Statsource MCP Server
2025.04.06
0
Python统计分析机器学习预测数据源支持数据过滤和分组时间序列分析开发效率数据库
Statsource MCP Server 是一个模型上下文协议服务器，提供统计分析能力。该服务器使LLM能够分析来自各种来源的数据，计算统计数据并生成预测。统计工具连接到分析API，允许AI模型基于用户数据执行统计分析并生成ML预测，无论数据是在PostgreSQL数据库还是CSV文件中。
View on GitHub
Overview
基本能力
产品定位
Statsource MCP Server 是一个提供统计分析能力的模型上下文协议服务器，主要用于数据分析和机器学习预测。
核心功能
- 统计分析：计算数据的均值、中位数、标准差、总和、计数、最小值、最大值等统计量。
- 机器学习预测：基于用户数据生成ML预测。
- 数据源支持：支持CSV文件、数据库和API作为数据源。
- 数据过滤和分组：支持按列过滤和分组数据。
- 时间序列分析：支持按日期列进行时间序列分析。
适用场景
- 数据分析：对数据集进行统计分析，生成描述性统计量。
- 预测建模：基于历史数据生成未来预测。
- 数据探索：探索数据集的特征和分布。
- 数据可视化：生成箱线图等可视化统计量。
工具列表
- get_statistics：分析数据并计算统计量或生成ML预测。
- 支持多种统计量计算（均值、中位数、标准差等）。
- 支持ML预测。
- 支持多种数据源（CSV、数据库、API）。
- 支持数据过滤和分组。
- suggest_feature：为StatSource分析平台建议新功能或改进。
- 支持详细描述功能建议。
- 支持说明使用场景和优先级。
常见问题解答
- 数据源问题：对于CSV文件，用户必须先将文件上传到statsource.me并提供文件名。对于数据库，必须提供确切的连接字符串和表名。
- 配置问题：如果未提供
data_source和source_type，工具将尝试使用环境配置中的DB_CONNECTION_STRING和DB_SOURCE_TYPE。 - 过滤和分组：使用
filters、groupby、date_column、start_date和end_date来分析数据的特定子集。
使用教程
使用依赖
无特定安装依赖，可直接使用uvx运行mcp-server-stats。
安装教程
- 使用uv（推荐）：
bash uvx mcp-server-stats - 使用Docker：
bash docker pull jamie78933/statsource-mcp docker run -i --rm jamie78933/statsource-mcp - 使用PIP：
bash pip install mcp-server-stats python -m mcp_server_stats
调试方式
- 使用MCP inspector调试：
bash npx @modelcontextprotocol/inspector uvx mcp-server-stats - 开发调试：
bash cd path/to/servers/ npx @modelcontextprotocol/inspector python -m mcp_server_stats