Safe Kaggle MCP

kaggle-mcp

一个安全优先的 Model Context Protocol 服务，将 Claude（Desktop / Code）连接到 Kaggle，涵盖竞赛、数据集、内核（笔记本）和模型。

safe-kaggle-mcp 是唯一一款以安全为先的 Kaggle MCP。 每项不可逆操作——提交、删除、公开发布——都必须通过两步调用的预览→提交确认令牌；每个响应都会显示每场竞赛的提交预算；破坏性标志默认关闭；所有 Kaggle 返回的文本都会封装在 <untrusted-content> 中，并且你的凭据绝不会进入模型上下文。其他服务追求工具数量，而官方远程服务胜在无需安装，但**它们都没有为任何破坏性调用设置门槛、限制提交次数或强化防御提示词注入，包括官方服务。**它牺牲了广度，换取自主 Agent 使用你的 Kaggle 账户时真正需要的一点：它无法悄悄耗尽你的每日提交次数、泄露密钥、公开你的私有作品，或被恶意讨论帖劫持。

claude mcp add --transport stdio kaggle -- uvx --from safe-kaggle-mcp kaggle-mcp

对比情况

特性	safe-kaggle-mcp	典型社区服务	官方远程服务 / Composio
两步调用预览→提交确认令牌（提交／删除／发布）	✅ 支持	❌ 不支持（单次调用）	❌ 不支持（单次调用）
向 Agent 显示每项竞赛的提交预算	✅ 支持（默认每天 5 次）	❌ 不支持	❌ 不支持（服务端配额不透明）
提示词注入加固（使用 <untrusted-content> 隔离）	✅ 支持	❌ 不支持	❌ 不支持
默认私有 + 默认关闭破坏性操作／发布标志	✅ 支持	⚠️ 可选的 is_private 参数	❌ 不支持
不在聊天中调用 authenticate() + 对 40 位十六进制凭据进行脱敏	✅ 支持	❌ 有些会将密钥泄露到上下文中	⚠️ OAuth 会避免暴露密钥，但不做脱敏
防 zip-slip／沙箱化下载	✅ 支持	❌ 不支持	❌ 无法沙箱化本地写入
可调用的本地 EDA 工具（精简的 pandas 摘要，不返回原始行）	✅ 支持（数据集 + 竞赛）	❌ 最多提供 EDA 提示词	❌ 不支持
竞赛 训练集／测试集架构差异 + 自动检测目标	✅ 支持	❌ 不支持	❌ 不支持
竞赛 概况评估（剩余天数、预算、指标）	✅ 支持	❌ 仅提供简单的原始列表	❌ 提供原始字段，不含摘要
提交最佳成绩摘要（结合指标的最佳成绩／趋势／失败情况）	✅ 支持	❌ 原始列表	❌ 原始列表
排行榜差值跟踪（本地快照 + 排名变动）	✅ 支持	❌ 不支持	❌ 也没有 API 端点
修改操作的会话审计账本（已脱敏）	✅ 支持	❌ 不支持	❌ 不支持
只读的讨论 + 解读摘要，带注入隔离	✅ 支持（通过不可信内容隔离）	⚠️ 支持，但未隔离（Galaxy-Dawn）	⚠️ 未隔离
单次调用启动竞赛（数据 + EDA + 基线方案）	✅ 支持	❌ 不支持	❌ 不支持
输出规范（排名／数量受限的表格、分页、前 N 项）	✅ 支持	❌ 未记录	❌ 由客户端负责
现代 KGAT_ 令牌 + 旧版用户名／密钥认证	✅ 两者均支持	⚠️ 基本只支持旧版认证	✅ OAuth 2.0
安装方式	本地 stdio（PyPI + git，uvx）	本地（pip/uv）	✅ 零安装远程服务
原始工具数量	41 个工具（不含基准测试列表——API 未提供）	最多约 51 个	约 35–57 个

有两点我们确实不占优势：官方远程服务无需安装，而覆盖面最广的社区服务（Galaxy-Dawn，约 51 个工具）提供更多原始端点（例如基准测试）。它们以未隔离的方式提供约 10 个论坛工具；我们则提供只读的讨论搜索 + 阅读，并将每篇正文都用 <untrusted-content> 隔离——不提供发帖工具，因为该 API 并未提供此功能。

可用功能

用自然语言在 Claude 聊天中掌控整个 Kaggle 工作流：

向 Claude 提出请求……	底层执行的操作
“筛选活跃竞赛——奖金额、评估指标、剩余天数。”	kaggle_competition_landscape（生成一份整理好的报告，按截止时间排序）
“下载 titanic 数据，推断目标列并进行 EDA。”	kaggle_eda_competition → 训练集/测试集架构差异（自动识别目标列）+ 精简的 pandas 摘要
“找一个不错的 Titanic 数据集，给我看看数据是什么样的。”	kaggle_search_datasets → kaggle_dataset_preview（限制行数，并将数据行标记为不可信内容）
“总结 iris 数据集。”	kaggle_eda_dataset → 形状、数据类型、缺失情况、目标分布、主要相关性
“将 predictions.csv 提交到 titanic，并告诉我得分。”	kaggle_preview_submission → kaggle_submit_to_competition（令牌 + 预算检查）→ kaggle_get_submission_score
“值得继续迭代吗？目前为止我的最佳得分是多少？”	kaggle_submission_best_score（根据评估指标汇总最佳成绩、趋势和失败情况 + 今日预算）
“上次查看后，排行榜上有人超过我了吗？”	kaggle_leaderboard_track（比较快照差异，查看谁超过了你）
“大家在讨论这场竞赛的哪些技巧？”	kaggle_search_discussions → kaggle_get_discussion（只读，所有帖子均标记为不可信内容）
“找出这场竞赛的获胜方案解析。”	kaggle_search_writeups → kaggle_get_discussion
“帮我启动这场竞赛。”	kaggle_competition_kickoff — 一次调用即可获取：评估指标 + 规则 + 数据下载 + 训练集/测试集 EDA（自动识别目标列）+ 基线方案 + 预算
“本次会话中我执行过哪些会修改数据的操作？”	kaggle_audit_log（记录每次提交、创建和删除操作的脱敏日志）
“在 Kaggle 的免费 GPU 上运行这个 notebook，并获取输出。”	kaggle_push_kernel → kaggle_kernel_status → kaggle_kernel_output
“将我构造的特征保存为私有数据集版本。”	kaggle_version_dataset — 默认设为私有

Agent 可自行串联的高级工作流： 自主竞赛循环（下载 → 训练 → 提交 → 查看得分 → 迭代，在每日预算范围内）、将 Kaggle 用作远程 GPU/TPU 后端，以及通过私有数据集版本实现跨运行记忆。每个不可逆步骤都会经过检查，因此 Agent 可以自主运行，而不必担心账户安全。

不支持的功能（如实说明限制）

有些竞品宣称具备公开 Kaggle API 实际上无法提供的功能。我们不会发布不实的占位功能：

• 无法在论坛/讨论区发帖。 API 可以读取主题，但没有创建、回复或投票接口，因此我们不会假装支持这些操作。
• 无法预测私有排行榜得分或最终排名。 截止日期前不会公开私有得分；我们的工具会将得分标记为仅限公开数据。
• 无法获取 Kaggle 的历史排行榜。 Kaggle 没有此类接口——kaggle_leaderboard_track 会将数据与你在本地保存的快照进行比较，并明确说明这一点。
• 无法获取隐藏的测试标签或私有数据划分。 我们只会提供竞赛公开的文件。

安装

# fastest: install + register with Claude Code
claude mcp add --transport stdio kaggle -- uvx --from safe-kaggle-mcp kaggle-mcp

# or straight from this repo (no PyPI):
claude mcp add --transport stdio kaggle -- uvx --from git+https://github.com/parkseokjune/kaggle-mcp kaggle-mcp

# or for development
uv sync --extra dev && uv run kaggle-mcp

PyPI 发行包名为 safe-kaggle-mcp（名称 kaggle-mcp 已被占用）；安装后的命令仍为 kaggle-mcp，因此请使用 uvx --from safe-kaggle-mcp kaggle-mcp 启动。

前往 https://www.kaggle.com/settings → API → Create New Token 获取令牌。两种方案均可使用（按顺序解析）：

# 1) legacy username/key (env or ~/.kaggle/kaggle.json)
export KAGGLE_USERNAME=your_user
export KAGGLE_KEY=your_40_char_key

# 2) current API token (KGAT_...): the client reads it automatically
mkdir -p ~/.kaggle && echo "KGAT_..." > ~/.kaggle/access_token && chmod 600 ~/.kaggle/access_token

Claude Desktop — 编辑 claude_desktop_config.json，然后完全重启：

{ "mcpServers": { "kaggle": {
  "command": "uvx", "args": ["--from", "safe-kaggle-mcp", "kaggle-mcp"],
  "env": { "KAGGLE_USERNAME": "your_user", "KAGGLE_KEY": "your_key" } } } }

安全开关（默认关闭 → 只读／隐私模式）

环境变量	默认值	设为 1 时的效果
KAGGLE_MCP_ENABLE_DESTRUCTIVE	0	开放 kaggle_delete_dataset / kaggle_delete_model
KAGGLE_MCP_ENABLE_PUBLISH	0	允许创建公开数据集
KAGGLE_MCP_SUBMISSION_CAP	5	每个竞赛的每日提交额度

即使启用，每次破坏性调用仍需从其 *_preview_* 工具获取一次性 confirm_token，并记录在 kaggle_audit_log 中。

工具

41 个工具，涵盖账户、竞赛、数据集、讨论、内核、模型，以及 kaggle:// 资源（元数据、排行榜、规则）和 /kaggle-eda、/kaggle-submit-checklist、/kaggle-landscape、/kaggle-solution-research 提示词。运行 kaggle_status 可查看身份验证状态和提交额度。

已使用两种身份验证方案针对 Kaggle API（kaggle 2.2.2）完成实时验证；53 项离线测试和 6 项实时只读测试均已通过。

开发

uv run pytest                              # offline unit + integration tests
KAGGLE_LIVE=1 uv run pytest tests/test_live_readonly.py   # live read-only smoke (needs creds)
uv run mcp dev src/kaggle_mcp/server.py    # MCP Inspector

许可证

MIT