MCP Server — это универсальный инструмент, разработанный для интерактивного исследования данных.

Ваш личный помощник Data Scientist, превращающий сложные наборы данных в чёткие, практичные инсайты.

🚀 Попробуй

1. Скачать Claude Desktop

• Принеси сюда

2. Установка и настройка

• В macOS выполните следующую команду в вашем терминале:

3. Загрузить шаблоны и инструменты

• После запуска сервера ждите загрузки шаблона запроса и инструментов в Claude Desktop.

4. Начинайте исследовать

• Выберите шаблон запроса для исследований данных из MCP
• Начните беседу с необходимых советов:
• csv_path: Локальный путь к файлу CSV
• topic: Тема исследований (например, «Погодные условия в Нью-Йорке» или «Цены на жильё в Калифорнии»)

Примеры

Это примеры того, как можно использовать MCP Server для анализа данных без вмешательства человека.

Случай 1: Цены на размещение недвижимости в Калифорнии

• Kaggle Dataset: Набор данных по недвижимости США

• Размер: 2 226 382 записи (178,9 МБ)

• Тема: Тенденции цен на жильё в Калифорнии

• Краткое изложение данных

Случай 2: Погода в Лондоне

• Набор данных Kaggle: 2M+ Daily Weather History UK
• Размер: 2 836 186 записей (169,3 МБ)

MCP Server for Data Exploration

MCP Server is a versatile tool designed for interactive data exploration.

Your personal Data Scientist assistant, turning complex datasets into clear, actionable insights.

🚀 Try it Out

1. Download Claude Desktop

   • Get it here

2. Install and Set Up

   • On macOS, run the following command in your terminal:

   python setup.py
   

3. Load Templates and Tools

   • Once the server is running, wait for the prompt template and tools to load in Claude Desktop.

4. Start Exploring

   • Select the explore-data prompt template from MCP
   • Begin your conversation by providing the required inputs:
     • csv_path: Local path to the CSV file
     • topic: The topic of exploration (e.g., “Weather patterns in New York” or “Housing prices in California”)

Examples

These are examples of how you can use MCP Server to explore data without any human intervention.

Case 1: California Real Estate Listing Prices

• Kaggle Dataset: USA Real Estate Dataset
• Size: 2,226,382 entries (178.9 MB)
• Topic: Housing price trends in California

• Data Exploration Summary

Case 2: Weather in London

• Kaggle Dataset: 2M+ Daily Weather History UK
• Size: 2,836,186 entries (169.3 MB)
• Topic: Weather in London
• Report: View Report
• Graphs:

  • London Temperature Trends

  • Temperature-Humidity Relationship by Season

  • Wind Direction Pattern by Season

📦 Components

Prompts

• explore-data: Tailored for data exploration tasks

Tools

1. load-csv
   • Function: Loads a CSV file into a DataFrame
   • Arguments:
     • csv_path (string, required): Path to the CSV file