Quantitative Researcher MCP Server

定量研究者 MCP 服务

一种 MCP 服务实现，可用于管理定量研究知识图谱，以结构化方式表示研究项目、数据集、变量、假设、统计检验、模型和结果。该服务可帮助定量研究者整理数据、跟踪分析、评估假设，并从数值数据中获取洞见。

功能

• 持久化研究上下文：在多个分析会话中维护研究实体及其关系的结构化知识图谱
• 研究会话管理：跟踪研究分析会话，为其分配唯一 ID，并记录进展
• 假设检验：跟踪假设、相关检验及由此得出的结论
• 数据集管理：整理并跟踪数据集中的描述性统计数据和变量
• 统计分析：记录统计检验、模型及其结果
• 变量关系：跟踪变量之间的相关性、预测关系及其他关系
• 研究问题跟踪：将数据分析关联到具体研究问题
• 数据可视化：记录根据数据集和结果创建的可视化内容
• 模型性能：监控统计模型的性能指标
• 研究发现记录：将研究发现关联到支持它们的统计证据
• 研究方法记录：跟踪方法学决策和研究方法

实体

定量研究者 MCP 服务支持以下实体类型：

• project：整体研究项目
• dataset：用于分析的数据集合
• variable：数据集中的特定可测量属性
• hypothesis：可正式检验的陈述
• statisticalTest：应用于数据的分析方法
• result：统计分析的结果
• analysisScript：用于执行分析的代码
• visualization：数据的可视化表示
• model：统计模型或数学模型
• literature：学术资料来源
• researchQuestion：指导研究的正式问题
• finding：结果或结论
• participant：研究对象
• status：实体状态值（active、completed、pending、abandoned）
• priority：优先级（high、low）

关系

实体可以通过以下关系类型连接：

• correlates_with：变量之间的统计相关性
• predicts：自变量与因变量之间的预测关系
• tests：统计检验用于检验假设
• analyzes：对数据集执行的分析
• produces：分析产生结果
• visualizes：可视化内容展示数据或结果
• contains：层级关系
• part_of：实体是另一个实体的一部分
• depends_on：依赖关系
• supports：支持某项假设或研究发现的证据
• contradicts：与某项假设或研究发现相矛盾的证据
• derived_from：实体源自另一个实体
• controls_for：变量或方法用于控制混杂因素
• moderates：变量调节某种关系
• mediates：变量中介某种关系
• implements：脚本实现统计检验或模型
• compares：组别或变量之间的统计比较
• includes：模型包含变量
• validates：验证模型或结果
• cites：引用文献
• has_status：将实体关联到其当前状态（active、completed、pending、abandoned）
• has_priority：将实体关联到其优先级（high、low）
• precedes：表示某个流程或活动在顺序上先于另一个流程或活动

可用工具

定量研究者 MCP 服务提供以下工具，用于与研究知识进行交互：

startsession

启动新的定量研究会话，生成唯一的会话 ID，并显示当前的研究项目、数据集、模型、可视化内容和过往会话。通过 has_status 关系显示状态信息，通过 has_priority 关系显示优先级，并根据顺序流程关系识别下一步可开展的活动。

loadcontext

加载特定实体（项目、数据集、变量等）的详细上下文，并根据实体类型显示相关信息。包括状态信息、优先级和顺序流程关系。

endsession

通过结构化的多阶段流程记录研究会话结果：

1. summary：记录会话摘要、时长和项目重点
2. datasetUpdates：记录会话期间对数据集所做的更新
3. newAnalyses：记录新执行的统计分析
4. newVisualizations：追踪新创建的数据可视化内容
5. hypothesisResults：记录假设检验结果
6. modelUpdates：记录统计模型的更新
7. statusUpdates：记录实体状态值的变化
8. projectStatus：更新整体项目状态、优先级分配和顺序关系
9. assembly：最终汇总所有会话数据

buildcontext

在知识图谱中创建新实体、关系或观察：

• entities：添加新的研究实体（项目、数据集、变量、状态、优先级等）
• relations：在实体之间创建关系（包括 has_status、has_priority、precedes）
• observations：向现有实体添加观察

deletecontext

从知识图谱中移除实体、关系或观察：

• entities：移除研究实体
• relations：移除实体之间的关系（包括状态、优先级和顺序关系）
• observations：从实体中移除特定观察

advancedcontext

从知识图谱中检索信息：

• graph：获取整个知识图谱
• search：根据查询条件搜索节点
• nodes：按名称获取特定节点
• related：查找相关实体
• status：查找具有特定状态值（active、completed、pending、abandoned）的实体
• priority：查找具有特定优先级值（high、low）的实体
• sequence：识别研究流程中的顺序关系

特定领域函数

Quantitative Researcher MCP Server 为定量研究提供专用领域函数：

• getProjectOverview：全面查看项目，包括研究问题、方法、数据集和变量
• getDatasetAnalysis：分析数据集内容，包括变量、描述性统计和数据质量
• getHypothesisTests：查看假设检验及其结果
• getVariableRelationships：检查变量之间的相关性、预测关系和其他关系
• getStatisticalResults：汇总统计分析结果
• getVisualizationGallery：查看为数据集和结果创建的可视化内容
• getModelPerformance：评估统计模型的性能指标
• getResearchQuestionResults：按研究问题整理分析和结果
• getVariableDistribution：检查单个变量的分布和属性
• getStatusOverview：查看所有具有特定状态（active、completed、pending、abandoned）的实体
• getPriorityItems：识别高优先级研究任务和活动
• getResearchSequence：根据 precedes 关系可视化研究流程顺序

示例提示词

开始会话

Let's start a new quantitative research session for my Climate Impact Study project.

加载研究上下文

Load the context for the Climate Impact Study project so I can see the current state of my statistical analyses.

记录会话结果

I've just finished analyzing data for my Climate Impact Study. I ran three new regression models to test the relationship between temperature and crop yield, created two visualizations of the correlation patterns, and confirmed our hypothesis about rainfall effects. I've marked the temperature analysis as complete and assigned high priority to the regional variation analysis. The model performance improved by 15% after controlling for regional variations.

管理研究知识

Create a new variable called "Annual Precipitation" that's part of the "Climate Measures" dataset with observations noting it's normally distributed with a mean of 34.5 inches. Set its status to active and make it precede the "Crop Yield Analysis" process.

Update the status of the "Data Cleaning" process to "completed" and add an observation that all outliers have been properly handled.

用法

此 MCP 服务使定量研究人员能够：

• 保持分析的连续性：跨多个研究会话跟踪分析和结果
• 整理统计证据：将假设与支持它们的统计检验和结果关联起来
• 记录变量关系：记录变量之间的相关、预测或影响关系
• 跟踪模型开发：记录统计模型的演变及其表现
• 支持结果解读：将统计发现与研究问题和理论框架关联起来
• 确保方法严谨性：记录方法决策和分析方法
• 准备研究报告：整理统计证据，为研究发现提供支持
• 跟踪研究进展：在整个研究生命周期中监控实体状态
• 确定研究任务的优先级：识别并聚焦于高优先级的研究活动
• 安排研究流程：规划并可视化研究和分析步骤的逻辑顺序

配置

与 Claude Desktop 搭配使用

将以下内容添加到 claude_desktop_config.json：

从 GitHub 安装并使用 npx 运行

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/quantitativeresearch"
      ]
    }
  }
}

全局安装并直接运行

首先，全局安装软件包：

npm install -g github:tejpalvirk/quantitativeresearch

然后配置 Claude Desktop：

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "contextmanager-quantitativeresearch"
    }
  }
}

docker

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "mcp/quantitativeresearch"
      ]
    }
  }
}

构建

从源代码构建

# Clone the repository
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# Install dependencies
npm install

# Build the server
npm run build

# Run the server
cd quantitativeresearch
node quantitativeresearch_index.js

Docker：

docker build -t mcp/quantitativeresearch -f quantitativeresearch/Dockerfile .

许可证

此 MCP 服务采用 MIT License。您可以自由使用、修改和分发此软件，但须遵守 MIT License 的条款和条件。详情请参阅项目仓库中的 LICENSE 文件。

环境变量

Quantitative Research MCP Server 支持以下环境变量，用于自定义数据存储位置：

• MEMORY_FILE_PATH：知识图谱数据的存储路径

  • 可以是绝对路径或相对路径（相对路径以当前工作目录为准）
  • 默认值：./quantitativeresearch/memory.json

• SESSIONS_FILE_PATH：会话数据的存储路径

  • 可以是绝对路径或相对路径（相对路径以当前工作目录为准）
  • 默认值：./quantitativeresearch/sessions.json

示例用法：

# Store data in the current directory
MEMORY_FILE_PATH="./quantitative-memory.json" SESSIONS_FILE_PATH="./quantitative-sessions.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# Store data in a specific location (absolute path)
MEMORY_FILE_PATH="/path/to/data/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# Store data in user's home directory
MEMORY_FILE_PATH="$HOME/contextmanager/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch