ChatBI MCP Server
准备环境
配置LLM API Key
cp .env.example .env
编辑.env文件，填写LLM信息，要生成代码，建议填写相对比较强的模型，比如GLM 4.5、Qwen-235B-A22B、Kimi K2等，至少Qwen3-32B，规模再小的生成代码质量会比较差，分析效果差。
安装依赖
uv venv .venv --python=3.11
source .venv/bin/activate
uv pip install -r requirements.txt
运行服务
cd src
python pandas_mcp_server.py
使用
配置ChatBI MCP Server
使用任意支持MCP Server的客户端，比如Cherry Studio，配置如下：
其中验证信息，在config.yaml中，可以自行修改。默认值为eyJzdWIiOiAidXNlcjEyMyIsICJpYXQiOiAxNzUxODA5ODIwLCAiZXhwIjogMTc1MTgxMzQyMH0。
注意：超时时间设置长一点，因为涉及LLM生成代码、如果出错还需要改错
添加完成后，点击“保存”，然后点击又上方的开启选项，切换到“工具”标签页：
如果能正常列出工具，说明配置正确。
使用ChatBI MCP Server
常规统计
使用时，记得开启这个MCP Server：
可视化
结合mcp-server-chart使用
综合运用
通过指令，自动化数据分析：
生成数据分析计划：
开始分析：
结果报告：
生成的看板：
