DataMaster MCP Server
项目简介
DataMaster MCP Server 是一个功能强大的数据分析管理服务器，基于 Model Context Protocol (MCP) 构建。这个项目源于现代数据分析工作中遇到的几个核心痛点：
- 数据源碎片化：企业数据分散在数据库、API、文件等不同系统中，整合困难
- 分析流程复杂：从数据获取到分析结果需要多个工具切换，效率低下
- 协作困难：数据分析师、开发人员、业务人员之间缺乏统一的交互接口
- 重复劳动：每次分析都要重复编写数据连接、清洗、转换的代码
为了解决这些问题，我们开发了这个 一站式数据管理和分析平台，将数据库操作、API集成、数据处理、分析计算等功能整合到一个统一的MCP服务器中。用户只需要通过简单的自然语言指令，就能完成复杂的数据分析任务。
核心功能特性
🔍 多数据源集成
- 支持SQLite、MySQL、PostgreSQL等主流数据库
- 集成RESTful API数据获取
- 统一的数据源管理界面
📊 智能数据处理
- 数据清洗（去重、缺失值处理、类型转换）
- 数据转换（列重命名、标准化、计算新列）
- 数据筛选（条件过滤、采样、列选择）
📈 高级分析能力
- 描述性统计分析
- 趋势分析和预测
- 数据可视化预览
💾 灵活数据导出
- 支持Excel、CSV、JSON等多种格式
- 自动生成标准化报告
- 一键分享分析结果
部署指南
环境要求
- Python: 3.8 或更高版本
- 操作系统: Windows 10/11, macOS 10.15+, Ubuntu 18.04+
- 内存: 最少4GB RAM（推荐8GB以上）
- 存储: 至少1GB可用空间
2. 安装依赖
pip install datamaster-mcp
3. 配置文件设置
创建配置文件 config/mcp_config.json：
{
"mcpServers": {
"datamaster-mcp": {
"command": "uvx",
"args": [
"datamaster-mcp"
]
}
}
}
使用示例
示例1：连接数据库并查询数据
用户输入：
连接到本地的sales数据库，查询2024年的销售数据
系统响应：
✅ 数据库连接成功！
📊 查询结果：找到15,847条2024年销售记录
数据概览：
├─ 总销售额：¥2,847,392.50
├─ 订单数量：15,847笔
├─ 平均订单金额：¥179.68
└─ 数据时间范围：2024-01-01 至 2024-12-31
数据已保存到表：sales_2024_analysis
示例2：API数据获取和分析
用户输入：
从天气API获取北京最近7天的天气数据，分析温度趋势
系统响应：
🌤️ 天气数据获取成功！
📈 温度趋势分析完成
7天温度统计：
├─ 最高温度：28.5°C (10月15日)
├─ 最低温度：12.3°C (10月12日)
├─ 平均温度：20.8°C
└─ 温度变化：整体呈下降趋势 (-3.2°C)
📊 数据可视化已生成：exports/weather_trend_20241015_143022.png
示例3：数据清洗和导出
用户输入：
清洗用户数据表，去除重复邮箱，填充缺失的手机号码
系统响应：
🧹 数据清洗完成！
清洗结果统计：
├─ 原始记录：8,432条
├─ 重复邮箱：127条（已删除）
├─ 缺失手机：2,156条（已填充默认值）
├─ 数据类型转换：3列
└─ 清洗后记录：8,305条
📤 清洗结果已导出：exports/cleaned_users_20241015_144512.xlsx
示例4：复杂SQL查询和可视化
用户输入：
查询每个产品类别的月度销售额，按销售额降序排列
系统响应：
📊 查询执行成功！
月度销售排行榜：
├─ 电子产品：¥847,392.00 (占比29.7%)
├─ 服装配饰：¥624,193.50 (占比21.9%)
├─ 家居用品：¥518,472.30 (占比18.2%)
├─ 图书文具：¥392,847.20 (占比13.8%)
└─ 运动户外：¥347,392.00 (占比12.2%)
📈 可视化图表已生成：
├─ 柱状图：exports/category_sales_bar_20241015_145533.png
├─ 饼图：exports/category_sales_pie_20241015_145533.png
└─ 数据表：exports/category_monthly_sales.xlsx
实际使用截图展示
主界面展示
┌─────────────────────────────────────────────────────────────┐
│ DataMaster MCP Server │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 🔍 数据源管理 📊 数据分析 ⚙️ 数据处理 🌐 API │ │
│ └─────────────────────────────────────────────────────┘ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ 已连接数据源: │ │
│ │ 📊 SQLite数据库: analysis.db (已连接) │ │
│ │ 🌐 天气API: api.weather.com (已配置) │ │
│ │ 📈 股票API: api.stocks.com (已配置) │ │
│ └─────────────────────────────────────────────────────┘ │
│ [输入指令] > 连接到sales数据库，查询2024年销售数据... │
└─────────────────────────────────────────────────────────────┘
数据库连接配置
┌─────────────────────────────────────────┐
│ 数据库连接配置 │
├─────────────────────────────────────────┤
│ 数据库类型: SQLite │
│ 数据库路径: ./data/sales.db │
│ 连接状态: ✅ 已连接 │
│ 表数量: 12张 │
│ 总记录数: 125,847条 │
├─────────────────────────────────────────┤
│ 可用表: │
│ • customers (8,432条) │
│ • orders (15,847条) │
│ • products (342条) │
│ • sales_records (45,293条) │
└─────────────────────────────────────────┘
数据查询结果
┌─────────────────────────────────────────────┐
│ SQL查询结果 │
├─────────────────────────────────────────────┤
│ 查询: SELECT * FROM sales WHERE year=2024 │
│ 执行时间: 0.23秒 │
│ 返回记录: 15,847条 │
├─────────────────────────────────────────────┤
│ 数据概览: │
│ ├─ 总销售额: ¥2,847,392.50 │
│ ├─ 平均订单: ¥179.68 │
│ ├─ 最高单笔: ¥12,450.00 │
│ └─ 数据范围: 2024-01-01 ~ 2024-12-31 │
└─────────────────────────────────────────────┘
API数据获取
┌─────────────────────────────────────────────┐
│ API数据获取 │
├─────────────────────────────────────────────┤
│ API名称: 天气数据API │
│ 请求URL: api.weather.com/v1/forecast │
│ 响应状态: ✅ 200 OK │
│ 数据大小: 45.2 KB │
├─────────────────────────────────────────────┤
│ 数据预览: │
│ 日期 温度 湿度 天气 │
│ 2024-10-15 28.5°C 65% 晴 │
│ 2024-10-14 26.2°C 70% 多云 │
│ 2024-10-13 24.8°C 72% 阴 │
└─────────────────────────────────────────────┘
数据清洗工具
┌─────────────────────────────────────────────┐
│ 数据清洗结果 │
├─────────────────────────────────────────────┤
│ 清洗前记录: 8,432条 │
│ 清洗后记录: 8,305条 │
│ 删除重复: 127条 │
│ 填充缺失: 2,156条 │
├─────────────────────────────────────────────┤
│ 清洗操作: │
│ ✓ 去除重复邮箱地址 │
│ ✓ 填充缺失手机号码 │
│ ✓ 标准化日期格式 │
│ ✓ 验证邮箱格式 │
└─────────────────────────────────────────────┘
分析结果导出
┌─────────────────────────────────────────────┐
│ 导出结果 │
├─────────────────────────────────────────────┤
│ 导出格式: Excel (.xlsx) │
│ 文件路径: exports/sales_analysis.xlsx │
│ 文件大小: 2.34 MB │
│ 包含工作表: 3个 │
├─────────────────────────────────────────────┤
│ 工作表内容: │
│ • 销售概览 │
│ • 月度趋势 │
│ • 产品分析 │
└─────────────────────────────────────────────┘
高级使用技巧
批量处理
# 批量处理多个数据表
python -m datamaster_mcp.main --batch-process tables.txt --config batch_config.json
定时任务
# 设置定时数据更新
python -m datamaster_mcp.main --schedule "0 9 * * *" --task daily_report
自定义分析模板
{
"template_name": "monthly_sales_analysis",
"steps": [
{"action": "query", "sql": "SELECT * FROM sales WHERE date >= ?"},
{"action": "clean", "config": {"remove_duplicates": true}},
{"action": "analyze", "type": "trend"},
{"action": "export", "format": "excel"}
]
}
故障排除
常见问题
Q: 连接数据库失败 A: 检查数据库配置和网络连接，确保数据库服务正在运行
Q: API请求超时 A: 增加API超时时间设置，检查网络连接稳定性
Q: 内存不足错误 A: 减少单次处理的数据量，或增加系统内存
日志查看
# 查看实时日志
tail -f logs/datamaster.log
# 查看错误日志
grep ERROR logs/datamaster.log
技术支持
DataMaster MCP Server - 让数据分析变得简单而强大！