ChatBI MCP Server

# ChatBI MCP Server ## 准备环境 ### 配置LLM API Key ```bash cp .env.example .env ``` 编辑`.env`文件，填写LLM信息，要生成代码，建议填写相对比较强的模型，比如GLM 4.5、Qwen-235B-A22B、Kimi K2等，至少Qwen3-32B，规模再小的生成代码质量会比较差，分析效果差。 ### 安装依赖 ```bash uv venv .venv --python=3.11 source .venv/bin/activate uv pip install -r requirements.txt ``` ## 运行服务 ```bash cd src python pandas_mcp_server.py ``` ## 使用 ### 配置ChatBI MCP Server 使用任意支持MCP Server的客户端，比如Cherry Studio，配置如下：  其中验证信息，在`config.yaml`中，可以自行修改。默认值为`eyJzdWIiOiAidXNlcjEyMyIsICJpYXQiOiAxNzUxODA5ODIwLCAiZXhwIjogMTc1MTgxMzQyMH0`。 > 注意：超时时间设置长一点，因为涉及LLM生成代码、如果出错还需要改错 添加完成后，点击“保存”，然后点击又上方的开启选项，切换到“工具”标签页： 如果能正常列出工具，说明配置正确。  ### 使用ChatBI MCP Server #### 常规统计 使用时，记得开启这个MCP Server：   #### 可视化 结合[mcp-server-chart](https://github.com/antvis/mcp-server-chart)使用  ### 综合运用 通过指令，自动化数据分析： 生成数据分析计划：  开始分析：  结果报告：   生成的看板：