项目介绍
定量研究员MCP服务器
这是一个实现MCP服务器，提供管理定量研究知识图谱的工具，使研究项目、数据集、变量、假设、统计测试、模型和结果能够以结构化的方式表示。此服务器帮助定量研究人员组织他们的数据，跟踪分析过程，评估假设，并从数值数据中生成见解。
特性
- 持久的研究上下文：在多个分析会话中维护研究实体及其关系的结构化知识图谱
- 研究会话管理：通过唯一ID跟踪研究分析会话并记录进度
- 假设检验：跟踪假设、相关测试及结论
- 数据集管理：组织并跟踪数据集中的描述性统计和变量
- 统计分析：记录统计测试、模型及其结果
- 变量关系：跟踪变量之间的相关性、预测及其他关系
- 研究问题追踪：将数据分析与特定研究问题关联起来
- 数据可视化：记录从数据集和结果创建的可视化内容
- 模型性能：监控统计模型的性能指标
- 研究发现文档：将发现与支持性的统计证据关联起来
- 研究方法文档：跟踪方法论决策和方法
实体
定量研究员MCP服务器识别以下实体类型：
- project：整体研究项目
- dataset：用于分析的数据集合
- variable：数据集中具体的可测量属性
- hypothesis：正式的可测试陈述
- statisticalTest：应用于数据的分析方法
- result：统计分析的结果
- analysisScript：执行分析的代码
- visualization：数据的可视化表示
- model：统计/数学模型
- literature：学术来源
- researchQuestion：指导研究的正式问题
- finding：结果或结论
- participant：研究对象
- status：实体状态值（活动、完成、待定、放弃）
- priority：优先级水平值（高、低）
关系
实体可以通过以下关系类型连接：
- correlates_with：变量之间的统计相关性
- predicts：独立变量到依赖变量的预测关系
- tests：统计测试检验假设
- analyzes：对数据集进行分析
- produces：分析产生结果
- visualizes：可视化显示数据或结果
- contains：层级关系
- part_of：实体是另一个实体的一部分
- depends_on：依赖关系
- supports：支持假设或发现的证据
- contradicts：反驳假设或发现的证据
- derived_from：实体由另一实体派生而来
- controls_for：变量/方法控制混淆因素
- moderates：变量调节关系
- mediates：变量中介关系
- implements：脚本实现统计测试/模型
- compares：组/变量之间的统计比较
- includes：模型包含变量
- validates：验证模型或结果
- cites：引用文献
- has_status：链接实体与其当前状态（活动、完成、待定、放弃）
- has_priority：链接实体与其优先级水平（高、低）
- precedes：指示一个过程或活动在序列中先于另一个
可用工具
定量研究员MCP服务器提供了这些工具来与研究知识互动：
startsession
启动一个新的定量研究会话，生成唯一的会话ID并显示当前的研究项目、数据集、模型、可视化内容及之前的会话。通过has_status关系显示状态信息，通过has_priority关系显示优先级水平，并基于顺序过程关系确定接下来可以工作的活动。
loadcontext
加载特定实体（项目、数据集、变量等）的详细上下文，根据实体类型显示相关信息。包括状态信息、优先级水平及顺序过程关系。
endsession
通过结构化的多阶段过程记录研究会话的结果：
- summary：记录会话概要、持续时间和项目重点
- datasetUpdates：记录会话期间数据集的更新
- newAnalyses：记录新执行的统计分析
- newVisualizations：跟踪创建的新数据可视化内容
- hypothesisResults：记录假设检验的结果
- modelUpdates：记录统计模型的更新
- statusUpdates：记录实体状态值的变化
- projectStatus：更新整体项目状态、优先级分配及顺序关系
- assembly：最终组装所有会话数据
buildcontext
在知识图谱中创建新的实体、关系或观察：
- entities：添加新的研究实体（项目、数据集、变量、状态、优先级等）
- relations：创建实体之间的关系（包括has_status、has_priority、precedes）
- observations：向现有实体添加观察
deletecontext
从知识图谱中删除实体、关系或观察：
- entities：删除研究实体
- relations：删除实体之间的关系（包括状态、优先级及顺序关系）
- observations：从实体中删除特定观察
advancedcontext
从知识图谱中检索信息：
- graph：获取整个知识图谱
- search：根据查询条件搜索节点
- nodes：按名称获取特定节点
- related：查找相关实体
- status：查找具有特定状态值的实体（活动、完成、待定、放弃）
- priority：查找具有特定优先级值的实体（高、低）
- sequence：识别研究过程的顺序关系
领域特定功能
定量研究员MCP服务器包括专用于定量研究的特殊领域函数：
- getProjectOverview：全面查看项目，包括研究问题、方法论、数据集、变量
- getDatasetAnalysis：分析数据集内容，包括变量、描述性统计和数据质量
- getHypothesisTests：审查假设测试及其结果
- getVariableRelationships：检查变量之间的相关性、预测及其他关系
- getStatisticalResults：总结统计分析的结果
- getVisualizationGallery：查看为数据集和结果创建的可视化内容
- getModelPerformance：评估统计模型的性能指标
- getResearchQuestionResults：按研究问题组织分析和结果
- getVariableDistribution：检查单个变量的分布和属性
- getStatusOverview：查看具有特定状态的所有实体（活动、完成、待定、放弃）
- getPriorityItems：识别高优先级的研究任务和活动
- getResearchSequence：基于precedes关系可视化研究过程的顺序
示例提示
启动会话
让我们开始一个新的定量研究会话，针对我的气候变化影响研究项目。
加载研究上下文
加载气候变化影响研究项目的上下文，以便我可以查看我当前的统计分析状态。
记录会话结果
我已经完成了对气候变化影响研究的数据分析。我运行了三个新的回归模型来测试温度与作物产量之间的关系，创建了两个相关模式的可视化内容，并确认了关于降雨影响的假设。我已将温度分析标记为完成，并将区域变化分析设置为高优先级。在控制区域变化后，模型性能提高了15%。
管理研究知识
创建一个名为“年降水量”的新变量，它是“气候测量”数据集的一部分，观察表明其呈正态分布，平均值为34.5英寸。将其状态设为活动，并使其先于“作物产量分析”过程。
将“数据清洗”过程的状态更新为“已完成”，并添加一个观察，说明所有异常值已被妥善处理。
使用
这个MCP服务器使定量研究人员能够：
- 维持分析连续性：跨多个研究会话跟踪分析和结果
- 组织统计证据：将假设与支持性的统计测试和结果关联起来
- 记录变量关系：记录变量如何相互关联、预测或影响
- 跟踪模型发展：记录统计模型的发展及其性能
- 支持结果解释：将统计发现与研究问题和理论框架联系起来
- 确保方法论严谨性：记录方法论决策和分析方法
- 准备研究报告：组织统计证据以支持研究发现
- 跟踪研究进展：在整个研究生命周期中监控实体状态
- 优先处理研究任务：识别并专注于高优先级的研究活动
- 规划研究过程：计划并可视化研究和分析步骤的逻辑顺序
配置
与Claude Desktop一起使用
在您的claude_desktop_config.json中添加以下内容：
从GitHub安装并使用npx运行
{
"mcpServers": {
"quantitativeresearch": {
"command": "npx",
"args": [
"-y",
"github:tejpalvirk/quantitativeresearch"
]
}
}
}
全局安装并直接运行
首先，全局安装包：
npm install -g github:tejpalvirk/quantitativeresearch
然后配置Claude Desktop：
{
"mcpServers": {
"quantitativeresearch": {
"command": "contextmanager-quantitativeresearch"
}
}
}
docker
{
"mcpServers": {
"quantitativeresearch": {
"command": "docker",
"args": [
"run",
"--rm",
"-i",
"mcp/quantitativeresearch"
]
}
}
}
构建
从源码构建
# 克隆仓库
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager
# 安装依赖
npm install
# 构建服务器
npm run build
# 运行服务器
cd quantitativeresearch
node quantitativeresearch_index.js
Docker:
docker build -t mcp/quantitativeresearch -f quantitativeresearch/Dockerfile .
许可证
此MCP服务器采用MIT许可证。这意味着您可以自由地使用、修改和分发软件，但需遵守MIT许可证的条款和条件。更多详情，请参见项目存储库中的LICENSE文件。
环境变量
定量研究MCP服务器支持以下环境变量来自定义数据存储位置：
-
MEMORY_FILE_PATH：知识图谱数据存储路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值：
./quantitativeresearch/memory.json
-
SESSIONS_FILE_PATH：会话数据存储路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值：
./quantitativeresearch/sessions.json
示例用法：
# 在当前目录存储数据
MEMORY_FILE_PATH="./quantitative-memory.json" SESSIONS_FILE_PATH="./quantitative-sessions.json" npx github:tejpalvirk/contextmanager-quantitativeresearch
# 在特定位置存储数据（绝对路径）
MEMORY_FILE_PATH="/path/to/data/quantitative-memory.json" npx github:tejpalvirk/contextmanager--quantitativeresearch
# 在用户的家目录存储数据
MEMORY_FILE_PATH="$HOME/contextmanager/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch