mcpField
M
Mcp Server To Control Openrefine

Mcp Server To Control Openrefine

本地服务
github.com/FiquemSabendo数据与分析923 周前更新

关于 Mcp Server To Control Openrefine

为 MCP 客户端提供 OpenRefine HTTP API 的类型化接口的 MCP 服务。它支持创建项目、执行操作、导出 CSV、删除项目,以及读取项目模型,适用于数据清理工作流。

主要功能

  1. 01通过数据集 URL 创建项目
  2. 02对项目应用操作
  3. 03将项目数据导出为 CSV
  4. 04删除项目
  5. 05读取项目模型信息

适用场景

  1. 01从数据集 URL 启动 OpenRefine 项目
  2. 02通过 MCP 客户端应用数据清理操作
  3. 03将清理后的项目数据导出为 CSV

MCP 相关

将 OpenRefine API 功能作为 MCP 工具和项目模型资源提供。MCP 客户端可创建和管理项目、应用操作、导出 CSV 并查看项目结构。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

OpenRefine MCP 服务

Test

一个模型上下文协议(MCP)服务,为 OpenRefine 的 HTTP API 提供类型明确、易于发现的接口。任何支持 MCP 的客户端(例如 Claude Desktop)都可以通过它安全、可复现地编排数据清理流水线。

安装

前置条件
  • Python 3.13 或更高版本
  • uv 包管理器
  • 正在运行的 OpenRefine 实例(默认:http://localhost:3333)
安装软件包
# Clone the repository
git clone <repository-url>
cd openrefine_mcp

# Install dependencies using uv
uv sync
配置 Claude Desktop
  1. 创建或编辑 Claude Desktop 配置文件:

    # On macOS/Linux
    ~/.config/claude_desktop_config.json
    
    # On Windows
    %APPDATA%\claude_desktop_config.json
    
  2. 将 OpenRefine MCP 服务添加到配置中:

    {
      "mcpServers": {
        "openrefine": {
          "command": "uv",
          "args": [
            "--directory",
            "path/to/your/openrefine_mcp",
            "run",
            "openrefine-mcp-server"
          ],
          "env": {
            "OPENREFINE_URL": "http://localhost:3333"
          }
        }
      }
    }
    
  3. 重启 Claude Desktop 以加载新的 MCP 服务。

功能

此 MCP 服务实现了以下 OpenRefine API 端点:

OpenRefine API 端点MCP 实现状态
POST /command/core/create-project-from-uploadcreate_project(dataset_url: str, name: str | None = None)✅
GET /command/core/get-modelsget_project_models(project_id: int) 资源✅
POST /command/core/apply-operationsapply_operations(project_id: int, operations: str)✅
POST /command/core/export-rowsexport_csv(project_id: int)✅
POST /command/core/delete-projectdelete_project(project_id: int)✅
POST /command/core/set-project-metadata-❌
POST /command/core/set-project-tags-❌
GET /command/core/get-all-project-metadata-❌
POST /command/core/preview-expression-❌
GET /command/core/get-processes-❌
可用工具
  • create_project(dataset_url: str, name: str | None = None) → 根据数据集 URL 创建新的 OpenRefine 项目
  • apply_operations(project_id: int, operations: str) → 对 OpenRefine 项目应用操作
  • export_csv(project_id: int) → 从 OpenRefine 项目导出 CSV 数据
  • delete_project(project_id: int) → 删除 OpenRefine 项目
可用资源
  • openrefine://project/{project_id}/models → 返回项目的结构信息,包括列定义、记录模型配置、可用脚本语言和叠加模型

开发

运行测试
make test
运行 MCP Inspector 服务
make inspector

许可证

本项目采用 MIT 许可证;详情请参阅 LICENSE 文件。

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。