Visualization MCP Server

🚀 Visualization MCP Server

強力なModel Context Protocol (MCP)サーバーで、matplotlibを使用してインタラクティブなデータ可視化を作成できます。このサーバーは、関係グラフ、散布図、3D可視化など、包括的な可視化ツールを提供します。

✨ 主な機能

• 🔗 関係グラフ：エンティティ間の接続を可視化するネットワーク図を作成します。
• 📊 散布図：カスタマイズ可能なスタイルの基本的な散布図と分類散布図が利用できます。
• 🌐 3D可視化：3D散布図、曲面プロット、ワイヤーフレームのサポートがあります。
• 📈 統計チャート：ヒストグラム、折れ線グラフ、ヒートマップが用意されています。
• 💾 自動保存：高解像度の画像を一時ディレクトリに自動保存します。
• 🖼️ ライブ表示：インタラクティブなmatplotlibウィンドウでプロットを表示します。
• 🎨 カスタマイズ可能：色、ラベル、レイアウトなど、幅広いスタイルオプションがあります。

📦 インストール

前提条件

$ python3 -m venv .venv --upgrade-deps 
$ source .venv/bin/activate
$ pip install "mcp[cli]" httpx
$ pip install   matplotlib numpy pandas networkx

クローンと実行

git clone https://github.com/xlisp/visualization-mcp-server.git
cd visualization-mcp-server
python visualization_server.py

💻 使用例

基本的な使用法

1. Cladue Desktop Client Config

    "visualization": {
      "command": "/Users/clojure/Desktop/visualization-mcp-server/.venv/bin/python",
      "args": [
        "/Users/clojure/Desktop/visualization-mcp-server/visualization_server.py"
      ]
    }

サーバーは、MCPプロトコルを介して呼び出せるいくつかの可視化ツールを提供します。

1. 関係グラフ

エンティティ間の関係を示すネットワーク図を作成します。

# Example: Show relationships between A, B, C, D
nodes = ["Alice", "Bob", "Charlie", "Diana"]
edges = [["Alice", "Bob"], ["Bob", "Charlie"], ["Alice", "Charlie"], ["Charlie", "Diana"]]

# Call: create_relationship_graph(nodes, edges, "Social Network")

パラメータ:

• nodes: ノード名のリスト
• edges: 接続のリスト（ノード名のペア）
• title: グラフのタイトル（オプション）
• node_size: ノードのサイズ（デフォルト: 1000）
• font_size: ラベルのフォントサイズ（デフォルト: 12）

2. 散布図

オプションのラベルと色を持つ基本的な散布図を作成します。

# Example: Basic scatter plot
x_data = [1, 2, 3, 4, 5]
y_data = [2, 5, 3, 8, 7]
labels = ["Point A", "Point B", "Point C", "Point D", "Point E"]

# Call: create_scatter_plot(x_data, y_data, labels, title="My Scatter Plot")

パラメータ:

• x_data: X軸の値
• y_data: Y軸の値
• labels: 点のラベル（オプション）
• colors: 点の色（オプション）
• title, x_label, y_label: チャートのラベル
• size: 点のサイズ（デフォルト: 50）

3. 分類散布図

カテゴリ別にグループ化されたデータポイントを可視化します。

# Example: Classification visualization
x_data = [1, 2, 3, 4, 5, 6]
y_data = [2, 3, 1, 5, 4, 6]
categories = ["Type A", "Type A", "Type B", "Type B", "Type C", "Type C"]

# Call: create_classification_plot(x_data, y_data, categories)

パラメータ:

• x_data: X軸の値
• y_data: Y軸の値
• categories: 各点のカテゴリラベル
• title, x_label, y_label: チャートのラベル

4. 3D可視化

複数の可視化タイプを持つ3Dプロットを作成します。

# Example: 3D scatter plot
x_data = [1, 2, 3, 4, 5]
y_data = [2, 4, 1, 5, 3]
z_data = [3, 1, 4, 2, 5]

# Call: create_3d_plot(x_data, y_data, z_data, plot_type="scatter")

パラメータ:

• x_data, y_data, z_data: 3D座標
• plot_type: "scatter", "surface", または "wireframe"
• title, x_label, y_label, z_label: チャートのラベル

5. 追加のチャート

ヒストグラム

# create_histogram(data, bins=30, title="Distribution")

折れ線グラフ

# create_line_plot(x_data, y_data, line_style="-", color="blue")

ヒートマップ

# create_heatmap(data_matrix, x_labels, y_labels, colormap="viridis")

高度な使用法

各可視化関数は、以下のことを行います。

1. インタラクティブなmatplotlibウィンドウでプロットを表示します。
2. 高解像度のPNGファイルをシステムの一時ディレクトリに保存します。
3. 画像が保存されたファイルパスを返します。

出力例:

"Graph saved to: /tmp/relationship_graph_20250802_143022.png and displayed"

📚 ドキュメント

ファイル管理

• 画像はタイムスタンプ付きで保存され、衝突を避けます。
• ファイルはシステムの一時ディレクトリに保存されます。
  • Windows: C:\Users\username\AppData\Local\Temp\
  • macOS/Linux: /tmp/
• 高解像度（300 DPI）のPNG形式です。

MCP統合

このサーバーはModel Context Protocol標準に準拠しており、MCP互換のクライアントと統合できます。サーバーはデフォルトでstdioトランスポートで動作します。

サーバー設定

if __name__ == "__main__":
    mcp.run(transport='stdio')

具体的な使用例

ソーシャルネットワーク分析

# Visualize social connections
nodes = ["Alice", "Bob", "Charlie", "Diana", "Eve"]
relationships = [
    ["Alice", "Bob"], 
    ["Bob", "Charlie"], 
    ["Charlie", "Diana"],
    ["Alice", "Eve"], 
    ["Eve", "Diana"]
]
# Creates a network graph showing social connections

データ分類

# Visualize machine learning results
features_x = [1.2, 2.3, 1.8, 3.1, 2.9, 1.5]
features_y = [2.1, 3.2, 1.9, 4.1, 3.8, 2.2]
predictions = ["Class A", "Class B", "Class A", "Class B", "Class B", "Class A"]
# Creates a classification scatter plot

科学データ

# 3D scientific visualization
x_coords = [0, 1, 2, 3, 4]
y_coords = [0, 1, 4, 9, 16]
z_coords = [0, 1, 8, 27, 64]
# Creates a 3D surface or scatter plot

エラー処理

サーバーには包括的なエラー処理が組み込まれています。

• 無効なデータ形式の検出
• 欠落したパラメータの検証
• matplotlibのレンダリングエラーの回復
• ファイルシステムのパーミッションチェック

貢献の方法

1. リポジトリをフォークします。
2. 機能ブランチを作成します (git checkout -b feature/amazing-feature)。
3. 変更をコミットします (git commit -m 'Add amazing feature')。
4. ブランチにプッシュします (git push origin feature/amazing-feature)。
5. プルリクエストを作成します。

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています。詳細についてはLICENSEファイルを参照してください。

依存関係

• matplotlib: コアのプロットライブラリ
• networkx: グラフ/ネットワーク可視化
• numpy: 数値計算
• pandas: データ操作
• mcp: MCPサーバーフレームワーク

ロードマップ

• [ ] インタラクティブなプロットウィジェット
• [ ] アニメーションサポート
• [ ] 複数の形式（SVG、PDF）へのエクスポート
• [ ] カスタムカラースキーム
• [ ] 統計分析の統合
• [ ] リアルタイムデータストリーミングプロット

サポート

問題が発生した場合や質問がある場合は、以下の手順を行ってください。

1. Issuesページを確認します。
2. 詳細な説明を付けて新しいissueを作成します。
3. サンプルデータとエラーメッセージを含めます。

Made with ❤️ for the MCP ecosystem