Kaggle MCP服务器

一个功能全面的Kaggle API MCP服务器,支持竞赛、数据集、内核、模型、基准测试和讨论等多种功能。

  • by Galaxy-Dawn
  • Python
  • 本地部署
  • 4 星标
  • 更新于
在 GitHub 查看 Galaxy-Dawn/kaggle-mcp

使用说明

Kaggle API的全功能MCP服务器-竞赛、数据集、内核、模型、基准测试和讨论。

英语 | 中文

为什么选择kaggle mcp?

Kaggle提供了一个 官方远程MCP服务器 (https://www.kaggle.com/mcp)涵盖竞赛、数据集、笔记本电脑、模型和基准测试——这是大多数Kaggle工作流程的坚实基础。

kaggle mcp扩展了这一基础 官方服务器缺少什么: 10个讨论工具。您可以搜索讨论、按源类型浏览、按新旧程度过滤竞争讨论、阅读解决方案文章、探索热门话题等等——这些都不在官方MCP中。

它也在stdio上本地运行,因此没有远程MCP依赖性,也没有 npx mcp-remote 必修的。

使用kaggle mcp 如果你需要讨论工具,或者更喜欢没有远程依赖的本地stdio设置。 使用官方MCP 如果您更喜欢OAuth 2.0认证或希望零本地安装。

快速导航

第节 说明
先决条件 Kaggle API令牌设置
安装 uvx/pip/源
配置 克劳德桌面,克劳德代码,VS代码,光标
工具(51) 竞赛、数据集、内核、模型、基准、讨论
调试 MCP检查员
发展 当地开发设置

先决条件

需要Kaggle API令牌。您可以使用以下任一方法进行身份验证:

Option A: API Token (recommended)
  1. 首选https://www.kaggle.com/settings → API → 创建新的API令牌
  2. 设置环境变量:
export KAGGLE_API_TOKEN="KGAT_xxxxxxxxxxxx"
Option B: kaggle.json

从Kaggle设置中下载令牌文件,它将保存到 ~/.kaggle/kaggle.json:

{"username": "your_username", "key": "your_api_key"}

安装

注: MCP服务器由MCP客户端(Claude Code、VS Code等)自动启动-- 您不需要在终端中手动运行它们。以下命令是客户端在后台使用的命令。

使用uvx(推荐)

无需安装。 uvx 将自动下载并运行服务器:

# Used by MCP clients internally; no need to run this yourself
uvx kaggle-mcp-server

使用pip

pip install kaggle-mcp-server

来源

git clone https://github.com/Galaxy-Dawn/kaggle-mcp.git
cd kaggle-mcp
uv sync

配置

克劳德桌面版

添加到您的 claude_desktop_config.json:

Using uvx (recommended)
{
  "mcpServers": {
    "kaggle": {
      "command": "uvx",
      "args": ["kaggle-mcp-server"],
      "env": {
        "KAGGLE_API_TOKEN": "KGAT_xxxxxxxxxxxx"
      }
    }
  }
}
Using pip
{
  "mcpServers": {
    "kaggle": {
      "command": "python",
      "args": ["-m", "kaggle_mcp.server"],
      "env": {
        "KAGGLE_API_TOKEN": "KGAT_xxxxxxxxxxxx"
      }
    }
  }
}

克劳德代码

claude mcp add kaggle -- uvx kaggle-mcp-server

或添加到您的 项目的 .mcp.json (不是 settings.json):

{
  "mcpServers": {
    "kaggle": {
      "command": "uvx",
      "args": ["kaggle-mcp-server"],
      "env": {
        "KAGGLE_API_TOKEN": "KGAT_xxxxxxxxxxxx"
      }
    }
  }
}

VS Code

增添 .vscode/mcp.json (注:关键是 "servers",不 "mcpServers"):

{
  "servers": {
    "kaggle": {
      "command": "uvx",
      "args": ["kaggle-mcp-server"],
      "env": {
        "KAGGLE_API_TOKEN": "KGAT_xxxxxxxxxxxx"
      }
    }
  }
}

光标

增添 .cursor/mcp.json:

{
  "mcpServers": {
    "kaggle": {
      "command": "uvx",
      "args": ["kaggle-mcp-server"],
      "env": {
        "KAGGLE_API_TOKEN": "KGAT_xxxxxxxxxxxx"
      }
    }
  }
}

提示: 如果你已经有了 KAGGLE_API_TOKEN 在你的 外壳环境 (例如在 .bashrc 或 .zshrc),您可以省略 "env" 块。

工具(51)

竞赛(10)

工具 说明
competitions_list 搜索并列出Kaggle竞赛
competition_files 列出比赛的数据文件
competition_download 下载竞赛数据文件
competition_submit 向竞赛提交预测
competition_submissions 查看提交历史记录
competition_leaderboard 查看排行榜(前20名)
competition_get 获取详细的竞争信息
competition_data_summary 获取数据文件摘要
competition_get_submission 获取单次提交的详细信息
competition_leaderboard_download 以CSV格式下载完整排行榜
Parameter details
  1. 竞赛列表 — search, category, sort_by (latestDeadline/numberOfTeams/recentlyCreated), page
  2. 竞争_文件 — competition (URL后缀,例如。 titanic)
  3. 竞赛_下载 — competition, file_name (可选,空=所有文件)→ 下载URL
  4. 竞赛_提交 — competition, blob_file_tokens, message
  5. 竞赛_提交 — competition
  6. 竞赛_排行榜 — competition → 排名前20的球队和得分
  7. competition_get — competition → 完整细节(截止日期、奖励、评估指标等)
  8. 比赛_数据_总结 — competition → 数据文件摘要字典
  9. 竞争_获取_提交 — competition, submission_id (整数)
  10. 竞赛_排行榜_下载 — competition → 完整排行榜CSV的下载URL

数据集(11)

工具 说明
datasets_list 搜索并列出Kaggle数据集
dataset_files 列出数据集中的文件
dataset_download 下载数据集文件
dataset_metadata 获取数据集元数据
dataset_create 创建新数据集
file_upload 将文件上传到Kaggle
dataset_get 获取完整的数据集信息
dataset_create_version 创建新的数据集版本
dataset_update_metadata 更新数据集标题/描述
dataset_delete 删除数据集
dataset_download_file 从数据集中下载单个文件
Parameter details
  1. 数据集列表 — search, sort_by (hottest/votes/updated/active), file_type, page
  2. 数据文件 — owner, dataset_slug
  3. 数据下载 — owner, dataset_slug, file_name (可选)→ 下载URL
  4. 数据元数据 — owner, dataset_slug → 元数据字典
  5. dataset_create — owner, slug, title, file_tokens (从 file_upload), license_name, is_private
  6. file_upload — file_name, content → 用于的文件令牌 dataset_create
  7. 数据获取 — owner, dataset_slug → 完整数据集详细信息
  8. dataset_create_version — owner, dataset_slug, version_notes, file_tokens
  9. 数据_更新_元数据 — owner, dataset_slug, title, description
  10. 数据删除 — owner, dataset_slug
  11. 数据_下载_文件 — owner, dataset_slug, file_name → 下载URL

果仁(9)

工具 说明
kernels_list 搜索并列出笔记本电脑/内核
kernel_pull 获取笔记本的源代码
kernel_push 将笔记本推送/保存到Kaggle
kernel_output 获取内核输出下载URL
kernel_session_create 创建交互式内核会话
kernel_session_status 获取内核会话执行状态
kernel_session_output 列出内核会话的输出文件
kernel_session_cancel 取消正在运行的内核会话
competition_top_kernels 按分数排序列出比赛的顶级公共内核
Parameter details
  1. 内核列表 — search, competition, dataset, sort_by (hotness/commentCount/dateCreated/dateRun/relevance/voteCount), page
  2. kernel_pull — user_name, kernel_slug → 元数据+源代码
  3. kernel_push — title, text, language (python/r), kernel_type (notebook/script), is_private
  4. 内核输出 — user_name, kernel_slug → 下载URL
  5. kernel_session_create — user_name, kernel_slug → 会话详细信息
  6. kernel_session_status — user_name, kernel_slug → 状态+故障消息(如有)
  7. kernel_session_output — user_name, kernel_slug → 带有URL的输出文件列表
  8. 内核会话取消 — user_name, kernel_slug
  9. 核心竞争力 — competition, sort_by (scoreDescending/scoreAscending/voteCount/hotness/dateCreated/dateRun/commentCount), page_size -注:Kaggle API不公开活跃比赛的分数值;分数是从包含作者的笔记本标题中提取的(例如。 [0.371], LB:0.95)

型号(10)

工具 说明
models_list 搜索并列出Kaggle模型
model_get 获取详细的模型信息
model_create 创建新模型
model_update 更新模型元数据
model_delete 删除模型
model_instances_list 列出模型的所有实例
model_instance_get 获取特定模型实例
model_instance_create 创建新模型实例
model_instance_versions 列出模型实例的版本
model_instance_version_create 创建新的模型实例版本
Parameter details
  1. 型号列表 — search, owner, sort_by (hotness/downloadCount/createTime/updateTime), page_size
  2. 模型集合 — owner, model_slug
  3. 模型创建 — owner, slug, title, subtitle, is_private, description
  4. 模型更新 — owner, model_slug, title, subtitle, description
  5. 模型_删除 — owner, model_slug
  6. 模型实例列表 — owner, model_slug
  7. 模型实例获取 — owner, model_slug, framework, instance_slug
  8. 模型实例创建 — owner, model_slug, framework, instance_slug, license_name, is_private
  9. 模型实例版本 — owner, model_slug, framework, instance_slug
  10. 模型_实例_版本_创建 — owner, model_slug, framework, instance_slug, version_notes, file_tokens

基准(1)

工具 说明
benchmark_leaderboard 获取基准排行榜
Parameter details
  1. 基准板 — owner_slug, benchmark_slug, version_number (可选,默认 0)

讨论(10)

工具 说明
discussions_search 搜索Kaggle讨论
discussions_list 列出比赛/数据集的讨论
discussion_detail 按ID获取讨论内容
discussion_comments 获取讨论的评论
discussion_comments_search 在所有讨论中搜索评论
discussions_by_source 按源类型浏览讨论
discussions_solutions 浏览竞争解决方案文章
discussions_writeups 按类型浏览Kaggle的文章
discussions_trending 浏览热门讨论
discussions_my 列出当前用户的讨论
Parameter details
  1. 讨论_搜索 — query, sort_by (hotness/votes/comments/created/updated), source_type, page_size
  2. 讨论列表 — competition, dataset, page_size, since_hours (过滤至持续N小时), new_only (按以下条件筛选 createTime 对比 updateTime)
  3. 讨论_结束 — discussion_id (整数), competition (建议准确)
  4. 讨论意见 — discussion_id, page_size
  5. 讨论_意见_研究 — query, page_size
  6. 讨论_来源 — source_type (competition/dataset/kernel/site_forum/competition_solution/model/write_up/learn_track/benchmark/benchmark_task), query, sort_by, page_size
  7. 讨论_解决方案 — competition (可选段塞), sort_by, page_size
  8. 讨论_文章 — write_up_type (knowledge/competition_solution/hackathon/personal_project/forum_topic/blog), query, page_size
  9. 讨论_趋势 — source_type (可选), page_size
  10. 讨论_ my — page_size

调试

您可以使用 MCP检查员 要调试服务器,请执行以下操作:

npx @modelcontextprotocol/inspector uvx kaggle-mcp-server

检查器将提供一个URL,用于访问浏览器中的调试工具。

发展

git clone https://github.com/Galaxy-Dawn/kaggle-mcp.git
cd kaggle-mcp
uv sync

然后使用本地路径在MCP客户端中配置服务器,或使用 MCP检查员.

贡献

欢迎投稿!请在上打开问题或提交拉取请求 GitHub存储库.

许可证

该项目根据MIT许可证获得许可。请参阅 许可证 文件以获取详细信息。