🚀 Pandas MCP 服务器

本仓库中的服务器基于模型上下文协议（MCP）实现，具备处理 CSV 文件、执行 Pandas 代码以及生成交互式图表（柱状图、饼图和折线图）的能力，能高效助力数据处理与可视化。

🚀 快速开始

安装依赖

需安装 Python 3.11 或更高版本，并执行以下命令安装所需的 Python 包：

pip install -r requirements.txt

启动服务器

运行主脚本（例如 server.py）来启动服务器。

调用功能

• 调用 read_metadata 函数，传入文件路径以获取文件信息。
• 使用 run_pandas_code 函数执行 Pandas 数据分析。
• 调用图表生成函数（bar_chart_to_html、pie_chart_to_html、line_chart_to_html）创建交互式图表。

✨ 主要特性

read_metadata

• 功能描述：加载 CSV 文件，并返回其列结构和示例数据。
• 参数说明：
  • file_path：CSV 文件的路径。
• 返回结果：包含 CSV 文件列和示例数据的字典。
• 注意事项：
  • 可自动检测文件编码和分隔符。
  • 为避免过度占用内存，将文件大小限制为 100MB。

run_pandas_code

• 功能描述：执行以字符串形式提供的 Pandas 代码。
• 参数说明：
  • code：包含待执行 Pandas 代码的字符串。
• 返回结果：包含执行结果和执行期间创建变量的字典。
• 安全注意事项：
  • 会阻止执行黑名单操作，如 os.、sys.、subprocess.、open(、exec(、eval(、import os、import sys。
  • 提供详细的错误信息和建议，帮助用户解决问题。

bar_chart_to_html

• 功能描述：利用 Chart.js 模板生成交互式 HTML 柱状图。
• 参数说明：
  • categories：x 轴的类别名称列表。
  • values：y 轴的数值列表。
  • title：图表标题（默认值为 "交互式图表"）。
• 返回结果：包含文件路径和状态信息的字典。
• 使用示例：

{
    "categories": ["电子产品", "服装", "家居用品"],
    "values": [120000, 85000, 95000],
    "title": "按产品类别划分的第一季度销售额"
}

pie_chart_to_html

• 功能描述：使用 Chart.js 模板生成交互式 HTML 饼图。
• 参数说明：
  • labels：每个饼图切片的标签名称列表。
  • values：每个切片的数值列表。
  • title：图表标题（默认值为 "交互式饼图"）。
• 返回结果：包含文件路径和状态信息的字典。
• 使用示例：

{
    "labels": ["电子产品", "服装", "家居用品"],
    "values": [120000, 85000, 95000],
    "title": "第一季度销售分布"
}

line_chart_to_html

• 功能描述：借助 Chart.js 模板生成交互式 HTML 折线图。
• 参数说明：
  • labels：x 轴的标签名称列表。
  • datasets：数据集列表，每个数据集包含：
    • label：数据集的名称。
    • data：数值列表。
  • title：图表标题（默认值为 "交互式折线图"）。
• 返回结果：包含文件路径和状态信息的字典。
• 使用示例：

{
    "status": "SUCCESS",
    "filepath": "/absolute/path/to/chart_1713443200.html"
}

📚 详细文档

工作流程

数据加载

使用 read_metadata 函数加载并解析 CSV 文件。

数据分析

通过 run_pandas_code 函数执行复杂的 Pandas 数据分析。

图表生成

• 根据分析结果调用相应的图表生成函数。
• 示例响应如下：

{
    "status": "SUCCESS",
    "filepath": "/absolute/path/to/chart_1713443200.html"
}

通过上述步骤，您能够高效地处理数据、执行分析并生成交互式可视化结果。