MCP Server

这是一个基于Python的MCP服务器项目，为LM Studio等AI模型提供安全访问本地CSV和Parquet数据的工具，支持数据分析和处理功能。

研究与数据开发者工具 #数据处理 #CSV分析 #Parquet工具 #MCP协议 .Python

评分 : 2分

下载量 : 0

更新时间 : 2025-09-09

打开站点

什么是MCP-Server?

MCP-Server是一个专门设计的后端服务，它实现了Model Context Protocol标准，让AI助手（如LM Studio）能够安全地与您的本地数据文件交互。它就像一个智能的数据管家，帮助AI理解您电脑上的CSV和Parquet文件内容，而无需直接访问敏感数据。

如何使用MCP-Server?

只需安装配置一次，您的AI助手就能自动通过MCP-Server访问数据文件。当您询问关于数据文件的问题时，AI会通过安全的协议调用服务器功能，获取文件摘要和信息，然后以自然语言回复您。

适用场景

适合需要快速了解数据文件内容的数据分析师、研究人员，或者想要用自然语言查询数据信息的普通用户。无需编写复杂代码，只需简单对话就能获得数据洞察。

主要功能

CSV文件智能摘要

自动读取CSV文件并提供清晰的内容摘要，包括列名、数据类型和示例数据

Parquet文件分析

支持Parquet格式文件，提供文件结构和数据概览

安全数据访问

通过标准MCP协议确保数据访问的安全性，AI只能通过定义好的接口访问数据

无缝AI集成

专为LM Studio等AI平台设计，配置简单，使用方便

优势

无需编程经验即可查询数据文件信息

保护数据隐私，AI只能访问允许的信息

支持常见数据格式(CSV, Parquet)

配置简单，一次设置长期使用

局限性

目前主要支持结构化数据文件

需要基本的命令行操作知识进行初始配置

依赖外部AI平台(如LM Studio)作为交互界面

如何使用

安装uv包管理器

uv是一个快速的Python包管理工具，需要先安装它

下载项目并安装依赖

获取项目代码并安装所有必要的软件包

配置LM Studio

在LM Studio的mcp.json配置文件中添加服务器信息

开始使用

重启LM Studio，现在您可以直接用自然语言询问数据文件的相关问题了

使用案例

快速了解数据文件内容

当您收到一个新的数据文件，但不确定里面包含什么内容时

检查数据文件的基本信息

需要快速确认文件的大小、结构和基本统计信息

常见问题

我需要编程知识才能使用这个服务器吗？

我的数据文件安全吗？

支持哪些数据格式？

如果uv安装失败怎么办？

🚀 MCP-Server

MCP-Server 是一个作为应用程序后端的项目。它实现了 Model Context Protocol (MCP)，允许像 LM Studio 这样的 AI 模型与本地数据和自定义工具进行安全交互。例如，该服务器可以处理 CSV 和 Parquet 格式的数据，并提供数据处理和分析工具。

🚀 快速开始

安装依赖

强烈建议使用 uv 来安装和管理依赖，因为它是一个快速且现代的 Python 项目管理器。

安装 uv：确保您的系统已安装 uv。若未安装，可按以下方式进行安装：
```
curl -LsSf https://astral.sh/uv/install.sh | sh
```
对于 Windows（若未安装 curl）：
```
pip install uv
```
或者
```
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
```
重新启动终端，使 uv 命令可用。使用 uv --version 检查安装情况。

克隆仓库：

git clone <repository-url>
cd mcp-server

设置虚拟环境并安装依赖：

uv venv
.venv\Scripts\activate # 在 MacOS 或 Linux 上：source .venv/bin/activate
uv pip install -r requirements.txt

启动 MCP 服务器

要启动 MCP 服务器，请导航到项目根目录并执行以下命令：

uv run main.py

服务器现在将等待来自客户端（如 LM Studio）的连接。不过，服务器无需一直运行，因为 LM Studio 可以在需要时自动（在后台）启动它。

与 LM Studio 集成

要将 LM Studio 与您的 MCP 服务器连接，需要调整 LM Studio 的配置文件。

编辑 LM Studio 中的 mcp.json：编辑 LM Studio 中的 mcp.json 文件。

将服务器添加到配置中：将以下 JSON 代码添加到 mcp.json 文件中，并将 /ABSOLUTE/PATH/TO/mcp-server 替换为您项目文件夹的实际绝对路径。确保 uv 在系统路径中，或者提供 uv 可执行文件的完整路径：

{
  "mcpServers": {
    "mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/ABSOLUTE/PATH/TO/mcp-server",
        "run",
        "main.py"
      ]
    }
  }
}

重启 LM Studio：重启 LM Studio 后，您的 MCP 服务器工具应该可用。检查 LM Studio 的设置或界面，找到已注册的工具（summarize_csv_file、summarize_parquet_file）。

在 LM Studio 中进行示例查询

现在您可以要求 LM Studio 使用您的工具，例如：

"总结名为 sample.csv 的 CSV 文件。"
"sample.parquet 有多少行？"

✨ 主要特性

实现了 Model Context Protocol (MCP)，支持 AI 模型与本地数据和自定义工具进行安全交互。
可以处理 CSV 和 Parquet 格式的数据，并提供数据处理和分析工具。

📦 安装指南

见快速开始部分的安装依赖步骤。

💻 使用示例

基础用法

启动 MCP 服务器：

uv run main.py

在 LM Studio 中使用工具：

"总结名为 `sample.csv` 的 CSV 文件。"

📚 详细文档

项目结构

main.py：启动 MCP 服务器的主文件。
server.py：包含 MCP 服务器的逻辑，并注册工具。
generate_parquet.py：用于从其他数据源（如 sample.csv）生成 Parquet 文件的脚本。
data/：示例数据目录（sample.csv、sample.parquet）。
tools/：包含 MCP 工具定义：
- csv_tools.py：处理 CSV 文件的函数。
- parquet_tools.py：处理 Parquet 文件的函数。
utils/：包含可重复使用的辅助函数，用于读取文件：
- file_reader.py：读取 CSV 和 Parquet 文件并总结其内容的辅助函数。
pyproject.toml：项目配置文件，管理项目的依赖项。
uv.lock：依赖项的锁定文件，由 uv 生成。

数据

示例数据位于 data/ 目录中。

工具

此目录（csv_tools.py、parquet_tools.py）中的工具主要用于通过 main.py 和 server.py 与 MCP 服务器集成。无需直接运行这些工具，因为 MCP 服务器会在需要时调用它们。

实用工具 (`utils/`)

utils/ 目录包含可重复使用的辅助函数（如 file_reader.py），供工具用于处理和总结数据。

🔧 技术细节

本项目基于 Python 开发，使用 uv 作为项目管理器。实现了 Model Context Protocol (MCP)，使得 AI 模型能够与本地数据和自定义工具进行交互。通过 server.py 注册工具，main.py 启动服务器，tools/ 目录下的工具可以处理 CSV 和 Parquet 格式的数据，utils/ 目录下的辅助函数提供了文件读取和内容总结的功能。