plots-mcp

Name: plots-mcp
Author: MR901

ローカル

github.com/MR901データ・分析455 週間前に更新

リポジトリ

plots-mcp について

plots-mcpは、データをチャートに変換するMCPサーバーです。MCPクライアントでの可視化向けで、Mermaidを既定とし、PNG画像やテキストでも出力できます。

主な機能

01折れ線、棒、円、散布図などの生成
02Mermaid、PNG、テキストでの出力
03サンプルデータからフィールド対応を提案
04チャート種別とテーマの一覧表示
05テーマとチャート寸法の設定

活用シーン

01MCPチャットで売上データを可視化
02折れ線チャートで推移を確認
03表形式データからチャートを作成
04テスト画像で画像対応を確認

MCP 対応

チャート描画と設定のツールをMCPクライアントに提供し、stdioとstreamable HTTPに対応します。結果はMermaid、PNG画像、テキストで返せます。

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": {
    "mr901-plots": {
      "command": "uvx",
      "args": [
        "mcp-plots"
      ]
    }
  }
}

起動コマンドuvx mcp-plots

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

pypimcp-plots0.0.1stdio

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

Plots MCP サーバー

データ可視化のための Model Context Protocol（MCP）サーバーです。データからグラフ（折れ線、棒、円、散布図、ヒートマップなど）を描画するツールを提供し、プロットを画像／Base64 テキスト／Mermaid ダイアグラムとして返します。

MCP Plots を選ぶ理由

Mermaid を使った即時表示の、ビジュアルを重視したグラフ（Cursor などの MCP クライアントで直接レンダリングされます）
通常のデータからグラフを生成するためのシンプルなプロンプト
uvx を使ったセットアップ不要の方法、または PyPI／Docker からのインストール
柔軟な出力形式：Mermaid（デフォルト）、PNG 画像、またはテキスト

すぐに使う

MCP クライアントに「売上を示す棒グラフを作成してください：A=100、B=150、C=80」と依頼します
デフォルトの出力は Mermaid なので、Cursor ですぐにダイアグラムがレンダリングされます

クイックスタート

PyPI からインストール（推奨）

pip install mcp-plots
mcp-plots  # Start the server

Cursor ユーザー向け

パッケージをインストールします：pip install mcp-plots

Cursor の MCP 設定（~/.cursor/mcp.json）に追加します：

{
  "mcpServers": {
    "plots": {
      "command": "mcp-plots",
      "args": ["--transport", "stdio"]
    }
  }
}

別の方法（uvx + PyPI を使ったインストール不要の方法）：

{
  "mcpServers": {
    "plots": {
      "command": "uvx",
      "args": ["mcp-plots", "--transport", "stdio"]
    }
  }
}

Cursor を再起動します
次のように依頼します："売上を示す棒グラフを作成してください：A=100、B=150、C=80"

開発環境へのインストール

uvx --from git+https://github.com/mr901/mcp-plots.git run-server.py

ドキュメント → | クイックスタート → | API リファレンス →

MCP レジストリ

このサーバーは MCP レジストリ識別子 io.github.MR901/mcp-plots で公開されています。公式レジストリ API から検索／検証できます：

curl "https://registry.modelcontextprotocol.io/v0/servers?search=io.github.MR901/mcp-plots"

このプロジェクトのレジストリメタデータは server.json で管理されています。

Smithery でインストール

このリポジトリには、Smithery で簡単にセットアップできる smithery.yaml が含まれています。

ファイル：smithery.yaml
ドキュメント：https://smithery.ai/docs/config#smitheryyaml

Smithery CLI を使ったインストール例（必要に応じて --client を変更してください。例：cursor、claude）：

npx -y @smithery/cli install \
  https://raw.githubusercontent.com/mr901/mcp-plots/main/smithery.yaml \
  --client cursor

インストール後、MCP クライアントは smithery.yaml で定義されたコマンドを使い、stdio 経由でサーバーを起動できるようになります。

プロジェクト構成

src/
  app/                # Server construction and runtime
    server.py
  capabilities/       # MCP tools and prompts
    tools.py
    prompts.py
  visualization/      # Plotting engines and configurations
    chart_config.py
    generator.py

要件

Python 3.10 以降
requirements.txt を参照してください

セットアップ方法

uvx（推奨）

Python 環境を管理せずに MCP サーバーを実行する最も簡単な方法です：

# Run directly with uvx (no installation needed)
uvx --from git+https://github.com/mr901/mcp-plots.git run-server.py

# Or install and run the command
uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots

# With custom options
uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots --port 8080 --log-level DEBUG

uvx を使う理由

環境管理不要：Python の依存関係を自動的に処理します
分離実行：専用の仮想環境で実行します
常に最新版：リポジトリから最新のコードを取得します
セットアップ不要：pip install なしですぐに使えます
クロスプラットフォーム：Windows、macOS、Linux で同じコマンドを使えます

PyPI（従来のインストール方法）

依存関係をインストール

pip install -r requirements.txt

サーバーを実行（HTTP トランスポート、デフォルトポート 8000）

python -m src --transport streamable-http --host 0.0.0.0 --port 8000 --log-level INFO

stdio で実行（プロセスを起動する MCP クライアント向け）

python -m src --transport stdio

ローカル開発（ソースから）

git clone https://github.com/mr901/mcp-plots.git
cd mcp-plots
pip install -e .
python -m src --transport stdio --log-level DEBUG

Docker

docker build -t mcp-plots .
docker run -p 8000:8000 mcp-plots

環境変数（任意）：

MCP_TRANSPORT (streamable-http|stdio)
MCP_HOST (デフォルトは 0.0.0.0)
MCP_PORT (デフォルトは 8000)
LOG_LEVEL (デフォルトは INFO)

ツール

list_chart_types() → 利用可能なチャートタイプを返します
list_themes() → 利用可能なテーマを返します
suggest_fields(sample_rows) → データサンプルに基づいてフィールドの役割を提案します
render_chart(chart_type, data, field_map, config_overrides?, options?, output_format?) → MCP コンテンツを返します
generate_test_image() → MCP の画像サポートを確認するためのテスト画像（赤い円）を生成します

Cursor との統合

この MCP サーバーは、Cursor の画像サポートと完全に互換性があります。render_chart ツールを使用すると、次のことができます。

チャートがチャットに直接表示されます - ファイルを保存したり、別のウィンドウを開いたりする必要はありません
AI がチャートを分析できます - ビジョン対応モデルが、可視化について議論し、解釈できます
MCP 形式に完全対応しています - Cursor が想定する正確な base64 PNG 形式を使用します

サーバーは、Cursor が要求する MCP 形式で画像を返します。

{
  "content": [
    {
      "type": "image", 
      "data": "<base64-encoded-png>",
      "mimeType": "image/png"
    }
  ]
}

呼び出し例（疑似コード）：

render_chart(
  chart_type="bar",
  data=[{"category":"A","value":10},{"category":"B","value":20}],
  field_map={"category_field":"category","value_field":"value"},
  config_overrides={"title":"Example Bar","width":800,"height":600,"output_format":"MCP_IMAGE"}
)

戻り値の形式（PNG）：

{
  "status": "success",
  "content": [{"type":"image","data":"<base64>","mimeType":"image/png"}]
}

設定

サーバーは、環境変数またはコマンドライン引数で設定できます。

サーバー設定

MCP_TRANSPORT - トランスポートタイプ：streamable-http または stdio（デフォルト：streamable-http）
MCP_HOST - ホストアドレス（デフォルト：0.0.0.0）
MCP_PORT - ポート番号（デフォルト：8000）
LOG_LEVEL - ログレベル：DEBUG、INFO、WARNING、ERROR、CRITICAL（デフォルト：INFO）
MCP_DEBUG - デバッグモードを有効にします：true または false（デフォルト：false）

チャート設定

CHART_DEFAULT_WIDTH - デフォルトのチャート幅（ピクセル単位）（デフォルト：800）
CHART_DEFAULT_HEIGHT - デフォルトのチャートの高さ（ピクセル単位）（デフォルト：600）
CHART_DEFAULT_DPI - デフォルトのチャート DPI（デフォルト：100）
CHART_MAX_DATA_POINTS - チャートあたりの最大データポイント数（デフォルト：10000）

コマンドラインでの使用方法

uvx を使用する場合（推奨）：

uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots --help

# Examples:
uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots --port 8080 --log-level DEBUG
uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots --chart-width 1200 --chart-height 800

従来の Python を使用する場合：

python -m src --help

# Examples:
python -m src --transport streamable-http --host 0.0.0.0 --port 8000
python -m src --log-level DEBUG --chart-width 1200 --chart-height 800

Docker

イメージをビルドします：

docker build -t mcp-plots .

カスタム設定でコンテナを実行します：

docker run --rm -p 8000:8000 \
  -e MCP_TRANSPORT=streamable-http \
  -e MCP_HOST=0.0.0.0 \
  -e MCP_PORT=8000 \
  -e LOG_LEVEL=INFO \
  -e CHART_DEFAULT_WIDTH=1000 \
  -e CHART_DEFAULT_HEIGHT=700 \
  -e CHART_DEFAULT_DPI=150 \
  -e CHART_MAX_DATA_POINTS=5000 \
  mcp-plots

Cursor MCP との統合

Cursor のクイックセットアップ

Plots MCP Server は、Cursor の MCP サポートとシームレスに連携するよう設計されています。統合方法は次のとおりです。

1. Cursor の MCP 設定に追加する

次の内容を Cursor の MCP 設定ファイル（~/.cursor/mcp.json など）に追加します。

{
  "mcpServers": {
    "plots": {
      "command": "uvx",
      "args": [
        "--from", 
        "git+https://github.com/mr901/mcp-plots.git@main",
        "mcp-plots",
        "--transport", 
        "stdio"
      ],
      "env": {
        "LOG_LEVEL": "INFO",
        "CHART_DEFAULT_WIDTH": "800",
        "CHART_DEFAULT_HEIGHT": "600"
      }
    }
  }
}

2. 別の方法：HTTP トランスポート

HTTP ベースで統合する場合：

{
  "mcpServers": {
    "plots-http": {
      "command": "uvx",
      "args": [
        "--from", 
        "git+https://github.com/mr901/mcp-plots.git@main", 
        "mcp-plots",
        "--transport", 
        "streamable-http",
        "--host", 
        "127.0.0.1",
        "--port", 
        "8000"
      ]
    }
  }
}

3. ローカル開発環境のセットアップ

ローカルで開発する場合（コードをクローン済みの場合）：

{
  "mcpServers": {
    "plots-dev": {
      "command": "python",
      "args": ["-m", "src", "--transport", "stdio"],
      "cwd": "/path/to/mcp-plots",
      "env": {
        "LOG_LEVEL": "DEBUG"
      }
    }
  }
}

4. 統合を確認する

設定を追加した後：

Cursor を再起動します
Cursor の MCP パネルで MCP 接続を確認します

簡単なチャートでテストします：

Create a bar chart showing sales data: A=100, B=150, C=80

MERMAID を優先するアプローチ

このサーバーは、デフォルトでMERMAID 出力を優先します。その理由は次のとおりです。

✅ Cursor ですぐにレンダリングされます - 外部ビューアーは必要ありません
✅ インタラクティブです - Cursor が図を分析し、議論できます
✅ 軽量です - 生成と表示が高速です
✅ 拡張性に優れています - ベクターベースのため、どのズームレベルでも使用できます

MERMAID をネイティブサポートするチャートタイプ：

line、bar、pie、area → xychart-beta 形式
histogram → 自動ビニング機能付きの xychart-beta
funnel → カラーグラデーション付きのスタイル設定されたフローチャート
gauge → 値に応じて色分けされたインジケーター付きのフローチャート
sankey → ソース／ターゲットをスタイル設定したフロー図

利用可能なツール

`render_chart`

MERMAID を優先するアプローチのメインチャート生成ツールです。

パラメーター：

chart_type - チャートタイプ（line、bar、pie、scatter、heatmap など）
data - データオブジェクトのリスト
field_map - フィールドのマッピング（x_field、y_field、category_field など）
config_overrides - チャート設定の上書き
output_format - 出力形式（mermaid［デフォルト］、mcp_image、mcp_text）

特殊モード：

chart_type="help" - 利用可能なチャートタイプとテーマを表示します
chart_type="suggest" - データを分析し、フィールドのマッピングを提案します

`configure_preferences`

ユーザー設定を行うための対話型設定ツールです。

パラメーター：

output_format - デフォルトの出力形式（mermaid、mcp_image、mcp_text）
theme - デフォルトのテーマ（default、dark、seaborn、minimal）
chart_width - デフォルトのチャート幅（ピクセル単位）
chart_height - デフォルトのチャートの高さ（ピクセル単位）
reset_to_defaults - すべての設定をシステムのデフォルトにリセットします

機能：

設定の永続化 - ~/.plots_mcp_config.json に保存されます
ライブプレビュー - 現在の設定でサンプルチャートを表示します
上書きのサポート - 一時的な変更には config_overrides を使用します

ドキュメント

その他のリソース

ドキュメント全文 - 技術ドキュメントのハブ
クイックスタート - 5 分で完了するセットアップガイド
統合ガイド - MCP クライアントのセットアップと設定
API リファレンス - ツールの仕様と使用例の全文
高度なガイド - アーキテクチャ、デプロイ、開発
プロンプトのサンプル - すぐに使えるテスト例

チャートの例

基本的な棒グラフ：

{
  "chart_type": "bar",
  "data": [
    {"category": "Sales", "value": 120},
    {"category": "Marketing", "value": 80},
    {"category": "Support", "value": 60}
  ],
  "field_map": {
    "category_field": "category", 
    "value_field": "value"
  }
}

時系列の折れ線グラフ：

{
  "chart_type": "line",
  "data": [
    {"date": "2024-01", "revenue": 1000},
    {"date": "2024-02", "revenue": 1200},
    {"date": "2024-03", "revenue": 1100}
  ],
  "field_map": {
    "x_field": "date",
    "y_field": "revenue"
  }
}

ファネルチャート：

{
  "chart_type": "funnel",
  "data": [
    {"stage": "Awareness", "value": 1000},
    {"stage": "Interest", "value": 500}, 
    {"stage": "Purchase", "value": 100}
  ],
  "field_map": {
    "category_field": "stage",
    "value_field": "value"
  }
}

🔧 設定

環境変数

MCP_TRANSPORT - トランスポートの種類（streamable-http | stdio）
MCP_HOST - ホストアドレス（デフォルト：0.0.0.0）
MCP_PORT - ポート番号（デフォルト：8000）
LOG_LEVEL - ログレベル（デフォルト：INFO）
MCP_DEBUG - デバッグモードを有効にします（true | false）
CHART_DEFAULT_WIDTH - デフォルトのチャート幅（ピクセル単位）（デフォルト：800）
CHART_DEFAULT_HEIGHT - デフォルトのチャートの高さ（ピクセル単位）（デフォルト：600）
CHART_DEFAULT_DPI - デフォルトのチャート DPI（デフォルト：100）
CHART_MAX_DATA_POINTS - チャートあたりのデータポイントの最大数（デフォルト：10000）

ユーザー設定

個人設定は ~/.plots_mcp_config.json に保存されます。

{
  "defaults": {
    "output_format": "mermaid",
    "theme": "default",
    "chart_width": 800,
    "chart_height": 600
  },
  "user_preferences": {
    "output_format": "mcp_image",
    "theme": "dark"
  }
}

🚀 高度な使い方

カスタムテーマ

使用できるテーマ：default、dark、seaborn、minimal、whitegrid、darkgrid、ticks

高解像度チャート

uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots \
  --chart-width 1920 \
  --chart-height 1080 \
  --chart-dpi 300

パフォーマンスの最適化

大規模なデータセットを制限するには、max_data_points を使用します
すばやく可視化する場合は、MERMAID 出力が最も高速です
高品質な静止画像には PNG 出力を使用します
拡大縮小可能なベクター画像には SVG 出力を使用します

🐛 トラブルシューティング

よくある問題

問題：Cursor でチャートがレンダリングされない

解決策：output_format="mermaid"（デフォルト）になっていることを確認します
確認事項：Cursor での MCP サーバー接続

問題：uvx コマンドが見つからない

解決策：uv をインストールします：curl -LsSf https://astral.sh/uv/install.sh | sh

問題：ポートがすでに使用されている

解決策：別のポートを使用します：--port 8001

問題：大規模なデータセットの処理が遅い

解決策：データをサンプリングするか、--max-data-points を増やします

デバッグモード

uvx --from git+https://github.com/mr901/mcp-plots.git mcp-plots \
  --debug \
  --log-level DEBUG

📝 注意事項

コンテナー内では Matplotlib はヘッドレスモード（Agg バックエンド）で動作します
大規模なデータセットでは、応答性を保つためにデータをサンプリングしてください
チャートのデフォルト設定は、リクエストごとに config_overrides で上書きできます
Cursor では MERMAID チャートが即座にレンダリングされ、最高のユーザー体験を実現します
ユーザー設定はセッションをまたいで保持され、デフォルトですべてのチャートに適用されます

Markdown 対応

ログインしてコメント

基本情報

作者: MR901
言語: python
バージョン: 0.0.1
トランスポート: stdio
掲載日: 2025年9月22日
最終更新: 55 週間前
公式 Registry: io.github.MR901/plots-mcp

問題を報告

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。

入門ガイドを読む

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。

plots-mcp

plots-mcp について

主な機能

活用シーン

MCP 対応

設定

ツール

詳細

Plots MCP サーバー

MCP Plots を選ぶ理由

すぐに使う

クイックスタート

PyPI からインストール（推奨）

Cursor ユーザー向け

開発環境へのインストール

MCP レジストリ

Smithery でインストール

プロジェクト構成

要件

セットアップ方法

uvx（推奨）

PyPI（従来のインストール方法）

ローカル開発（ソースから）

Docker

ツール

Cursor との統合

設定

サーバー設定

チャート設定

コマンドラインでの使用方法

Docker

Cursor MCP との統合

Cursor のクイックセットアップ

1. Cursor の MCP 設定に追加する

2. 別の方法：HTTP トランスポート

3. ローカル開発環境のセットアップ

4. 統合を確認する

MERMAID を優先するアプローチ

利用可能なツール

render_chart

configure_preferences

ドキュメント

その他のリソース

チャートの例

🔧 設定

環境変数

ユーザー設定

🚀 高度な使い方

カスタムテーマ

高解像度チャート

パフォーマンスの最適化

🐛 トラブルシューティング

よくある問題

デバッグモード

📝 注意事項

コメント

MCP は初めてですか？

MCP（Model Context Protocol）とは？

MCP サーバーとクライアントの違いは？

ローカルとリモート、どちらを選ぶべき？

Claude や Cursor にサーバーを導入するには？

掲載プロジェクトは審査されていますか？「認証済み」とは？

自分のプロジェクトが掲載されています。どう申請できますか？

`render_chart`

`configure_preferences`