type": "string", "pattern": r"^[^@]+@[^@]+\.[^@]+$"},
    "age": {"type": "integer", "min": 0, "max": 120}
})

# 质量评分
quality_report = check_data_quality()
# 返回：总体评分、缺失数据百分比、重复项、异常值

# 异常检测
anomalies = find_anomalies(methods=["statistical", "pattern"])

📚 详细文档

可用工具

配置

环境变量

自动保存策略

CSV Editor可以通过可配置的策略自动保存你的工作：

• 覆盖（默认） - 更新原始文件
• 备份 - 创建带时间戳的备份
• 版本化 - 维护版本历史
• 自定义 - 保存到指定位置

# 配置自动保存
configure_auto_save(
    strategy="backup",
    backup_dir="/backups",
    max_backups=10
)

高级安装选项

git clone https://github.com/santoshray02/csv-editor.git
cd csv-editor
pip install -e .

pipx install git+https://github.com/santoshray02/csv-editor.git

# 安装最新版本
pip install git+https://github.com/santoshray02/csv-editor.git

# 或者使用uv
uv pip install git+https://github.com/santoshray02/csv-editor.git

# 安装特定版本
pip install git+https://github.com/santoshray02/csv-editor.git@v1.0.1

🔧 技术细节

运行测试

uv run test           # 运行测试
uv run test-cov       # 带覆盖率
uv run all-checks     # 格式化、检查代码风格、类型检查和测试

项目结构

csv-editor/
├── src/csv_editor/   # 核心实现
│   ├── tools/        # MCP工具实现
│   ├── models/       # 数据模型
│   └── server.py     # MCP服务器
├── tests/            # 测试套件
├── examples/         # 使用示例
└── docs/            # 文档

🤝 贡献代码

我们欢迎贡献！请参考 CONTRIBUTING.md 获取贡献指南。

快速贡献指南

1. 分叉仓库
2. 创建功能分支
3. 编写测试并进行更改
4. 运行 uv run all-checks
5. 提交拉取请求

📈 路线图

• [ ] SQL查询接口
• [ ] 实时协作
• [ ] 高级可视化
• [ ] 机器学习集成
• [ ] 云存储支持
• [ ] 针对10GB以上文件的性能优化

💬 支持

• 问题反馈：GitHub Issues
• 讨论：GitHub Discussions
• 文档：Wiki

📄 许可证

本项目采用MIT许可证，请参阅 LICENSE 文件获取详细信息。

🙏 致谢

本项目基于以下工具构建：

• FastMCP - 快速模型上下文协议
• Pandas - 数据操作
• NumPy - 数值计算

准备好提升你的AI数据处理能力了吗？ 两分钟内开始使用 →