Skip to main content
Glama
deenesjakoruzh

MCP Autonomous Analyst

by MadMando
GitHub
Python
OverviewInspectNewEndpointsSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

自律アナリスト

🧠 概要

Autonomous Analyst は、次のような機能を備えたローカルのエージェント AI パイプラインです。

  • 表形式のデータを分析する

  • マハラノビス距離で異常を検出

  • ローカルLLM（Ollama経由のllama3.2:1b）を使用して解釈要約を生成します。

  • セマンティックリコールのために結果をChromaDBに記録する

  • モデルコンテキストプロトコル（MCP）を介して完全にオーケストレーションされます

⚙️ 機能

成分

説明

FastAPI Web UI

合成データセットまたはアップロードされたデータセット用の使いやすいダッシュボード

MCPツールオーケストレーション

各プロセスステップは呼び出し可能なMCPツールとして公開されます

異常検出

マハラノビス距離に基づく外れ値検出

視覚的な出力

保存された正常値と異常値の散布図

ローカルLLM要約

Ollama経由で

llama3.2:1b

を使用して生成された洞察

ベクターストアのログ記録

要約は永続メモリとしてChromaDBに保存されます

エージェントプランニングツール

専用のLLMツール（

autonomous_plan

）はデータセットのコンテキストに基づいて次のステップを決定します。

エージェントフロー

LLM + 記憶 + ツールの使用 + 自動推論 + 文脈認識

🧪 ツールの定義（MCP経由）

ツール名

説明

LLM使用

generate_data

合成表形式データ（ガウス+カテゴリ）を作成する

❌

analyze_outliers

マハラノビス距離を使用して行にラベルを付ける

❌

plot_results

正常値と異常値を視覚化したプロットを保存する

❌

summarize_results

llama3.2:1b

を使用して外れ値分布を解釈および説明する

✅

summarize_data_stats

llama3.2:1b

を使用してデータセットの傾向を説明する

✅

log_results_to_vector_store

将来の参照用に要約を ChromaDB に保存します

❌

search_logs

ベクトル検索を使用して関連する過去のセッションを検索する（LLM の使用はオプション）

⚠️

autonomous_plan

パイプライン全体を実行し、LLM を使用して次のアクションを自動的に推奨します

✅

🤖 エージェント機能

  • Autonomy : autonomous_planによる LLM ガイド実行パス選択

  • ツールの使用: LLM推論を介して登録されたMCPツールを動的に呼び出す

  • 推論:データセットの条件と外れ値分析から技術的な洞察を生成します

  • メモリ: ChromaDB ベクトル検索を使用して知識を保持および呼び出します

  • LLM : Ollama とllama3.2:1bを搭載 (温度 = 0.1、決定論的)

🚀 はじめに

1. クローンとセットアップ

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. MCPサーバーを起動する

mcp run server.py --transport streamable-http

3. Webダッシュボードを起動する

uvicorn web:app --reload --port 8001

次に、 http://localhost:8000にアクセスします。

🌐 ダッシュボードフロー

  • **ステップ1:**独自のデータセットをアップロードするか、 Generate Synthetic Dataをクリックします

  • **ステップ2:**システムはfeature_1とfeature_2に対して異常検出を実行します。

  • **ステップ3:**外れ値の視覚的なプロットが生成される

  • ステップ4: LLMで要約を作成する

  • **ステップ5:**結果はオプションでベクトルストアに記録され、リコールされる

📁 プロジェクトレイアウト

📦 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

📚 技術スタック

  • MCP SDK: mcp

  • LLM推論: llama3.2:1bを実行するOllama

  • UI サーバー: FastAPI + Uvicorn

  • メモリ: ChromaDB ベクターデータベース

  • データ: pandas 、 matplotlib 、 scikit-learn

✅ .gitignore の追加

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

🙌 謝辞

このプロジェクトは、オープンソースコミュニティの素晴らしい努力なしには実現できませんでした。特に感謝申し上げます。

ツール / ライブラリ

目的

リポジトリ

🧠

モデルコンテキストプロトコル (MCP)

エージェントツールのオーケストレーションと実行

モデルコンテキストプロトコル/Python-SDK

💬

オラマ

ローカル LLM 推論エンジン (

llama3.2:1b

)

オラマ/オラマ

🔍

クロマDB

ログ記録と検索のためのベクターデータベース

クロマコア/クロマ

🌐

高速API

インタラクティブで高速なウェブインターフェース

ティアンゴロ/ファスタピ

⚡

ウビコーン

FastAPIバックエンドを支えるASGIサーバー

エンコード/uvicorn

💡 このプロジェクトを使用する場合は、スターを付けたり、それを可能にするアップストリームツールに貢献することを検討してください。

このリポジトリは、llama3.2:1b を使用したローカル rag-llm の支援を受けて作成されました。

This server cannot be installed

-
security - not tested
F
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.

モデル コンテキスト プロトコルを介して調整されたローカル LLM を使用して、表形式のデータを分析し、異常を検出し、解釈サマリーを生成する、ローカルのエージェント AI パイプライン。

  1. 🧠 概要
    1. ⚙️ 機能
    2. 🧪 ツールの定義（MCP経由）
    3. 🤖 エージェント機能
  2. 🚀 はじめに
    1. 1. クローンとセットアップ
    2. 2. MCPサーバーを起動する
    3. 3. Webダッシュボードを起動する
  3. 🌐 ダッシュボードフロー
    1. 📁 プロジェクトレイアウト
      1. 📚 技術スタック
        1. ✅ .gitignore の追加
          1. 🙌 謝辞

            Related MCP Servers

            • MCP-RAG

              ANSH-RIYAL
              -
              security
              F
              license
              -
              quality
              An agentic AI system that orchestrates multiple specialized AI tools to perform business analytics and knowledge retrieval, allowing users to analyze data and access business information through natural language queries.
              Last updated -
              3

            • MCP Prompt Enhancer

              soniankur948
              -
              security
              F
              license
              -
              quality
              Intelligently analyzes codebases to enhance LLM prompts with relevant context, featuring adaptive context management and task detection to produce higher quality AI responses.
              Last updated -

            • MCP Log Analyzer

              Tushar-Shrivastava
              -
              security
              A
              license
              -
              quality
              An AI-powered server that analyzes system log files to identify errors/warnings and recommend fixes using FastMCP, LangGraph ReAct agents, and Anthropic Claude.
              Last updated -
              1
              MIT License

            • Context Optimizer MCP Server

              malaksedarous
              -
              security
              A
              license
              -
              quality
              Provides AI coding assistants with context optimization tools including targeted file analysis, intelligent terminal command execution with LLM-powered output extraction, and web research capabilities. Helps reduce token usage by extracting only relevant information instead of processing entire files and command outputs.
              Last updated -
              5
              16
              45
              TypeScript
              MIT License

            View all related MCP servers

            Appeared in Searches

            New MCP Servers

            MCP directory API

            We provide all the information about MCP servers via our MCP API.

            curl -X GET 'https://glama.ai/api/mcp/v1/servers/MadMando/mcp-autonomous-analyst'

            If you have feedback or need assistance with the MCP directory API, please join our Discord server