Dataset Viewer MCP Server

基本能力

产品定位

Dataset Viewer MCP Server 是一个用于浏览和分析 Hugging Face Hub 上数据集的工具，提供丰富的查询和过滤功能。

核心功能

• 使用 dataset:// URI 方案访问 Hugging Face 数据集
• 支持数据集配置和分割
• 提供分页访问数据集内容
• 处理私有数据集的认证
• 支持搜索和过滤数据集内容
• 提供数据集统计和分析

适用场景

• 数据科学家需要快速浏览和分析公开数据集
• 研究人员需要查询特定数据子集
• 开发者需要集成数据集浏览功能到自己的应用中

工具列表

1. validate: 检查数据集是否存在且可访问
2. get_info: 获取数据集的详细信息
3. get_rows: 获取数据集的分页内容
4. get_first_rows: 获取数据集分割的第一行数据
5. get_statistics: 获取数据集分割的统计信息
6. search_dataset: 在数据集中搜索文本
7. filter: 使用类似SQL的条件过滤行
8. get_parquet: 下载整个Parquet格式的数据集

常见问题解答

• 需要访问私有数据集时，需提供 auth_token 参数
• 分页查询时使用 page 参数（0-based）

使用教程

使用依赖

• Python 3.12 或更高版本
• uv - 快速Python包安装器和解析器

安装教程

1. 克隆仓库:

git clone https://github.com/privetin/dataset-viewer.git
cd dataset-viewer

1. 创建虚拟环境并安装:

# 创建虚拟环境
uv venv

# 激活虚拟环境
# Unix:
source .venv/bin/activate
# Windows:
.venv\Scripts\activate

# 开发模式安装
uv add -e .

调试方式

1. 验证数据集:

{
  "dataset": "stanfordnlp/imdb"
}

1. 获取数据集信息:

{
  "dataset": "stanfordnlp/imdb"
}

1. 搜索数据集内容:

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train",
  "query": "great movie"
}

1. 过滤和排序行:

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train",
  "where": "label = 'positive'",
  "orderby": "text DESC",
  "page": 0
}

1. 获取数据集统计:

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train"
}

许可证

该项目遵循 MIT 开源许可条款，请参阅 MIT 了解完整条款。