🚢 TitanicAIAnalysis: Análisis de Datos con Claude y MCP

🚢 TitanicAIAnalysis：使用 Claude 和 MCP 进行数据分析

本项目演示如何使用 Model Context Protocol (MCP) 创建用于提供结构化数据的服务，以便使用 Claude 等大模型进行分析。通过著名的泰坦尼克号数据集，本实践示例将教你如何把数据集转换为 LLM 可访问的资源和工具。

📋 目录

• 🚢 TitanicAIAnalysis：使用 Claude 和 MCP 进行数据分析
  • 📋 目录
  • 🔍 简介
  • 📦 要求
  • 🛠️ 安装
  • 📂 项目结构
  • ▶️ 如何运行
    • 选项 1：直接运行
    • 选项 2：安装到 Claude Desktop
  • 💬 与 Claude 配合使用
    • 可用资源：
    • 可用工具：
  • 📊 分析示例
  • ⚖️ 优势与局限
    • 优势
    • 局限
  • 🚀 可扩展方向

🔍 简介

TitanicAIAnalysis 是一个教育项目，展示如何创建 MCP（Model Context Protocol）服务来提供 Kaggle 上著名的泰坦尼克号数据集，让 Claude 能够通过以下方式执行复杂的数据分析：

• 资源（MCP 资源）：提供结构化数据（泰坦尼克号 CSV）和预计算统计数据
• 工具（MCP 工具）：提供特定功能，例如搜索乘客

通过这种方式，你可以借助大模型的强大能力查询和分析结构化数据，而无需手动发送文件。

📦 要求

• Python 3.10 或更高版本
• Claude Desktop（用于与 Claude 集成）
• 文件 Titanic.csv（包含在仓库中，原始数据来自 Kaggle）
• 可用于运行 MCP 服务的环境

🛠️ 安装

1. 克隆此仓库：

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

2. 配置虚拟环境（使用 uv）：

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

3. 安装依赖项：

   uv add "mcp[cli]" pandas
   

4. 确保 Titanic.csv 文件位于项目目录中

📂 项目结构

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

▶️ 如何运行

选项 1：直接运行

你可以直接运行服务：

 python main.py

选项 2：安装到 Claude Desktop

1. 准备启动脚本／授予其执行权限（MacOS/Linux）：

   chmod +x inicio.sh  
   

2. 配置 Claude Desktop：

   • 打开 Claude Desktop
   • 前往“设置”→“开发者”→“编辑配置”
   • 修改 claude_desktop_config.json：

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

   对于 Windows，请使用 inicio.bat 的完整路径或直接执行命令：

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

3. 使用 MCP CLI 安装（替代方式）：

   cd TitanicAIAnalysis
   mcp install main.py
   

4. 重启 Claude Desktop

💬 与 Claude 配合使用

服务运行并连接到 Claude 后，你会在界面中看到可用的工具图标（🔨）。

可用资源：

• titanic://pasajeros - 完整的泰坦尼克号数据集
• titanic://estadisticas - 关于生还情况的预计算统计数据

可用工具：

• buscar_pasajero - 按姓名搜索特定乘客的信息

📊 分析示例

以下是你可以使用公开的数据向 Claude 提出的一些问题：

1. “向我展示 Titanic 的总体生存统计数据”
2. “与三等舱乘客相比，一等舱乘客的生存率是多少？”
3. “查找姓氏为 ‘Astor’ 的乘客信息”
4. “分析社会阶层与生存率之间的相关性”
5. “灾难发生时，是否遵守了‘妇女和儿童优先’的原则？”
6. “船票价格与生存率之间是否存在某种规律？”
7. “生成一个简单的图表，展示不同性别和舱位的生存情况”

⚖️ 优势与限制

优势

• 数据实时更新：每次请求时都会从服务加载数据
• 结构化数据：Claude 可以处理预先处理好的数据
• 动态分析：可针对数据中的特定问题作答
• 与现有系统集成：可连接数据库或内部 API

限制

• 数据量：超大型数据集可能超出 Claude 的上下文限制
• 资源更新：资源会在请求时读取
• 可视化：对于高级图表，最好使用专用工具或实现可视化工具

🚀 可扩展方向

此项目可以通过多种方式扩展：

1. 参数化资源：实现 titanic://pasajeros/{clase} 这样的资源
2. 分析工具：创建用于复杂统计计算的专用工具
3. 可视化：添加用于生成图表和可视化内容的工具
4. 与数据库集成：连接数据库，而非使用 CSV 文件
5. 预测分析：添加预训练的 ML 模型作为工具

---