MCP-CSV分析与Gemini-AI

Name: MCP-CSV分析与Gemini-AI
Author: falahgs

作者：falahgs2 星标更新：2025-04-12

安装使用来源：spider==github.com

项目介绍

使用Gemini AI进行MCP CSV分析

一个强大的模型上下文协议（MCP）服务器，利用Google的Gemini AI提供高级的CSV分析和思维生成能力。此工具与Claude Desktop无缝集成，并提供了复杂的数据分析、可视化和自然语言处理功能。

🌟 功能

1. CSV分析工具 (`analyze-csv`)

全面数据分析：对CSV文件执行详细的探索性数据分析（EDA）
两种分析模式：
- basic：快速概览和基本统计信息
- detailed：深入分析并提供高级见解
分析组件：
- 所有列的统计分析
- 数据质量评估
- 模式识别
- 相关性分析
- 特征重要性评估
- 预处理建议
- 商业洞察
- 可视化建议

2. 数据可视化工具 (`visualize-data`)

交互式可视化：使用Plotly创建美观且信息丰富的图表
可视化类型：
- basic：基于数据类型的自动可视化选择
- advanced：复杂的多变量可视化
- custom：用户定义的图表配置
图表类型：
- 分布分析直方图
- 相关性热图
- 散点图
- 折线图
- 条形图
- 箱型图
特性：
- 自动检测数据类型
- 智能图表选择
- 交互式图表
- 高分辨率导出
- 可定制布局

3. 思维生成工具 (`generate-thinking`)

使用Gemini的实验模型生成详细的思维过程文本
支持复杂的推理和分析
带时间戳保存响应
可自定义输出目录

🚀 快速开始

先决条件

Node.js（v16或更高版本）
TypeScript
Claude Desktop
Google Gemini API密钥
Plotly账户（用于可视化）

安装

克隆并设置：

git clone [your-repo-url]
cd mcp-csv-analysis-gemini
npm install

创建.env文件：

GEMINI_API_KEY=your_api_key_here

构建项目：

npm run build

Claude Desktop配置

创建/编辑%AppData%/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "CSV Analysis": {
      "command": "node",
      "args": ["path/to/mcp-csv-analysis-gemini/dist/index.js"],
      "cwd": "path/to/mcp-csv-analysis-gemini",
      "env": {
        "GEMINI_API_KEY": "your_api_key_here",
        "PLOTLY_USERNAME": "your_plotly_username",
        "PLOTLY_API_KEY": "your_plotly_api_key"
      }
    }
  }
}

重启Claude Desktop

📊 使用工具

CSV分析

{
  "name": "analyze-csv",
  "arguments": {
    "csvPath": "./data/your_file.csv",
    "analysisType": "detailed",
    "outputDir": "./custom_output"
  }
}

数据可视化

{
  "name": "visualize-data",
  "arguments": {
    "csvPath": "./data/your_file.csv",
    "visualizationType": "basic",
    "columns": ["column1", "column2"],
    "chartTypes": ["histogram", "scatter"],
    "outputDir": "./custom_output"
  }
}

思维生成

{
  "name": "generate-thinking",
  "arguments": {
    "prompt": "您的复杂分析提示",
    "outputDir": "./custom_output"
  }
}

📁 输出结构

output/
├── analysis/
│   ├── csv_analysis_[时间戳]_part1.txt
│   ├── csv_analysis_[时间戳]_part2.txt
│   └── csv_analysis_[时间戳]_summary.txt
├── visualizations/
│   ├── histogram_[列]_[时间戳].png
│   ├── scatter_[列]_[时间戳].png
│   └── correlation_heatmap_[时间戳].png
└── thinking/
    └── gemini_thinking_[时间戳].txt

📊 可视化类型

基础可视化

根据数据类型自动生成
包括：
- 数值列的直方图
- 相关性热图
- 基本散点图

高级可视化

更复杂的图表
多个变量
增强的布局
自定义颜色方案

自定义可视化

用户定义的图表类型
可配置参数
自定义样式选项
高级图表布局

🛠️ 开发

可用脚本

npm run build：将TypeScript编译成JavaScript
npm run start：启动MCP服务器
npm run dev：使用ts-node运行开发模式

环境变量

GEMINI_API_KEY：您的Google Gemini API密钥
PLOTLY_USERNAME：您的Plotly用户名
PLOTLY_API_KEY：您的Plotly API密钥

📝 分析详情

基础分析包括

每一列的基本统计摘要
数据质量评估
关键洞察和模式
潜在的相关性
进一步分析的建议

详细分析包括

综合统计分析
- 分布分析
- 中心趋势度量
- 离散度度量
- 异常值检测
高级数据质量评估
模式识别
相关性分析
特征重要性分析
预处理建议
可视化建议
商业洞察

⚠️ 限制

最大文件大小：取决于系统内存
请求速率限制：基于Gemini API和Plotly配额
输出令牌限制：每个响应65,536个令牌
CSV格式：仅标准CSV文件
分析时间：随数据大小和复杂性变化
可视化限制：基于Plotly免费层级限制

🔒 安全注意事项

安全存储您的API密钥
不要分享您的.env文件
审查CSV数据中的敏感信息
对于敏感分析，使用自定义输出目录
保护您的Plotly凭证

🐛 故障排除

常见问题

API密钥错误
- 验证.env文件存在
- 检查API密钥的有效性
- 确保环境加载正确
CSV解析错误
- 验证CSV文件格式
- 检查文件权限
- 确保文件不为空
Claude Desktop连接
- 验证config.json语法
- 检查配置文件中的文件路径
- 重启Claude Desktop

调试模式

在您的.env文件中添加DEBUG=true以启用详细日志记录：

GEMINI_API_KEY=your_key_here
DEBUG=true

📚 API参考

CSV分析工具

interface AnalyzeCSVParams {
  csvPath: string;          // CSV文件路径
  outputDir?: string;       // 可选输出目录
  analysisType?: 'basic' | 'detailed';  // 分析类型
}

数据可视化工具

interface VisualizeDataParams {
  csvPath: string;          // CSV文件路径
  outputDir?: string;       // 可选输出目录
  visualizationType?: 'basic' | 'advanced' | 'custom';  // 可视化类型
  columns?: string[];       // 要可视化的列
  chartTypes?: ('scatter' | 'line' | 'bar' | 'histogram' | 'box' | 'heatmap')[];  // 图表类型
  customConfig?: Record<string, any>;  // 自定义配置
}

思维生成工具

interface GenerateThinkingParams {
  prompt: string;           // 分析提示
  outputDir?: string;       // 可选输出目录
}

🤝 贡献

分叉仓库
创建您的功能分支
提交更改
推送到分支
创建拉取请求

📄 许可证

MIT许可证 - 查看LICENSE文件获取详细信息