Datawrapper

Name: Datawrapper
Author: palewire

本地服务

github.com/palewire数据与分析606 周前更新

代码仓库

关于 Datawrapper

Datawrapper MCP 是一个 MCP 服务与应用，让 AI 助手通过 Datawrapper 创建、更新、发布图表。项目基于 datawrapper Python 库构建，目前仍处于早期实验阶段，适合希望用对话生成图表的用户。

主要功能

01创建、更新、发布和删除图表
02列出图表类型并查询配置结构
03导出图表为 PNG 图片
04支持通过请求头使用个人 API 令牌
05可通过环境变量传入自定义指令

适用场景

01根据对话中提供的数据快速生成折线图或柱状图
02发布图表并获取可公开访问的链接
03在托管部署中以个人账号创建图表

MCP 相关

该项目是 MCP 服务，向 MCP 客户端暴露图表类型查询、图表创建与发布、PNG 导出等工具，供 AI 助手调用 Datawrapper。

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。

mcp.json · 通用配置

{
  "mcpServers": {
    "palewire-datawrapper": {
      "command": "uvx",
      "args": [
        "datawrapper-mcp"
      ],
      "env": {
        "DATAWRAPPER_ACCESS_TOKEN": "<DATAWRAPPER_ACCESS_TOKEN>"
      }
    }
  }
}

启动命令uvx datawrapper-mcp

需要配置的环境变量

DATAWRAPPER_ACCESS_TOKEN密钥Datawrapper API Access Token

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

pypidatawrapper-mcp0.4.0stdio

工具

收录的工具列表 · 更新于 2 周前

此工具无需参数。

详细介绍

一款用于通过 AI 助手创建 Datawrapper 图表的模型上下文协议（MCP）服务和应用。基于 datawrapper Python library 构建。

状态：早期实验阶段。 此项目（包括 Claude Code/Desktop 插件和市场列表）正在积极开发中，各版本之间的行为可能发生变化。尤其是插件/市场的安装流程仍存在已知问题（参见 issue #78），目前还不要将其视为适合大范围部署、无需维护的安装方式。

使用示例

你可以提供一个数据文件，然后直接描述想要的图表。草稿很快就会显示在面板中。

图书聊天图表

下面是一个更完整的示例，展示如何通过与助手聊天来创建、发布、更新和显示图表：

"Create a datawrapper line chart showing temperature trends with this data:
2020, 15.5
2021, 16.0
2022, 16.5
2023, 17.0"
# The assistant creates the chart and returns the chart ID, e.g., "abc123"

"Publish it."
# The assistant publishes it and returns the public URL

"Update chart with new data for 2024: 17.2°C"
# The assistant updates the chart with the new data point

"Make the line color dodger blue."
# The assistant updates the chart configuration to set the line color

"Show me the editor URL."
# The assistant returns the Datawrapper editor URL where you can view/edit the chart

"Show me the PNG."
# The assistant embeds the PNG image of the chart in its contained response.

"Suggest five ways to improve the chart."
# See what happens!

工具

工具	说明
`list_chart_types`	列出可用的图表类型及其说明
`get_chart_schema`	获取图表类型的完整配置架构
`create_chart`	使用数据和配置创建新图表
`update_chart`	更新现有图表的数据或样式
`publish_chart`	发布图表，使其可供公众访问
`get_chart`	获取图表的配置和元数据
`delete_chart`	永久删除图表
`export_chart_png`	将图表导出为 PNG 图片

图表类型

条形图、折线图、面积图、箭头图、柱状图、多系列柱状图、散点图、堆叠条形图

使用 list_chart_types 查看说明，然后使用 get_chart_schema 探索任意类型的配置选项。

开始使用

要求

一个 Datawrapper 账户（在 https://datawrapper.de/signup/ 注册）
一个 MCP 客户端，例如 Claude 或 OpenAI Codex
Python 3.10 或更高版本

获取 API 令牌

前往 https://app.datawrapper.de/account/api-tokens
创建一个新的 API 令牌
按照安装指南中的说明，将其添加到 MCP 配置中

快速开始（Claude Code）

{
  "mcpServers": {
    "datawrapper": {
      "command": "uvx",
      "args": ["datawrapper-mcp"],
      "env": {
        "DATAWRAPPER_ACCESS_TOKEN": "your-token-here"
      }
    }
  }
}

有关其他客户端（Claude Desktop、Claude.ai、Cursor、VS Code Copilot、ChatGPT、OpenAI Codex、OpenClaw）和 Kubernetes 部署，请参阅安装指南。

通过插件市场/目录（Claude Desktop 的插件浏览器、ClawHub 等）安装仍处于实验阶段。 这些交互式安装流程目前无法收集所需的环境变量，例如 DATAWRAPPER_ACCESS_TOKEN——详情请参阅 issue #78。目前，手动编辑配置（如上文及整份安装指南中所示）是可靠的安装方式。

使用自己的令牌（托管部署）

通过 HTTP 连接到托管的 MCP 服务实例时，你可以在 Authorization 标头中发送自己的 Datawrapper API 令牌进行身份验证：

Authorization: Bearer <your-datawrapper-api-token>

这样可以确保图表是在你的账户下创建的，而不是服务运营方的账户下。令牌会自动从标头中读取，无需在每次工具调用时都附上。

你也可以直接将 access_token 作为工具参数传入，其优先级高于标头。如果两者均未提供，服务将使用其 DATAWRAPPER_ACCESS_TOKEN 环境变量。

自定义说明

设置 DATAWRAPPER_MCP_INSTRUCTIONS，让服务向连接的 MCP 客户端提供你编写的自由文本指导（许多客户端，包括 Claude，会将其纳入模型的上下文）。你可以用它设置内部风格规则——例如必填字段、命名约定等——而无需分叉服务：

"env": {
  "DATAWRAPPER_ACCESS_TOKEN": "your-token-here",
  "DATAWRAPPER_MCP_INSTRUCTIONS": "Every chart needs alt text and a CMS slug in its notes field."
}

支持的客户端

客户端	配置文件	传输方式
Claude Desktop	`claude_desktop_config.json`	stdio 或 streamable-http
Claude.ai	个人或组织连接器	streamable-http
Claude Code	插件市场或 `.mcp.json`	stdio
VS Code Copilot	`.vscode/mcp.json`	stdio
Cursor	`.cursor/mcp.json`	stdio 或 streamable-http
ChatGPT	开发者模式设置	仅 streamable-http
OpenAI Codex	`~/.codex/config.toml`	stdio
OpenClaw	ClawHub 插件或 `openclaw.json`	stdio