mcpField
🔧
🔧 MCP Data Analytics Server

🔧 MCP Data Analytics Server

Local
github.com/Edwin1719Data & Analytics2Updated 21w ago
Repository

About 🔧 MCP Data Analytics Server

MCP Data Analytics Server provides data-processing, analysis, and visualization tools alongside a Streamlit web interface. It is aimed at users working with files and datasets, with additional tools for web content and format conversion.

Key features

  1. 01Analyze and read files
  2. 02Calculate dataset statistics
  3. 03Create pivot tables
  4. 04Build interactive Plotly charts
  5. 05Search GitHub and scrape web pages
  6. 06Convert CSV, JSON, Excel, and Parquet

Use cases

  1. 01Review statistics from a sales dataset
  2. 02Visualize monthly sales as a chart
  3. 03Search GitHub for data-analysis repositories
  4. 04Convert an Excel file to JSON

MCP support

Exposes file, data-analysis, visualization, web, and conversion tools through an MCP server. The project also provides a Streamlit interface.

Configuration

Local server config is the same for every client. Copy it into your client’s MCP config file.

No install method listed yet

We haven’t collected a package or remote endpoint for this server. Follow the instructions in the project README.

Repository

Tools

No tool list yet

Local servers expose tools only once running on your machine, and the maintainer has not provided a tool list.

Details

From the project README

🔧 MCP Data Analytics Server

texto del vínculo

Servidor MCP para análisis de datos con interfaz Streamlit

Un servidor de análisis de datos construido con FastMCP que proporciona herramientas para procesamiento, análisis y visualización de datos, con una interfaz web intuitiva.

Python Streamlit License

✨ Características

  • 📁 Gestión de Archivos: Análisis, creación y lectura de documentos
  • 📊 Análisis de Datos: Estadísticas, tablas dinámicas, detección de tipos
  • 📈 Visualización: Gráficos interactivos con Plotly
  • 🌐 Web Tools: Búsqueda GitHub, web scraping, descarga de archivos
  • 🔄 Conversión: Entre formatos CSV, JSON, Excel, Parquet

🚀 Instalación

1. Clonar repositorio
git clone https://github.com/Edwin1719/mcp-data-analytics-server.git
cd mcp-data-analytics-server

2. Instalar dependencias
pip install -r requirements.txt

3. Configurar API key
cp .env.example .env
# Editar .env y agregar tu OPENAI_API_KEY

4. Ejecutar
# Terminal 1: Servidor MCP
python server.py

# Terminal 2: Cliente Streamlit  
streamlit run app.py

Abrir navegador en: http://localhost:8501

📋 Herramientas Disponibles

- analizar_archivo: Análisis completo de propiedades de archivos
- crear_archivo: Creación de archivos con contenido
- leer_documento: Lectura de PDFs, TXT, CSV con límites
- analizar_datos: Análisis estadístico de datasets
- tabla_dinamica_avanzada: Tablas dinámicas con agregaciones
- crear_visualizacion: Gráficos con Plotly (barras, líneas, etc.)
- buscar_repositorios_github: Búsqueda avanzada en GitHub
- extraer_contenido_web: Web scraping con selectores CSS
- descargar_archivo_web: Descarga de archivos desde URLs
- convertir_formato_datos: Conversión entre formatos

💡 Ejemplos de Uso:
"Analiza el archivo ventas.csv y muéstrame las estadísticas"
"Crea un gráfico de barras de las ventas por mes"
"Busca repositorios de Python para análisis de datos"
"Convierte mi archivo Excel a JSON".

📋 Requisitos

* Python 3.8+
* OpenAI API Key
* Dependencias en requirements.txt

👨‍💻 Autor
Edwin Quintero Alzate

📧 [email protected]
🔗 LinkedIn
🐱 GitHub

📄 Licencia
MIT License - ver archivo LICENSE

Comments

Markdown supported

New to MCP?

From what the protocol is to installing your first server, these answers cover most first questions.

An open protocol that defines how AI applications connect to external tools and data in a uniform way. Clients talk to the model; MCP servers provide tools, resources and prompt templates. They exchange standard messages, so one server can be reused by many clients.