Visualization MCP Server

🚀 可視化MCP服務器

可視化MCP服務器是一款強大的模型上下文協議（MCP）服務器，可藉助matplotlib創建交互式數據可視化。它提供了豐富的可視化工具，涵蓋關係圖、散點圖、3D可視化等。

✨ 主要特性

• 🔗 關係圖：創建網絡圖以可視化實體之間的連接。
• 📊 散點圖：提供基本散點圖和分類散點圖，且樣式可自定義。
• 🌐 3D可視化：支持3D散點圖、曲面圖和線框圖。
• 📈 統計圖表：包括直方圖、折線圖和熱力圖。
• 💾 自動保存：自動將高分辨率圖像保存到臨時目錄。
• 🖼️ 即時顯示：在交互式matplotlib窗口中顯示圖表。
• 🎨 可定製：在顏色、標籤和佈局方面提供豐富的樣式選項。

📦 安裝指南

前提條件

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

克隆並運行

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

💻 使用示例

1. Cladue桌面客戶端配置

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

服務器提供了多種可視化工具，可通過MCP協議調用：

基礎用法

1. 關係圖

創建網絡圖以展示實體之間的關係：

# 示例：展示A、B、C、D之間的關係
nodes = ["Alice", "Bob", "Charlie", "Diana"]
edges = [["Alice", "Bob"], ["Bob", "Charlie"], ["Alice", "Charlie"], ["Charlie", "Diana"]]

# 調用：create_relationship_graph(nodes, edges, "社交網絡")

參數：

• nodes：節點名稱列表
• edges：連接列表（節點名稱對）
• title：圖表標題（可選）
• node_size：節點大小（默認值：1000）
• font_size：標籤字體大小（默認值：12）

2. 散點圖

創建帶有可選標籤和顏色的基本散點圖：

# 示例：基本散點圖
x_data = [1, 2, 3, 4, 5]
y_data = [2, 5, 3, 8, 7]
labels = ["點A", "點B", "點C", "點D", "點E"]

# 調用：create_scatter_plot(x_data, y_data, labels, title="我的散點圖")

參數：

• x_data：X軸值
• y_data：Y軸值
• labels：點標籤（可選）
• colors：點顏色（可選）
• title、x_label、y_label：圖表標籤
• size：點大小（默認值：50）

3. 分類散點圖

可視化按類別分組的數據點：

# 示例：分類可視化
x_data = [1, 2, 3, 4, 5, 6]
y_data = [2, 3, 1, 5, 4, 6]
categories = ["類型A", "類型A", "類型B", "類型B", "類型C", "類型C"]

# 調用：create_classification_plot(x_data, y_data, categories)

參數：

• x_data：X軸值
• y_data：Y軸值
• categories：每個點的類別標籤
• title、x_label、y_label：圖表標籤

4. 3D可視化

創建具有多種可視化類型的3D圖表：

# 示例：3D散點圖
x_data = [1, 2, 3, 4, 5]
y_data = [2, 4, 1, 5, 3]
z_data = [3, 1, 4, 2, 5]

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

參數：

• x_data、y_data、z_data：3D座標
• plot_type："scatter"、"surface"或"wireframe"
• title、x_label、y_label、z_label：圖表標籤

5. 其他圖表

直方圖

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

折線圖

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

熱力圖

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

高級用法

每個可視化函數：

1. 顯示：在交互式matplotlib窗口中顯示圖表。
2. 保存：將高分辨率PNG文件保存到系統臨時目錄。
3. 返回：返回保存圖像的文件路徑。

示例輸出：

"圖表已保存到：/tmp/relationship_graph_20250802_143022.png 並已顯示"

📚 詳細文檔

文件管理

• 圖像以時間戳保存，避免衝突。
• 文件存儲在系統臨時目錄：
  • Windows：C:\Users\username\AppData\Local\Temp\
  • macOS/Linux：/tmp/
• 採用高分辨率（300 DPI）PNG格式。

MCP集成

此服務器遵循模型上下文協議標準，可與兼容MCP的客戶端集成。服務器默認在stdio傳輸上運行。

服務器配置

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

示例

社交網絡分析

# 可視化社交連接
nodes = ["Alice", "Bob", "Charlie", "Diana", "Eve"]
relationships = [
    ["Alice", "Bob"], 
    ["Bob", "Charlie"], 
    ["Charlie", "Diana"],
    ["Alice", "Eve"], 
    ["Eve", "Diana"]
]
# 創建一個顯示社交連接的網絡圖

數據分類

# 可視化機器學習結果
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 = ["A類", "B類", "A類", "B類", "B類", "A類"]
# 創建一個分類散點圖

科學數據

# 3D科學可視化
x_coords = [0, 1, 2, 3, 4]
y_coords = [0, 1, 4, 9, 16]
z_coords = [0, 1, 8, 27, 64]
# 創建一個3D曲面或散點圖

錯誤處理

服務器包含全面的錯誤處理：

• 檢測無效數據格式。
• 驗證缺失參數。
• 恢復matplotlib渲染錯誤。
• 檢查文件系統權限。

貢獻

1. 分叉倉庫。
2. 創建功能分支（git checkout -b feature/amazing-feature）。
3. 提交更改（git commit -m '添加驚人功能'）。
4. 推送到分支（git push origin feature/amazing-feature）。
5. 打開拉取請求。

許可證

本項目採用MIT許可證，請參閱LICENSE文件瞭解詳細信息。

依賴項

• matplotlib：核心繪圖庫。
• networkx：圖形/網絡可視化。
• numpy：數值計算。
• pandas：數據處理。
• mcp：MCP服務器框架。

路線圖

• [ ] 交互式繪圖小部件。
• [ ] 動畫支持。
• [ ] 導出為多種格式（SVG、PDF）。
• [ ] 自定義配色方案。
• [ ] 集成統計分析。
• [ ] 即時數據流繪圖。

支持

如果遇到任何問題或有疑問：

1. 查看問題頁面。
2. 創建一個詳細描述問題的新問題。
3. 提供示例數據和錯誤消息。

為MCP生態系統精心打造 ❤️