数据探索分析工具

EDA与gemini mcp

概述

EDA MCP服务器是一个强大的工具，可以在MCP服务器和人工智能驱动的见解的帮助下执行探索性数据分析（EDA）。它支持：

• 上传数据集（CSV格式）。
• 生成模式感知可视化。
• 使用AI（Gemini API）解释图表。
• 用于数据探索的交互式仪表板。

特性

• MCP服务器集成：连接到MCP服务器以生成图表。
• AI驱动的洞察：使用Gemini API为生成的图表提供解释。
• 流线型仪表板：用于上传数据集、生成图表和探索见解的交互式UI。

先决条件

• Python 3.8+
• Node.js（用于MCP服务器）
• 所需的Python包（请参阅 requirements.txt)

安装

1. 克隆存储库：

   复制

   git clone <repository-url>
   cd EDA-MCP-Server
   

2. 安装Python依赖项：

   复制

   pip install -r requirements.txt
   

3. 确保已安装Node.js：

   复制

   node -v
   

4. 设置环境变量：

   • 创建一个 .env 根目录中的文件。
   • 添加您的Gemini API密钥：
     复制

     GEMINI_API_KEY=your_api_key_here
     

用法

1. 启动MCP服务器：

   复制

   node server.js
   

2. 运行Streamlit应用程序：

   复制

   streamlit run app.py
   

3. 在浏览器中打开应用程序并上传数据集以开始。

文件结构

EDA MCP Server/
├── app.py                # Main Streamlit app
├── server1.py            # MCP server script
├── handlers/             # Contains dataset and chart handlers
├── utils/                # Utility scripts
├── requirements.txt      # Python dependencies
├── .env                  # Environment variables
└── README.md             # Project documentation

故障排除

• 无运行事件循环：确保事件循环在应用程序中正确初始化。
• 图表生成失败：验证MCP服务器是否正在运行且可访问。
• Gemini API错误：检查您的API密钥和使用限制。

许可证

该项目根据MIT许可证获得许可。