🚀 Vibe 预处理和分析 MCP 服务器（针对 CSV 文件）

这是一款强大的 MCP（模型控制协议）服务器，专门用于 CSV 文件的预处理和分析。它提供了一系列工具，能通过直观界面实现数据的操作、可视化和分析，为用户处理 CSV 数据提供了便利。

🚀 快速开始

1. 启动 MCP 服务器：

uv run mcp

2. 使用 MCP 检查工具测试服务器：

mcp dev server.py

您可以在 Claude Desktop 中安装此服务器，并立即通过运行以下命令与之交互：

mcp install server.py

或者，您也可以使用 MCP 检查工具进行测试：

mcp dev server.py

✨ 主要特性

数据加载与管理

• 可从指定的工作目录加载 CSV 文件。
• 能够设置并管理工作目录。
• 可以列出工作目录中的文件。
• 能将处理后的数据框保存到新文件中。

数据预处理

• 可处理混合数据类型的列。
• 支持使用多种策略管理空值，如删除包含空值的行、用均值/中位数/众数填充、前向/后向填充、用常量填充。
• 能删除和重命名列。
• 可执行自定义数据框编辑代码。
• 可将处理后的数据保存到新文件。

数据分析

• 能生成全面的数据描述。
• 可创建相关矩阵及可视化。
• 能处理混合数据类型的列。
• 可执行自定义分析代码。

数据可视化

• 支持创建多种图表，如折线图、柱状图、散点图、直方图（带 KDE）、箱线图、小提琴图、饼图、计数图、核密度估计图。
• 可通过代码生成自定义图表。
• 能将可视化结果保存到工作目录。
• 可执行自定义可视化代码。

📦 安装指南

先决条件

• Python 3.x
• uv（推荐使用的包管理器）。建议使用 uv 管理服务器。

安装

1. 添加 MCP 及其依赖项：

uv add "mcp[cli]"
uv add pandas matplotlib seaborn numpy

2. 在 Claude Desktop 中安装服务器：

mcp install server.py

使用 pip 的替代安装

如果更倾向于使用 pip：

pip install "mcp[cli]" pandas matplotlib seaborn numpy

💻 使用示例

基础用法

启动服务器

uv run mcp

测试服务器

mcp dev server.py

安装服务器

mcp install server.py

高级用法

数据管理

# 获取当前工作目录
send_work_dir()
# 设置新的工作目录
set_work_dir(new_work_dir)
# 列出工作目录中的文件
list_work_dir_files()
# 加载 CSV 文件到系统中
load_csv(filename)
# 将当前数据框保存到文件
save_global_df(filename)

数据预处理

# 处理混合数据类型的列
handle_column_mixed_types()
# 使用多种策略处理空值
handle_null_values(strategy, columns)
# 删除指定的列
drop_columns(columns)
# 重命名数据框中的列
rename_columns(column_mapping)
# 执行自定义的数据框编辑代码
run_custom_df_edit_code(code)

数据分析

# 生成数据框的统计摘要
describe_df()
# 创建相关矩阵及可视化
generate_correlation_matrix()

数据可视化

# 创建多种类型的图表
plot_graph(graph_type, x_column, y_column, output_filename)
# 执行自定义的可视化代码
run_custom_viz_code(code)

🔧 技术细节

可用工具

数据管理

• send_work_dir()：获取当前工作目录。
• set_work_dir(new_work_dir)：设置新的工作目录。
• list_work_dir_files()：列出工作目录中的文件。
• load_csv(filename)：加载 CSV 文件到系统中。
• save_global_df(filename)：将当前数据框保存到文件。

数据预处理

• handle_column_mixed_types()：处理混合数据类型的列。
• handle_null_values(strategy, columns)：使用多种策略处理空值。
• drop_columns(columns)：删除指定的列。
• rename_columns(column_mapping)：重命名数据框中的列。
• run_custom_df_edit_code(code)：执行自定义的数据框编辑代码。

数据分析

• describe_df()：生成数据框的统计摘要。
• generate_correlation_matrix()：创建相关矩阵及可视化。

数据可视化

• plot_graph(graph_type, x_column, y_column, output_filename)：创建多种类型的图表，支持的图表类型有 'line', 'bar', 'scatter', 'histogram', 'box', 'violin', 'pie', 'count'。
• run_custom_viz_code(code)：执行自定义的可视化代码。

环境变量

• WORK_DIR：服务器默认的工作目录路径。

错误处理

支持多种错误类型，包括文件未找到、无效参数等。