jDataMunch - это MCP-сервер для агентов кодирования и аналитиков, который отвечает на вопросы о файлах CSV, Excel, Parquet и JSONL, не вставляя строки в окно контекста.

Один раз индексируйте набор данных, а затем извлекайте профили столбцов, фильтрованные строки, агрегации на стороне сервера и перекрестные наборы данных, поэтому файл с миллионом строк стоит тысячи токенов вместо миллионов.

Установить Quickstart Бенчмарки Коммерческое лицензирование

** Бесплатно для личного пользования.** Коммерческое использование требует платной лицензии — условия ниже.

Почему именно jDataMunch?

** Проблема.** По умолчанию способ, которым агент исследует электронную таблицу, заключается в вставке ее в подсказку. 255 МБ CSV с миллионом строк стоит примерно **111 миллионов токенов ** таким образом, и модели все еще приходится рассуждать через миллион строк, чтобы ответить «какие столбцы здесь?»

** Механизм.** jDataMunch профилирует файл один раз — столбцы, типы, кардинальность, нулевые ставки, дистрибутивы — и хранит его локально. Запросы затем запускаются *против данных *, а не против копии в подсказке: фильтры, агрегации и соединения выполняются на стороне сервера и возвращают только результаты.

** Результат.** На вопросы ориентации отвечают из профиля.

jDataMunch MCP: Tabular Data Retrieval for AI Agents

jDataMunch is an MCP server for coding agents and analysts that answers questions about CSV, Excel, Parquet, and JSONL files without pasting the rows into the context window.

Index a dataset once, then retrieve column profiles, filtered rows, server-side aggregations, and cross-dataset joins — so a million-row file costs thousands of tokens instead of millions.

Install · Quickstart · Benchmarks · Commercial licensing

Free for personal use. Commercial use requires a paid license — terms below.

---

Why jDataMunch?

The problem. The default way an agent explores a spreadsheet is to paste it into the prompt. A 255 MB CSV with a million rows costs roughly 111 million tokens that way, and the model still has to reason through a million rows to answer “what columns are in here?”

The mechanism. jDataMunch profiles the file once — columns, types, cardinality, null rates, distributions — and stores that locally. Queries then run against the data, not against a copy of it in the prompt: filters, aggregations, and joins execute server-side and return only results.

The outcome. Orientation questions are answered from the profile. Row-level questions return matching rows. The raw file never enters the context window.

---

Evidence

Measured on a real public dataset, not estimated. Full harness and per-query results in benchmarks/.

Corpus: LAPD crime records — 1,004,894 rows, 28 columns, 255 MB Baseline: 111,028,360 tokens to paste the raw file describe_dataset: ~3,849 tokens — a 25,333× reduction Methodology & harness · Full results