Analista Autónomo MCP

Analista Autónomo

🧠 Descripción general

Autonomous Analyst es un pipeline de IA local y agente que:

Analiza datos tabulares
Detecta anomalías con la distancia de Mahalanobis
Utiliza un LLM local (llama3.2:1b a través de Ollama) para generar resúmenes interpretativos
Registra los resultados en ChromaDB para su recuperación semántica
Está completamente orquestado a través del Protocolo de Contexto de Modelo (MCP)

⚙️ Características

Componente	Descripción
Interfaz de usuario web de FastAPI	Panel de control amigable para conjuntos de datos sintéticos o cargados
Orquestación de herramientas MCP	Cada paso del proceso se expone como una herramienta MCP invocable
Detección de anomalías	Detección de valores atípicos basada en la distancia de Mahalanobis
Salida visual	Diagrama de dispersión guardado de valores atípicos frente a valores atípicos
Resumen de LLM local	Información generada con `llama3.2:1b` a través de Ollama
Registro de la tienda de vectores	Los resúmenes se almacenan en ChromaDB para memoria persistente.
Herramienta de planificación de agentes	Una herramienta LLM dedicada ( `autonomous_plan` ) determina los próximos pasos según el contexto del conjunto de datos
Flujo agente	LLM + memoria + uso de herramientas + razonamiento automático + conciencia del contexto

🧪 Herramientas definidas (a través de MCP)

Nombre de la herramienta	Descripción	LLM usado
`generate_data`	Crear datos tabulares sintéticos (gaussianos + categóricos)	❌
`analyze_outliers`	Etiquetar filas usando la distancia de Mahalanobis	❌
`plot_results`	Guardar un gráfico que visualiza valores atípicos frente a valores atípicos	❌
`summarize_results`	Interpretar y explicar la distribución de valores atípicos utilizando `llama3.2:1b`	✅
`summarize_data_stats`	Describir las tendencias del conjunto de datos utilizando `llama3.2:1b`	✅
`log_results_to_vector_store`	Almacenar resúmenes en ChromaDB para referencia futura	❌
`search_logs`	Recupere sesiones pasadas relevantes mediante la búsqueda vectorial (uso opcional de LLM)	⚠️
`autonomous_plan`	Ejecute el pipeline completo, utilice LLM para recomendar las próximas acciones automáticamente	✅

🤖 Capacidades de agente

Autonomía : selección de ruta de ejecución guiada por LLM con autonomous_plan
Uso de la herramienta : invoca dinámicamente herramientas MCP registradas a través de inferencia LLM
Razonamiento : genera información técnica a partir de las condiciones del conjunto de datos y el análisis de valores atípicos.
Memoria : Persiste y recuerda el conocimiento mediante la búsqueda vectorial de ChromaDB
LLM : Desarrollado por Ollama con llama3.2:1b (temperatura = 0,1, determinista)

🚀 Primeros pasos

1. Clonar y configurar

git clone https://github.com/MadMando/mcp-autonomous-analyst.git
cd mcp-autonomous-analyst
conda create -n mcp-agentic python=3.11 -y
conda activate mcp-agentic
pip install uv
uv pip install -r requirements.txt

2. Inicie el servidor MCP

mcp run server.py --transport streamable-http

3. Inicie el Panel de Control Web

uvicorn web:app --reload --port 8001

Luego visita: http://localhost:8000

Flujo del panel

Paso 1: Cargue su propio conjunto de datos o haga clic en Generate Synthetic Data
Paso 2: El sistema ejecuta la detección de anomalías en feature_1 frente a feature_2
Paso 3: Se genera un gráfico visual de valores atípicos
Paso 4: Los resúmenes se crean a través de LLM
Paso 5: Los resultados se registran opcionalmente en el almacén de vectores para su recuperación.

📁 Diseño del proyecto

📦 autonomous-analyst/
├── server.py                  # MCP server
├── web.py                     # FastAPI + MCP client (frontend logic)
├── tools/
│   ├── synthetic_data.py
│   ├── outlier_detection.py
│   ├── plotter.py
│   ├── summarizer.py
│   ├── vector_store.py
├── static/                   # Saved plot
├── data/                     # Uploaded or generated dataset
├── requirements.txt
├── .gitignore
└── README.md

Pila tecnológica

SDK de MCP: mcp
Inferencia LLM: Ollama ejecutando llama3.2:1b
Servidor de interfaz de usuario: FastAPI + Uvicorn
Memoria: base de datos vectorial ChromaDB
Datos: pandas , matplotlib , scikit-learn

✅ Adiciones de .gitignore

__pycache__/
*.pyc
*.pkl
.env
static/
data/

🙌 Agradecimientos

Este proyecto no sería posible sin el increíble trabajo de la comunidad de código abierto. Agradecimientos especiales a:

Herramienta/Biblioteca	Objetivo	Repositorio
Protocolo de Contexto Modelo (MCP)	Orquestación y ejecución de herramientas de Agentic	modelocontextoprotocolo/sdk de Python
💬 Ollama	Motor de inferencia LLM local ( `llama3.2:1b` )	ollama/ollama
🔍 ChromaDB	Base de datos vectorial para registro y recuperación	núcleo de croma/croma
🌐 FastAPI	Interfaz web interactiva y rápida	tiangolo/fastapi
⚡ Uvicornio	Servidor ASGI que alimenta el backend FastAPI	codificar/uvicornio

💡 Si utiliza este proyecto, considere destacarlo o contribuir con las herramientas upstream que lo hacen posible.

Este repositorio fue creado con la ayuda de un rag-llm local usando llama3.2:1b

This server cannot be installed

security - not tested

license - not found

quality - not tested

How are these scores calculated?

local-only server

The server can only run on the client's local machine because it depends on local resources.

Una canalización de inteligencia artificial local y agente que analiza datos tabulares, detecta anomalías y genera resúmenes interpretativos utilizando LLM locales orquestados a través del Protocolo de contexto de modelo.

Related MCP Servers

MCP Variance Log
truaxki
A
security
A
license
A
quality
Agentic tool that looks for statistical variations in conversation structure and logs unusual events to a SQLite database. Built using the Model Context Protocol (MCP), this system is designed to be used with Claude Desktop or other MCP-compatible clients.
Last updated -
8
4
Python
MIT License
Linear MCP Integration Server
skspade
-
security
F
license
-
quality
Enables AI models to interact with Linear for issue tracking and project management through the Model Context Protocol, supporting capabilities like creating issues, searching, managing sprints, and bulk updating statuses.
Last updated -
5
TypeScript
WebEvalAgent MCP Serverofficial
Operative-Sh
A
security
A
license
A
quality
Unleashes LLM-powered agents to autonomously execute and debug web apps directly in your code editor, with features like webapp navigation, network traffic capture, and console error collection.
Last updated -
1
1,128
Python
Apache 2.0
Web-LLM MCP Server
ragingwind
-
security
F
license
-
quality
A server that enables browser-based local LLM inference using Playwright to automate interactions with @mlc-ai/web-llm, supporting text generation, chat sessions, model switching, and status monitoring.
Last updated -
1
TypeScript

View all related MCP servers

MCP Autonomous Analyst