DataClean

dataclean-mcp

一个 MCP 服务，可在 AI Agent 处理表格前以确定性方式清理数据。大模型会误读 1.250,50 €，会在 03/04/2026 中颠倒日和月，会被 NUL 字节和乱码（Café）难住，还会悄悄丢掉前导零。DataClean 用规则解决这些问题，而且绝不猜测：有歧义的值会原样保留并标记；只有当列中的其他值（或你传入的参数）能确定其含义时，才会进行转换。

工具	积分	功能
profile_table	1	编码、分隔符、标题行，以及每列的实际类型（整数、小数、日期、日期时间、布尔值、电子邮件、URL、电话、IBAN、文本）、数字区域格式、日期顺序、货币、空值、不同值、最小值/最大值、示例和问题。还会报告重复行并提供建议的架构。
clean_table	1	返回清理后的类型化副本，格式为 CSV、TSV、JSON、JSONL 或类型化 .xlsx：修剪并修复文本，将数字转换为普通小数，将日期转换为 ISO 8601 格式，将电话号码转换为 E.164 格式，精简 IBAN，删除重复行，并将标题设为唯一或转换为 snake_case。每个未转换的值都会连同其源行一并列出。
validate_schema	1	根据架构检查每一行（类型、必填、唯一、最小值/最大值、min_length/max_length、枚举、模式），并返回带行号的错误。
normalize_values	1	规范化从文档或其他工具中提取的最多 10,000 个值（金额、日期、电话、电子邮件……）。
pricing、credits_balance	0	免费辅助工具。

计费方式如下：

• 无法读取的输入或无效参数会在扣除积分之前被拒绝。
• 扣除积分后发生的失败会退还积分。

修复的问题

• 数字：1.250,50 €、$1,250.50、1 234,5、1'234.50、(45.30)、SAP 样式的 1.250,50-、12,5 %、EUR 12。列中的其他值会决定 1,250 这类值使用千位分隔符还是小数分隔符。如果列中的值无法确定，则由 number_locale 决定；两者都没有时，该值会被标记为 ambiguous_number。
• 日期：ISO、13/04/2026（日优先）、04/13/2026（月优先）、5 de marzo de 2026、March 5, 2026、5-Mar-26、3. März 2026，以及带 am/pm 的时间。只有当列中的其他值或 date_order 能确定顺序时，才会转换 03/04/2026。少数派顺序的日期会被标记为 date_order_conflict。
• 文本：移除 NUL、控制字符和零宽字符，将 NBSP 转换为普通空格，修复乱码，应用 Unicode NFC，并合并和修剪空格。空值标记（NULL、N/A、#N/A、-、nan……）会变为空。
• ID：带前导零或超过 15 位的数字字符串（邮政编码、卡号、参考编号）会保留为文本，绝不会转换为数字。
• 文件：支持 UTF-8、UTF-16 或 Windows-1252 编码的 CSV，自动检测分隔符（, ; tab |），跳过标题上方的标题行，为不规则行补齐字段，并重命名重复或空标题。还可读取 .xlsx（通过 base64）、JSON 和 JSONL。
• 安全：在 CSV 输出中，以 = + - @ 开头的文本单元格会加上 ' 前缀，防止电子表格将其作为公式执行。在 .xlsx 输出中，这些内容会以字符串形式存储。嵌套量词的架构正则表达式会被拒绝（ReDoS）。

安装

1. 在 https://mcp.keyflint.dev 购买积分以获取许可证（LIC-...）。
2. 将服务添加到你的客户端：

{
  "mcpServers": {
    "dataclean": {
      "command": "uvx",
      "args": ["dataclean-mcp"],
      "env": { "KEYFLINT_LICENSE": "LIC-..." }
    }
  }
}

Claude Desktop 也可以安装每个 GitHub 发布版本附带的 .mcpb 捆绑包。托管模式通过运行 dataclean-mcp --http（或使用 Dockerfile）启动，并从每个请求的 Authorization: Bearer LIC-... 标头中读取许可证。

限制（通过环境变量设置）：DATACLEAN_MAX_BYTES（20 MB）、DATACLEAN_MAX_ROWS（200,000）、DATACLEAN_MAX_OUTPUT（15 MB）。可通过 DATACLEAN_PRICES=clean_table=2,... 覆盖积分价格。

可视化卡片（MCP Apps）

在 Claude、ChatGPT、VS Code 和 Goose 中，每个付费工具和 credits_balance 都会在聊天中渲染为交互式卡片：显示余额和补充进度条及购买按钮，或显示结果摘要（关键数据、问题、表格预览和已扣除的点数）。卡片使用 ui://dataclean/card.html 资源，独立运行且无需访问网络。其他客户端仍会收到与之前相同的 JSON。

测试

pip install -e '.[test]'
pytest -q

测试使用模拟的 KeyFlint 网关和本地签名的许可证，因此无需联网。

许可证

Business Source License 1.1。生产环境使用需要获得许可方提供的 KeyFlint 许可证。2030-11-05，该代码将转为 Apache 2.0。