AI导哈

销售数据分析可视化服务

基于FastMCP框架构建的数据分析服务器，专为处理销售交易数据设计，提供CSV数据摄取、统计摘要和柱状图可视化功能，支持模型上下文协议（MCP）集成。

  • by PavasKrishnanS
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 PavasKrishnanS/DataBro_using-MCP

使用说明

💻 DataBro：销售数据分析和可视化服务器（FastMCP）📈

此存储库托管了一个数据分析服务器，该服务器由 FastMCP 框架。它旨在处理和可视化销售交易数据，专门为在支持 **模型上下文协议（MCP）**例如Claude的桌面应用程序。

它提供了强大、易于使用的工具，用于总结CSV数据集并生成可视化见解。

https://claude.ai/public/artifacts/1602c219-c9c3-4bca-9311-982147ad74b2?fullscreen=false

🌟 特性

  • CSV数据摄入： 使用Pandas从原始CSV文本格式安全读取和处理销售数据。
  • 数据汇总： 提供全面的统计摘要(df.describe)以及结构柱信息(df.info).
  • 条形图可视化： 生成并返回Base64编码的PNG图像，用于快速直观地分析关键指标（例如产品性能、销售代表输出）。
  • 模型上下文协议（MCP）就绪： 服务器配置为通过MCP进行通信，使其易于集成，并可由支持平台中的模型作为工具调用。

⚙️ 安装

要运行此项目，您需要Python和所需的库。

先决条件

  • Python 3.8+
  • pip （Python包安装程序）

步骤

  1. 克隆存储库：

    git clone [https://github.com/PavasKrishnanS/DataBro_using-MCP.git](https://github.com/PavasKrishnanS/DataBro_using-MCP.git)
cd DataBro_using-MCP

  2. 安装依赖项：

    pip install pandas matplotlib fastmcp

🚀 用法

服务器首先运行主Python文件。然后，它将监听工具调用（例如，来自像Claude这样的集成AI模型），以执行定义的分析功能。

运行服务器

python data_server.py 

🧱  Core Technology Stack
FastMCP — framework for creating the tool server and exposing functions via the Model Context Protocol (MCP).
Model Context Protocol (MCP) — standard used by tools and AI clients (e.g., Claude) to communicate with the server.
Claude Desktop Context — developed and tested within the Claude desktop environment for seamless tool integration.
Pandas — data manipulation, cleaning, and summarization.
Matplotlib — data visualization engine for chart generation.
Python Standard Library:
base64 — encodes generated charts into Base64 strings for transport and embedding.
io (StringIO, BytesIO) — handles in-memory CSV parsing and image buffering without writing to disk.k.

相关 MCP