mcpField
M
MCP From Zero: Quick Data

MCP From Zero: Quick Data

本地服务
github.com/disler数据与分析15073 周前更新

关于 MCP From Zero: Quick Data

MCP From Zero: Quick Data 是一个面向 .json 与 .csv 文件的 MCP 服务,用于让 Claude Code 等 Agent 进行数据分析。该项目同时是学习材料,用于探讨提示词、工具与资源三类 MCP 组件如何协同使用。

主要功能

  1. 01对 .json 与 .csv 文件进行数据分析
  2. 02基于提示词、工具与资源的组合设计
  3. 03提供可复用的 Agent 工作流示例
  4. 04附带 Claude Code 的配置示例

适用场景

  1. 01让 Claude Code 分析本地 JSON 或 CSV 数据
  2. 02学习如何组合 MCP 的提示词、工具与资源

MCP 相关

该项目是 MCP 服务,通过工具、资源和提示词向 MCP 客户端提供数据分析能力,并以示例说明各组件的用法。

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

从零开始了解 MCP:快速数据

目的:学习如何通过将工具扩展为可复用的 Agentic 工作流(ADW,也就是带工具的提示词),构建强大的模型上下文协议(MCP)服务。

Quick-Data

Quick-Data 是一个 MCP 服务,可让你的 Agent 对 .json 和 .csv 文件进行任意数据分析。

我们将 Quick-Data 作为一个具体用例,专门用于尝试 MCP 服务的各个组成部分:提示词 > 工具 > 资源。

有关 MCP 服务的详情,请参阅 quick-data-mcp。

MCP 服务提示词

引导性问题

我们将围绕三个引导性问题进行尝试:

  1. 如何通过组合使用工具、资源和提示词,最大限度地发挥自定义 MCP 服务的价值?
  2. 构建 MCP 服务的最佳代码库架构是什么?
  3. 我们能否构建一个可用于快速构建 MCP 服务的 Agentic 工作流(带工具的提示词)?

了解 MCP 组件

MCP 服务包含三个主要构件,可扩展 AI 模型的能力:

工具

是什么:AI 模型可调用以执行操作的函数。

何时使用:当你希望 AI 根据特定领域的用例,在低到中等原子化程度上执行某项操作时。

示例:

@mcp.tool()
async def create_task(title: str, description: str) -> dict:
    """Create a new task."""
    # AI can call this to actually create tasks
    return {"id": "123", "title": title, "status": "created"}
资源

是什么:AI 模型可读取和访问的数据。

何时使用:当你希望 AI 读取信息时,例如用户资料、配置、状态或任何数据源。

示例:

@mcp.resource("users://{user_id}/profile")
async def get_user_profile(user_id: str) -> dict:
    """Get user profile by ID."""
    # AI can read this data to understand users
    return {"id": user_id, "name": "John", "role": "developer"}
提示词

是什么:用于发起特定类型对话的预构建对话模板。

何时使用:当你希望为 AI 提供结构化的起点,以便在特定领域的用例中执行常见、可重复的工作流时。

示例:

@mcp.prompt()
async def code_review(code: str) -> str:
    """Start a code review conversation."""
    # AI gets a structured template for code reviews
    return f"Review this code for security and performance:\n{code}"

快速决策指南

  • 需要 AI 执行操作? → 使用 工具
  • 需要 AI 读取数据? → 使用 资源
  • 需要可复用的 Agentic 工作流(ADW)? → 使用 提示词

快速设置

若要使用 Quick Data MCP 服务:

  1. 进入 MCP 服务目录:

    cd quick-data-mcp/
    
  2. 为你的 MCP 客户端进行配置:

    # Copy the sample configuration
    cp .mcp.json.sample .mcp.json
    
    # Edit .mcp.json and update the --directory path to your absolute path
    # Example: "/Users/yourusername/path/to/quick-data-mcp"
    
  3. 测试服务:

    uv run python main.py
    

有关完整的设置和使用文档,请参阅 quick-data-mcp/README.md。

资源

精通 AI 编码

通过 AI 学习编程,掌握基础知识:AI 编码原则

关注 IndyDevDan youtube 频道,获取更多 AI 编码技巧。

使用最佳 Agentic 编码工具:Claude Code

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。