Kaggle MCP (Model Context Protocol) Server

Kaggle MCP 服务

一个 Model Context Protocol (MCP) 服务，可向 Claude Desktop 等 MCP 客户端提供 Kaggle 数据集搜索、下载和 EDA 提示词生成功能。

功能

• 按关键词搜索 Kaggle 数据集。
• 在本地下载并解压 Kaggle 数据集。
• 为 Kaggle 数据集生成入门级探索性数据分析（EDA）提示词。
• 支持通过环境变量或标准的 kaggle.json 文件提供 Kaggle 凭据。
• 可在本地、Docker 或 Smithery 中运行。

可用的 MCP 能力

工具

search_kaggle_datasets(query: str)

在 Kaggle 中搜索与 query 匹配的数据集，并以 JSON 格式返回最多 10 条结果。

返回字段包括：

• ref
• title
• subtitle
• download_count
• last_updated
• usability_rating

download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)

下载并解压 Kaggle 数据集。

• dataset_ref：owner/dataset-slug 格式的 Kaggle 数据集引用，例如 kaggle/titanic。
• download_path：可选的本地输出路径。若未指定，文件将保存到 ./datasets/<dataset_slug>/。

提示词

generate_eda_notebook(dataset_ref: str)

为提供的 Kaggle 数据集引用创建提示词，用于生成基础 Python EDA 代码。该提示词要求进行数据加载、缺失值检查、可视化和汇总统计。

要求

• Python 3.10+
• Kaggle 账户和 API 令牌
• 兼容 MCP 的客户端

Kaggle 凭据

在 Kaggle 账户设置中创建 Kaggle API 令牌：

1. 前往 https://www.kaggle.com/settings。
2. 选择 Create New API Token。
3. 下载 kaggle.json。

使用环境变量或标准的 Kaggle 配置文件。

选项 1：环境变量

在项目根目录中创建 .env 文件：

KAGGLE_USERNAME=your_kaggle_username
KAGGLE_KEY=your_kaggle_api_key

选项 2：kaggle.json

将 kaggle.json 放在 Kaggle 的标准位置：

• macOS/Linux：~/.kaggle/kaggle.json
• Windows：C:\Users\<Your User Name>\.kaggle\kaggle.json

在 macOS/Linux 上，请确保该文件不允许所有用户读取：

chmod 600 ~/.kaggle/kaggle.json

安装

git clone <repository-url>
cd kaggle-mcp

创建并激活虚拟环境：

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate

使用以下任一方法安装依赖项。

使用 uv

uv sync

使用 pip

pip install -r requirements.txt

在本地运行

使用 uv：

uv run kaggle-mcp

或者直接运行服务模块：

python src/server.py

该服务通过 MCP stdio 通信，旨在由 MCP 客户端启动。

Claude Desktop 配置

打开 Claude Desktop 设置，然后前往 Developer > Edit Config，将此服务添加到 claude_desktop_config.json。

如果已安装在项目环境中：

{
  "mcpServers": {
    "kaggle-mcp": {
      "command": "uv",
      "args": ["run", "kaggle-mcp"],
      "cwd": "/absolute/path/to/kaggle-mcp",
      "env": {
        "KAGGLE_USERNAME": "your_kaggle_username",
        "KAGGLE_KEY": "your_kaggle_api_key"
      }
    }
  }
}

如果使用 kaggle.json，可以省略 env 块。

Docker

构建镜像：

docker build -t kaggle-mcp .

使用 .env 中的凭据运行：

docker run --rm -i --env-file .env kaggle-mcp

Smithery

此仓库包含 smithery.yaml。Smithery 会通过 stdio 启动服务，并将以下配置值作为环境变量传递：

• kaggleUsername -> KAGGLE_USERNAME
• kaggleKey -> KAGGLE_KEY

示例工作流

1. 向 MCP 客户端提问：“搜索 Kaggle 上的心脏病数据集。”
2. 客户端调用 search_kaggle_datasets。
3. 从结果中选择一个数据集引用，例如 user/heart-disease-dataset。
4. 提问：“下载 user/heart-disease-dataset。”
5. 提问：“为 user/heart-disease-dataset 生成 EDA Notebook 提示词。”

项目结构

.
├── Dockerfile
├── README.md
├── pyproject.toml
├── requirements.txt
├── smithery.yaml
├── src/
│   ├── __init__.py
│   └── server.py
└── uv.lock

下载的数据集默认保存在 datasets/ 下。请求下载时会在运行时创建此目录。