mcpField
D
DAG Studio MCP

DAG Studio MCP

远程服务
dagstudio.blackswancausallabs.com科研与教育04 周前更新

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

  1. 01分析路径与调整集
  2. 02解析 dagitty DSL
  3. 03生成 R 和 Python 代码
  4. 04检查过度调整
  5. 05模拟数据并计算偏倚
  6. 06依据典型案例验证

适用场景

  1. 01评估混杂与可识别性
  2. 02检查调整策略的偏倚
  3. 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。

服务地址https://dagstudio-mcp.blackswancausallabs.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

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。

全部服务地址
Streamable HTTPhttps://dagstudio-mcp.blackswancausallabs.com/mcp需要授权

工具

详细介绍

dag-studio-mcp

CI License: Apache 2.0

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

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。