🚢 TitanicAIAnalysis: Análisis de Datos con Claude y MCP

🚢 TitanicAIAnalysis：Claude と MCP によるデータ分析

このプロジェクトでは、Model Context Protocol (MCP) を使用して、Claude のような言語モデルによる分析向けに構造化データを公開するサーバーを作成する方法を紹介します。有名な Titanic データセットを使ったこの実践例を通じて、データセットを LLM からアクセス可能なリソースやツールに変換する方法を学べます。

📋 目次

• 🚢 TitanicAIAnalysis：Claude と MCP によるデータ分析
  • 📋 目次
  • 🔍 概要
  • 📦 要件
  • 🛠️ インストール
  • 📂 プロジェクト構成
  • ▶️ 実行方法
    • オプション 1：直接実行
    • オプション 2：Claude Desktop にインストール
  • 💬 Claude での使用
    • 利用可能なリソース：
    • 利用可能なツール：
  • 📊 分析例
  • ⚖️ メリットと制限事項
    • メリット
    • 制限事項
  • 🚀 拡張案

🔍 概要

TitanicAIAnalysis は、Kaggle の有名な Titanic データセットを公開する MCP（Model Context Protocol）サーバーの作成方法を紹介する教育用プロジェクトです。Claude は以下を通じて複雑なデータ分析を実行できます。

• リソース（MCP リソース）：構造化データ（Titanic の CSV）と事前計算された統計情報を公開します
• ツール（MCP ツール）：乗客の検索など、特定の機能を提供します

この方法を使えば、ファイルを手動で送信することなく、LLM の能力を活用して構造化データを照会・分析できます。

📦 要件

• Python 3.10 以降
• Claude Desktop（Claude との連携用）
• Titanic.csv ファイル（リポジトリに含まれています。元データは Kaggle）
• MCP サーバーを実行できる環境

🛠️ インストール

1. このリポジトリをクローンします：

   git clone https://github.com/tu-usuario/TitanicAIAnalysis.git
   cd TitanicAIAnalysis
   

2. 仮想環境を設定します（uv を使用）：

   uv init .
   uv venv
   source .venv/bin/activate  # En Windows: .venv\Scripts\activate
   

3. 依存関係をインストールします：

   uv add "mcp[cli]" pandas
   

4. Titanic.csv ファイルがプロジェクトディレクトリにあることを確認します

📂 プロジェクト構成

TitanicAIAnalysis/
│
├── main.py             # Servidor MCP con resources y tools
├── Titanic.csv         # Dataset del Titanic
├── inicio.sh           # Script de inicio para Unix/MacOS
├── inicio.bat          # Script de inicio para Windows (opcional)
└── README.md           # Este archivo

▶️ 実行方法

オプション 1：直接実行

サーバーを直接実行できます。

 python main.py

オプション 2：Claude Desktop にインストール

1. 起動スクリプトを準備し、実行権限を付与します（MacOS/Linux）：

   chmod +x inicio.sh  
   

2. Claude Desktop を設定します：

   • Claude Desktop を開きます
   • ［設定］→［開発者］→［Config を編集］に進みます
   • claude_desktop_config.json を変更します。

   {
     "mcpServers": {
       "TitanicServerMCP": {
         "command": "/ruta/absoluta/a/TitanicAIAnalysis/inicio.sh",
         "args": []
       }
     }
   }
   

   Windows の場合は、inicio.bat の完全なパスまたは次の直接コマンドを使用します。

   {
     "mcpServers": {
       "TitanicServerMCP": {
         "command": "python",
         "args": ["C:\\ruta\\completa\\a\\TitanicAIAnalysis\\inicio.bat"]
       }
     }
   }
   

3. MCP CLI を使ってインストールします（別の方法）：

   cd TitanicAIAnalysis
   mcp install main.py
   

4. Claude Desktop を再起動します

💬 Claude での使用

サーバーを起動して Claude に接続すると、インターフェースにツールアイコン（🔨）が表示されます。

利用可能なリソース：

• titanic://pasajeros - Titanic の全データセット
• titanic://estadisticas - 生存に関する事前計算済み統計情報

利用可能なツール：

• buscar_pasajero - 名前で特定の乗客の情報を検索します

📊 分析の例

公開されているデータを使って、Claude に次のような質問ができます。

1. 「タイタニック号の生存率に関する全般的な統計を表示してください」
2. 「1等客室の乗客と3等客室の乗客では、生存率にどのくらい差がありますか？」
3. 「姓が『Astor』の乗客に関する情報を検索してください」
4. 「社会階級と生存率の相関関係を分析してください」
5. 「災害時に『女性と子どもを優先する』という原則は守られましたか？」
6. 「チケット料金と生存率の間に何らかのパターンはありますか？」
7. 「性別と客室クラス別の生存率を示す簡単なグラフを作成してください」

⚖️ メリットと制限事項

メリット

• 最新データ：データはリクエストのたびにサーバーから読み込まれます
• 構造化データ：Claude は事前に処理されたデータを扱えます
• 動的な分析：データに関するその場での質問に回答できます
• 既存システムとの統合：データベースや内部 API に接続できます

制限事項

• データサイズ：非常に大きなデータセットは、Claude のコンテキスト制限を超える場合があります
• リソースの更新：リソースはリクエスト時に読み込まれます
• 可視化：高度なグラフを作成するには、専用ツールを使うか、可視化ツールを実装するのが適しています

🚀 拡張の可能性

このプロジェクトは、さまざまな方法で拡張できます。

1. パラメーター化されたリソース：titanic://pasajeros/{clase} のようなリソースを実装する
2. 分析ツール：複雑な統計計算のための専用ツールを作成する
3. 可視化：グラフや可視化を生成するツールを追加する
4. データベースとの統合：CSV ファイルの代わりにデータベースへ接続する
5. 予測分析：事前学習済みの ML モデルをツールとして追加する

---