mcpField
D
Data Aggregator

Data Aggregator

ローカル
github.com/musharna検索43 日前に更新
リポジトリ

Data Aggregator について

Data Aggregatorは、複数のアーカイブや文献ソースから公開研究データを探す研究者やエージェント向けのMCPサーバーです。結果を統合して重複を除き、レコードの解決、関連データセットの特定、ライセンスメタデータの確認もできます。

主な機能

  1. 0121の公開データソースを一括検索
  2. 02ソース間の検索結果を重複排除
  3. 03レコードと関連データセットの解決
  4. 04指定用途に応じたライセンスメタデータ確認
  5. 05CroissantまたはRO-Crateへのエクスポート

活用シーン

  1. 01種やテーマに基づくデータセット検索
  2. 02論文に関連するデータセットの追跡
  3. 03モデル学習用途に関するライセンス権限の確認
  4. 04研究レコード間の関連確認

MCP 対応

MCPクライアントに検索、レコード解決、関連付けなどの研究データ操作を提供します。オプションのoperate追加機能では、リモートファイルに対するSQLとプレビューも利用できます。

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": {
    "musharna-data-aggregator": {
      "command": "uvx",
      "args": [
        "data-aggregator-mcp"
      ],
      "env": {
        "NCBI_API_KEY": "<NCBI_API_KEY>",
        "LLM_API_BASE": "<LLM_API_BASE>",
        "LLM_API_KEY": "<LLM_API_KEY>",
        "LLM_MODEL": "<LLM_MODEL>",
        "EMBEDDING_API_BASE": "<EMBEDDING_API_BASE>",
        "EMBEDDING_API_KEY": "<EMBEDDING_API_KEY>",
        "EMBEDDING_MODEL": "<EMBEDDING_MODEL>",
        "DATA_GOV_API_KEY": "<DATA_GOV_API_KEY>",
        "UNPAYWALL_EMAIL": "<UNPAYWALL_EMAIL>",
        "NCBI_EMAIL": "<NCBI_EMAIL>",
        "DATAVERSE_BASE_URL": "<DATAVERSE_BASE_URL>",
        "CACHE_TTL_SECONDS": "<CACHE_TTL_SECONDS>"
      }
    }
  }
}
起動コマンドuvx data-aggregator-mcp
設定が必要な環境変数
NCBI_API_KEYシークレットOptional NCBI E-utilities API key; raises the rate limit 3->10 req/s for omics, literature, and taxonomy lookups.
LLM_API_BASEBase URL of an OpenAI-compatible /chat/completions endpoint; enables search(understand=true) and search(multi_query=true).
LLM_API_KEYシークレットBearer token for the LLM endpoint (LLM_API_BASE); omit for keyless local servers.
LLM_MODELModel name passed to the LLM endpoint (default: gpt-4o-mini); set to whatever your endpoint serves.
EMBEDDING_API_BASEBase URL of an OpenAI-compatible /embeddings endpoint; enables search(rank=semantic) re-ranking.
EMBEDDING_API_KEYシークレットBearer token for the embeddings endpoint (EMBEDDING_API_BASE); omit for keyless local servers.
EMBEDDING_MODELModel name passed to the embeddings endpoint (default: text-embedding-3-small).
DATA_GOV_API_KEYシークレットOptional api.data.gov key for the data.gov source; without it requests fall back to the shared public DEMO_KEY, which is aggressively rate-limited.
UNPAYWALL_EMAILEmail address sent to the Unpaywall API; required to enable the Unpaywall PDF fallback leg of literature full-text retrieval.
NCBI_EMAILContact address sent to NCBI's ID converter; falls back to UNPAYWALL_EMAIL when unset.
DATAVERSE_BASE_URLResolve Dataverse DOIs against a different installation (default: https://dataverse.harvard.edu).
CACHE_TTL_SECONDSResolve-cache lifetime in seconds (default: 3600); an unparseable value falls back to the default.

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
pypidata-aggregator-mcp0.75.4

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

data-aggregator-mcp

data-aggregator-mcp は、AI エージェントが21の公開研究データソースを一度に検索し、重複を除いたリストを取得できる MCP サーバーです。

CI PyPI Python License DOI Glama

stdio経由のライブ呼び出し：Orobanche aegyptiacaのトランスクリプトームデータを検索すると、NCBI TaxonomyがPhelipanche aegyptiacaに展開し、SRA、BioProject、PubMed、OpenAIRE、DataCiteからヒットが返されます。SRAのヒットを、サイズとmd5チェックサム付きの2つのFASTQファイルに解決します。md5を検証したOpenMLのARFFファイルを取得します。また、ダウンロードせずにHugging Face上のリモートCSVに対してSQLを実行します

インストール

Claude Code：

claude mcp add data-aggregator -- uvx data-aggregator-mcp

VS CodeまたはCursorにワンクリックでインストール：

Install in VS Code Install in Cursor

その他のMCPクライアント：stdio サーバーとして uvx data-aggregator-mcp を実行してください。

Claude Desktop、pip、および operate エクストラ

Claude Desktop（claude_desktop_config.json）およびその他のほとんどのクライアント：

{
  "mcpServers": {
    "data-aggregator": {
      "command": "uvx",
      "args": ["data-aggregator-mcp"],
      "env": { "NCBI_API_KEY": "your-optional-key" }
    }
  }
}

pipを使用する場合：

pip install data-aggregator-mcp
data-aggregator-mcp        # or: python -m data_aggregator_mcp

operate（リモートファイルに対するSQLとプレビュー）には、オプションのエクストラが必要です： pip install "data-aggregator-mcp[operate]"。

できること

「Orobanche aegyptiacaのトランスクリプトームを探して。」 この種は改名されており、NCBI Taxonomyはこれを Phelipanche aegyptiaca に対応付けます。同義語を受け付けるデータソースでは、両方の名前が一致します（上記のデモを参照）。

「この論文からどのようなデータが公開されましたか？」

resolve("pubmed:40098680")
  links  geo:GSE284240, bioproject:PRJNA1198054, and 18 sra: experiments
  files  PMC11910882.xml   (open-access full text)

「このデータセットを使ってモデルを学習できますか？」

resolve("hf:scikit-learn/iris", use="ml-training")
  license_compat  ALLOW: "CC0-1.0 grants the permission(s) required for
                  ml-training: commercial-use, modifications"

判定はレコードのライセンスメタデータから読み取られます。これは助言であり、法的見解ではありません。resolve は、あらゆる CSL スタイルで引用を表示し、Crossrefで撤回情報を確認し、FAIR性を評価し、Croissant または RO-Crate にエクスポートすることもできます。relate は、複数のレコードがどのようにつながっているか（共通のアクセッション、DOI、または明示的なリンク）を報告します。

検索の実行方法

1 回の検索の実行方法：NCBI Taxonomy は Orobanche aegyptiaca を現在の名称である Phelipanche aegyptiaca に対応付け、同義語検索に対応したソースは両方の名称を検索します。クエリは 21 個のソース（アーカイブ 11 個、オミクス 9 個、文献 1 個）に並列送信されます。同じ DOI を持つレコードは 1 つにまとめられ、ダウンロード可能なコピーが残されます。その後、レコードからファイルとチェックサムを特定して、ソースがチェックサムを公開している場合は検証しながら取得するか、ダウンロードせずに SQL でクエリできます

失敗したソースは結果の errors に記載され、ひそかに除外されることはありません。

各ソースで取得できるものと、照合に使われるチェックサムについては、次をご覧ください： docs/sources.md。

ベンチマークの結果

このサーバーを使用するエージェントと、ウェブ検索を使用する同じエージェントを比較しました。独立して作成した解答キーに対する再現率で採点した、未使用のデータセット検索タスクを対象に、各タスクを 3 回実行しました。平均再現率（サーバー、ウェブ検索の順）は、Claude Haiku 5.5 が 0.47 対 0.32（10 タスク中 8 タスクで高い）、Sonnet 5.5 が 0.54 対 0.52（10 タスク中 5 タスク）、Opus 5.5 が 0.72 対 0.58（10 タスク中 6 タスク）でした。Haiku では、サーバーは第 5 ラウンドの事前登録済みの「優位」ルール（10 タスク中少なくとも 8 タスクで高く、区間が 0 を上回る）を満たしましたが、モデルの各ティアで勝利とするための、より厳しい基準（10 タスク中 9 タスク、Holm 補正済み符号検定、p = 0.22）は満たしませんでした。Sonnet と Opus はどちらの基準も満たしませんでした。Opus では誤ったエントリーが少なく、回答時間は約 3 分の 1でした。Sonnet では 10 タスク中 9 タスクでより高速でした。Haiku では 10 タスク中 9 タスクでコストが低くなりました。

Opus 5.5 による直近 2 回のラウンド（2026-10-19、ルールは実行前に作成）：

エージェントに提供したツール第 4 ラウンド（5 タスク）第 5 ラウンド（10 タスク）
このサーバー0.660.72
ウェブ検索0.660.58
ToolUniverse0.590.63
ツールなし（記憶のみ）0.020.09

第 5 ラウンドでこのサーバーが高いスコアだったのは 10 タスク中 6 タスクで、事前設定したルールでは 8 タスクが必要でした。ウェブ検索は 30 回の実行中 11 回で 15 分の制限に達し、タイムアウトした実行のスコアは 0 になります。完了した実行に限ると、ウェブ検索のほうが多く見つけました（0.90）。サーバーの回答時間は中央値で 203 秒、ウェブ検索は 599 秒でした。サーバーはツール呼び出しと誤ったエントリーが少なく（適合率は 0.95 対 0.62）、1 回あたりのコストはウェブ検索より高くなりました（API 換算で 2.08 ドル対 1.51 ドル）。

タスクの選定とベンチマークの実行は私たち自身で行いました。外部での再実行も歓迎します。手法と統制については、次をご覧ください： benchmarks/h2h； Haiku と Sonnet の実行結果： 2026-10-20 再実行。

他のサーバーとの比較

サーバー検索対象1回の検索チェックサムリモート SQLライセンス確認
data-aggregator-mcp21 のソース：データアーカイブ、オミクス、論文はい、DOI で重複排除公開場所はいはい
Mobus20 の一般および ML データプラットフォームはい—行のプレビューはい
paper-search-mcp論文：arXiv、PubMed、OpenAlex、Crossref などはい、重複排除済み———
ToolUniverse1000 以上のツール：モデル、データセット、API、パッケージ論文———
BioMCP遺伝子、変異、臨床試験、薬剤、タンパク質、論文はい（search all）———

— は、プロジェクトの README に記載がないことを示します（README の確認日：2026-10-04）。 他のサーバーが優れている点：BioMCP は臨床試験、ChEMBL、AlphaFold に対応しています。 ToolUniverse は全般的に対応範囲がはるかに広く、paper-search-mcp は文献ソースがはるかに豊富です。 Mobus はデータセットの比較やスキーマの互換性確認にも対応しています。 詳細：docs/POSITIONING.md。

リファレンスと開発

すべてのツールとパラメーター、HTTP トランスポート（--transport http）、環境変数について： docs/reference.md。 クエリのすべての語句を必要とするソースと、その検索方法： すべての語句を必要とするソース。 テスト、リンティング、ライブ API のプローブについて： CONTRIBUTING.md。

ライセンス

MIT。LICENSE をご覧ください。

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。