关于 DAG Studio MCP
DAG Studio MCP 是供 AI Agent 分析和验证因果有向无环图的 MCP 服务,涵盖识别、调整、模拟与偏倚分析,并在响应中提供验证和诊断信息。
主要功能
- 01分析路径与调整集
- 02解析 dagitty DSL
- 03生成 R 和 Python 代码
- 04检查过度调整
- 05模拟数据并计算偏倚
- 06依据典型案例验证
适用场景
- 01评估混杂与可识别性
- 02检查调整策略的偏倚
- 03根据 DAG 生成分析代码
MCP 相关
向 MCP 客户端提供 DAG 分析、模拟和验证工具。支持本地 stdio 运行,也提供托管的 Streamable HTTP 端点。
配置
远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。
https://dagstudio-mcp.blackswancausallabs.com/mcpclaude mcp add --transport http com-blackswancausallabs-dagstudio https://dagstudio-mcp.blackswancausallabs.com/mcp{"mcpServers":{"com-blackswancausallabs-dagstudio":{"type":"http","url":"https://dagstudio-mcp.blackswancausallabs.com/mcp"}}}在 Cursor 中打开{"servers":{"com-blackswancausallabs-dagstudio":{"type":"http","url":"https://dagstudio-mcp.blackswancausallabs.com/mcp"}}}在 VS Code 中打开{"mcpServers":{"com-blackswancausallabs-dagstudio":{"type":"http","url":"https://dagstudio-mcp.blackswancausallabs.com/mcp"}}}{"mcpServers":{"com-blackswancausallabs-dagstudio":{"serverUrl":"https://dagstudio-mcp.blackswancausallabs.com/mcp"}}}命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。
https://dagstudio-mcp.blackswancausallabs.com/mcp需要授权工具
详细介绍
dag-studio-mcp
用于 DAG Studio 因果推断引擎的模型上下文协议(MCP)服务。它让 AI Agent 能够使用与 DAG Studio canvas 相同的引擎构建、分析和验证因果有向无环图(DAG)。
由 Black Swan Causal Labs 构建和维护。已列入 RWE MCP Registry。
工具
| 工具 | 功能 |
|---|---|
analyze_dag | 后门路径、最小充分调整集、可识别性 |
parse_dagitty | 将 dagitty DSL(原始格式或 R 封装格式)解析为结构化 DAG 模型 |
generate_code | 为 DAG 生成 R / Python 分析代码,并提供一键打开 DAG Studio 的 URL |
check_overadjustment | 检测对中介变量、碰撞变量和暴露变量后代变量的调整 |
simulate_data | 根据用户指定的结构系数从 DAG 模拟数据 |
compute_bias | 计算调整策略相对于模拟真值的经验偏差 |
classify_effect_modification | 对效应修饰结构进行分类(直接、间接、代理、共同原因、纯交互) |
get_canonical_example | 典型教学 DAG(混杂、M 偏差、前门等) |
validate_engine | 运行完整的典型验证套件并报告引擎版本 |
每个分析响应都包含 engine_version 版本标记、concordance 一致性证明、带严重程度标记的 diagnostics 诊断块,以及对底层方法学文献的引用。
验证
引擎通过四种方式验证一致性:依据 Pearl(2009)理论、参考实现 dagitty(Textor 等,2016)、DAG Studio 自身的分析结果,以及通过对模拟数据运行 compute_bias 进行经验验证。
- 35 个典型案例:T01 至 T15(结构识别)以及 EM01 至 EM20(效应修饰),可通过
validate_engine实时运行。 - 发布门禁的一致性检查会将引擎与 dagitty(在上游提交
7a65777处纳入仓库)进行正面对比,并在工具响应中标记所展示的一致性证明。 - 引擎绑定、工具层和身份验证门禁共有 93 个单元测试和集成测试。
托管端点
该服务以 Cloudflare Worker(Streamable HTTP)形式运行:
https://dagstudio-mcp.blackswancausallabs.com/mcp
试用期间访问需要令牌。请向 [email protected] 申请令牌。令牌可通过 bearer 标头或 ?token= 查询参数传入(查询参数方式适用于连接器 UI 无法设置自定义标头的客户端,例如 Claude.ai 网页连接器)。
Claude Code:
claude mcp add --transport http dag-studio \
https://dagstudio-mcp.blackswancausallabs.com/mcp \
--header "Authorization: Bearer <your token>"
Claude.ai 网页版:添加指向 https://dagstudio-mcp.blackswancausallabs.com/mcp?token=<your token> 的自定义连接器。
仓库布局
dag-engine.js/dag-engine.d.ts:分析引擎,是无运行时依赖的纯 ESM 模块src/tools/:每个工具对应一个文件,每个文件均导出{ InputSchema, OutputSchema, descriptor, handler }src/worker/:Cloudflare Worker 传输层和令牌门禁(auth.ts)src/index.ts:用于本地使用的 stdio 入口点ci/:与纳入仓库的 dagitty 进行对比的发布门禁一致性测试框架tests/:单元测试和集成测试(npm test)MCP_REQUIREMENTS.md:v1 规范FDA_GUIDANCE_ALIGNMENT.md:DAG Studio 功能与 FDA RWE 指南草案协议要素的映射
该引擎与 DAG Studio canvas 应用同步开发,此处纳入仓库的副本会在发布时同步。本仓库自成一体:克隆后运行 npm install,无需进一步设置即可完成构建和测试。
开发
npm install
npm test # full suite
npm run dev # stdio server via tsx
npm run worker:typecheck # worker bundle typecheck
npm run worker:deploy # deploy (stamps engine_version from git HEAD first)
如需交互式检查:npx @modelcontextprotocol/inspector。
协议状态
基于 @modelcontextprotocol/sdk(TypeScript)构建。当前符合最终版 MCP 规范修订版 2025-11-25。计划在稳定的 SDK 支持发布后迁移至 2026-07-28 修订版。
许可证
Apache License 2.0(参见 LICENSE)。
例外:ci/dagitty-src/ 包含 dagitty 参考引擎(GPL-2.0,Textor 等人),其上游提交版本为 7a65777,仅作为发布时 CI 一致性检查的固定测试夹具。该目录保留其自身许可证,不包含在已发布的 npm 包中,也不属于已部署的 worker 包。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。