MCP 自主分析师

自主分析师

🧠 概述

自主分析师是一个本地代理人工智能管道，它：

分析表格数据
使用马氏距离检测异常
使用本地 LLM（通过 Ollama 的 llama3.2:1b）生成解释性摘要
将结果记录到 ChromaDB 以进行语义调用
通过模型上下文协议 (MCP) 进行全面协调

⚙️ 功能

成分	描述
FastAPI Web 用户界面	用于合成或上传数据集的友好仪表板
MCP 工具编排	每个流程步骤都公开为可调用的 MCP 工具
异常检测	基于马氏距离的异常值检测
视觉输出	保存的正常值与异常值的散点图
本地法学硕士总结	通过 Ollama 使用`llama3.2:1b`生成的洞察
向量存储日志	摘要存储在 ChromaDB 中作为持久内存
代理规划工具	专用的 LLM 工具（ `autonomous_plan` ）根据数据集上下文确定下一步
代理流	LLM+记忆+工具使用+自动推理+情境感知

🧪 工具定义（通过 MCP）

工具名称	描述	法学硕士使用
`generate_data`	创建合成表格数据（高斯+分类）	❌
`analyze_outliers`	使用马氏距离标记行	❌
`plot_results`	保存可视化内点与异常值的图表	❌
`summarize_results`	使用`llama3.2:1b`解释和说明异常值分布	✅
`summarize_data_stats`	使用`llama3.2:1b`描述数据集趋势	✅
`log_results_to_vector_store`	将摘要存储到 ChromaDB 以供将来参考	❌
`search_logs`	使用向量搜索检索相关的过去会话（可选的 LLM 使用）	⚠️
`autonomous_plan`	运行完整的流程，使用 LLM 自动推荐下一步行动	✅

🤖 代理能力

自主性：使用autonomous_plan进行 LLM 引导的执行路径选择
工具使用：通过 LLM 推理动态调用已注册的 MCP 工具
推理：从数据集条件和异常值分析中产生技术见解
记忆：使用 ChromaDB 向量搜索保存和回忆知识
LLM ：由 Ollama 提供支持，使用llama3.2:1b （温度 = 0.1，确定性）

🚀 入门

1. 克隆并设置

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. 启动 MCP 服务器

mcp run server.py --transport streamable-http

3. 启动 Web 仪表板

uvicorn web:app --reload --port 8001

然后访问： http://localhost:8000

🌐 仪表板流程

**步骤 1：**上传您自己的数据集或单击Generate Synthetic Data
**步骤 2：**系统对feature_1与feature_2运行异常检测
**步骤 3：**生成异常值的可视化图表
**步骤 4：**通过 LLM 创建摘要
**步骤 5：**结果可选择记录到向量存储中以供调用

📁 项目布局

📦 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

📚 技术栈

MCP SDK： mcp
LLM 推理： Ollama运行llama3.2:1b
UI 服务器： FastAPI + Uvicorn
内存： ChromaDB矢量数据库
数据： pandas 、 matplotlib 、 scikit-learn

✅ .gitignore 附加内容

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

🙌 致谢

如果没有开源社区的辛勤付出，这个项目就不可能实现。特别感谢：

工具/库	目的	存储库
🧠模型上下文协议（MCP）	代理工具编排和执行	modelcontextprotocol/python-sdk
💬奥拉玛	本地 LLM 推理引擎（ `llama3.2:1b` ）	奥拉马
🔍 ChromaDB	用于记录和检索的矢量数据库	chroma-core/chroma
🌐 FastAPI	交互式、快速的 Web 界面	tiangolo/fastapi
⚡ Uvicorn	ASGI 服务器为 FastAPI 后端提供支持	编码/uvicorn

💡 如果您使用这个项目，请考虑为实现该项目的上游工具加注或做出贡献。

此 repo 是在本地 rag-llm 的帮助下使用 llama3.2:1b 创建的

This server cannot be installed

security - not tested

license - not found

quality - not tested

local-only server

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

本地代理 AI 管道，使用通过模型上下文协议协调的本地 LLM 分析表格数据、检测异常并生成解释性摘要。

Related MCP Servers

Model Context Provider (MCP) Server
Mark850409
-
security
F
license
-
quality
Facilitates enhanced interaction with large language models (LLMs) by providing intelligent context management, tool integration, and multi-provider AI model coordination for efficient AI-driven workflows.
Last updated -
Python
ServiceNow MCP Server
michaelbuckner
-
security
A
license
-
quality
A Model Context Protocol server enabling AI agents to access and manipulate ServiceNow data through natural language interactions, allowing users to search for records, update them, and manage scripts.
Last updated -
9
Python
MIT License
MCP Server for langfuse
z9905080
-
security
A
license
-
quality
An MCP server implementation that integrates AI assistants with Langfuse workspaces, allowing models to query LLM metrics by time range.
Last updated -
9
JavaScript
Apache 2.0
SurrealDB MCP Server
nsxdavid
-
security
-
license
-
quality
Connect your AI models to your favorite SurrealDB database, and let the LLMs do all your work for you.
Last updated -
3
JavaScript

View all related MCP servers

MCP Autonomous Analyst