可视化-mcp服务器

Name: 可视化-mcp服务器
Author: xlisp

作者：xlisp9 星标更新：2025-08-02

安装使用来源：spider==github.com

项目介绍

可视化MCP服务器

一个强大的模型上下文协议（MCP）服务器，用于使用matplotlib创建交互式数据可视化。此服务器提供了全面的可视化工具，包括关系图、散点图、3D可视化等。

功能

🔗 关系图：创建网络图以可视化实体之间的连接
📊 散点图：基本和分类散点图，具有可定制样式
🌐 3D可视化：支持3D散点图、表面图和线框图
📈 统计图表：直方图、折线图和热力图
💾 自动保存：自动将高分辨率图像保存到临时目录
🖼️ 实时显示：在交互式matplotlib窗口中显示图表
🎨 可定制：广泛的样式选项，包括颜色、标签和布局

安装

先决条件


$ python3 -m venv .venv --upgrade-deps 

$ source .venv/bin/activate

$ pip install "mcp[cli]" httpx

$ pip install   matplotlib numpy pandas networkx

克隆并运行

git clone https://github.com/xlisp/visualization-mcp-server.git
cd visualization-mcp-server
python visualization_server.py

使用方法

1. Cladue桌面客户端配置

    "visualization": {
      "command": "/Users/clojure/Desktop/visualization-mcp-server/.venv/bin/python",
      "args": [
        "/Users/clojure/Desktop/visualization-mcp-server/visualization_server.py"
      ]
    }

该服务器提供了一些可以通过MCP协议调用的可视化工具：

1. 关系图

创建网络图以展示实体之间的关系：

# 示例：展示A、B、C、D之间的关系
nodes = ["Alice", "Bob", "Charlie", "Diana"]
edges = [["Alice", "Bob"], ["Bob", "Charlie"], ["Alice", "Charlie"], ["Charlie", "Diana"]]

# 调用：create_relationship_graph(nodes, edges, "社交网络")

参数：

nodes：节点名称列表
edges：连接列表（节点名称对）
title：图形标题（可选）
node_size：节点大小（默认：1000）
font_size：标签字体大小（默认：12）

2. 散点图

创建带有可选标签和颜色的基本散点图：

# 示例：基本散点图
x_data = [1, 2, 3, 4, 5]
y_data = [2, 5, 3, 8, 7]
labels = ["点A", "点B", "点C", "点D", "点E"]

# 调用：create_scatter_plot(x_data, y_data, labels, title="我的散点图")

参数：

x_data：X轴值
y_data：Y轴值
labels：点标签（可选）
colors：点颜色（可选）
title，x_label，y_label：图表标签
size：点大小（默认：50）

3. 分类散点图

可视化按类别分组的数据点：

# 示例：分类可视化
x_data = [1, 2, 3, 4, 5, 6]
y_data = [2, 3, 1, 5, 4, 6]
categories = ["类型A", "类型A", "类型B", "类型B", "类型C", "类型C"]

# 调用：create_classification_plot(x_data, y_data, categories)

参数：

x_data：X轴值
y_data：Y轴值
categories：每个点的类别标签
title，x_label，y_label：图表标签

4. 3D可视化

创建多种类型的3D图：

# 示例：3D散点图
x_data = [1, 2, 3, 4, 5]
y_data = [2, 4, 1, 5, 3]
z_data = [3, 1, 4, 2, 5]

# 调用：create_3d_plot(x_data, y_data, z_data, plot_type="scatter")

参数：

x_data，y_data，z_data：3D坐标
plot_type："scatter"，"surface"或"wireframe"
title，x_label，y_label，z_label：图表标签

5. 其他图表

直方图

# create_histogram(data, bins=30, title="分布")

折线图

# create_line_plot(x_data, y_data, line_style="-", color="blue")

热力图

# create_heatmap(data_matrix, x_labels, y_labels, colormap="viridis")

输出

每个可视化函数：

显示图表在交互式matplotlib窗口中
保存高分辨率PNG文件到系统临时目录
返回保存图像的文件路径

示例输出：

"图形保存至：/tmp/relationship_graph_20250802_143022.png 并已显示"

文件管理

图像使用时间戳保存以避免冲突
文件存储在系统临时目录中：
- Windows：C:\Users\用户名\AppData\Local\Temp\
- macOS/Linux：/tmp/
高分辨率（300 DPI）PNG格式

MCP集成

此服务器遵循模型上下文协议标准，并可以与兼容MCP的客户端集成。服务器默认通过stdio传输运行。

服务器配置

if __name__ == "__main__":
    mcp.run(transport='stdio')

示例

社交网络分析

# 可视化社交连接
nodes = ["Alice", "Bob", "Charlie", "Diana", "Eve"]
relationships = [
    ["Alice", "Bob"], 
    ["Bob", "Charlie"], 
    ["Charlie", "Diana"],
    ["Alice", "Eve"], 
    ["Eve", "Diana"]
]
# 创建展示社交连接的网络图

数据分类

# 可视化机器学习结果
features_x = [1.2, 2.3, 1.8, 3.1, 2.9, 1.5]
features_y = [2.1, 3.2, 1.9, 4.1, 3.8, 2.2]
predictions = ["类别A", "类别B", "类别A", "类别B", "类别B", "类别A"]
# 创建分类散点图

科学数据

# 3D科学可视化
x_coords = [0, 1, 2, 3, 4]
y_coords = [0, 1, 4, 9, 16]
z_coords = [0, 1, 8, 27, 64]
# 创建3D表面或散点图

错误处理

服务器包含全面的错误处理：

检测无效数据格式
缺失参数验证
Matplotlib渲染错误恢复
文件系统权限检查

贡献

分叉仓库
创建功能分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m '添加精彩功能')
推送到分支 (git push origin feature/amazing-feature)
打开拉取请求

许可证

本项目采用MIT许可证 - 查看LICENSE文件获取详细信息。

依赖项

matplotlib：核心绘图库
networkx：图形/网络可视化
numpy：数值计算
pandas：数据操作
mcp：MCP服务器框架

发展路线图

支持

如果您遇到任何问题或有疑问：

查看问题页面
创建一个新的问题并附上详细描述
包括样本数据和错误消息

由❤️为MCP生态系统制作