mcpField
D
dotplot-mcp

dotplot-mcp

ローカル
github.com/brownglassesデータ・分析111 週間前に更新
リポジトリ

dotplot-mcp について

dotplot-mcpは、集計チャートだけに頼らず、ユーザーごとの日次ドットプロットで行動を分析するプロダクトチーム向けツールです。指標はコードで算出し、Claudeが結果を解釈します。少数サンプルや因果関係の断定には制約を設けています。

主な機能

  1. 01プロダクト分析レポートの生成
  2. 02ユーザー別・日別の活動プロット分析
  3. 03不足しているイベント計測の追加
  4. 04以前のレポートとの比較
  5. 05少数グループでは結論を保留
  6. 06虚栄指標となる価値イベントの拒否

活用シーン

  1. 01ユーザーごとの継続利用パターンを確認
  2. 02価値につながるユーザー行動を特定
  3. 03不足しているプロダクトイベントログを追加
  4. 04現在の分析と以前のレポートを比較

MCP 対応

Claudeに導入できるMCPサーバーを通じてDotplot分析を提供します。READMEでは、このサーバーを使ってClaudeがプロジェクトデータを見つけ、分析してレポートを作成すると説明されています。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定
{
  "mcpServers": {
    "brownglasses-dotplot": {
      "command": "uvx",
      "args": [
        "dotplot-mcp"
      ]
    }
  }
}
起動コマンドuvx dotplot-mcp

ローカルサーバーにはマシン上の実行環境（Node.js 18 以上など）が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
pypidotplot-mcp0.1.4

ツール

16

掲載時のツール一覧 · 2 週間前に更新

パラメーター型必須説明
langstringいいえ
csv_pathanyいいえ
output_pathstringいいえ
value_eventanyいいえ

詳細

Dot Plot MCP

集計グラフではなく、ユーザー一人ひとりを見ましょう。

English | 한국어

report

インストール

これをエージェントに貼り付けると、すべて設定されます。

Set up Dotplot (MCP + skills) — instructions are here https://dotplot-reports.vercel.app/setup.md
または手動で設定する 
claude mcp add --scope user dotplot -- uvx dotplot-mcp

使い方

どのプロジェクトでも、次のように伝えてください。

「自分のプロダクトを分析して」

上記のレポートが表示されます。それだけです。

または、スラッシュコマンドを使ってください。

/dotplot-analyze-product    full analysis and report
/dotplot-add-tracking       find and write the logging you're missing
/dotplot-whats-changed      compare with the previous report

Claude がデータを見つけ、「このユーザーは価値を得た」と言えるアクションを選び、レポートを作成します。イベントテーブルは不要です。orders テーブルがすでにその役割を果たします。

SELECT user_id, created_at::date AS date, 'purchase' AS event FROM orders
UNION ALL
SELECT user_id, added_at::date, 'add_to_wishlist' FROM wishlist_items

まだ何も計測していませんか？ 「不足しているトラッキングを追加して」 と伝えると、Claude がコードを読み、不足しているログ出力を書き、いつまた確認すればよいかを知らせます。

まだ分析するプロダクトがありませんか？サンプルをお試しください 
git clone https://github.com/brownglasses/dotplot-mcp && cd dotplot-mcp
uv run sample_data.py   # 40 fake users with a pattern planted in them
uv run harness.py       # watch the whole pipeline run

これが作られた理由

新しいユーザーが増えている限り、DAU/MAU のグラフは右肩上がりになります。たとえ誰も定着していなくてもです。ユーザーが数百人に達するまでは、最も有益なダッシュボードはYC のドットプロット（David Lieb）です。ユーザーごとに 1 行、日ごとに 1 セル。

正確な分析を保つための 4 つのルールがあります。

  • 計算はコードが行い、AI は解釈のみを行う — 同じデータなら、毎回同じ数値になります
  • サンプル数が少ない場合は判断を保留する — グループ内のユーザーが 5 人未満の場合、何も述べません
  • 相関関係は因果関係ではありません — すべての分析結果に「信じる前に検証してください」と添えます
  • 見栄えだけの指標は使いません — 価値を示すイベントとして open_app を選ぶと、コードが拒否します

レポートはユーザーの言語で作成されます（English、한국어、日本語に標準対応しています。それ以外の言語にも、数値の整合性を保ったまま、その場で翻訳します）。

詳細

MIT

コメント

Markdown 対応

MCP は初めてですか？

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。