[{"_1":2,"_275":-5,"_276":-5},"loaderData",{"_3":4,"_20":21,"_22":23,"_222":223},"root",{"_5":6,"_7":8},"toasts",[],"visitor",{"_9":10,"_11":12},"viewportWidth",1280,"visitorSession",{"_13":14,"_16":-5,"_17":18,"_19":-5},"attributes",[15],"BOT","membership","uid","wfiM0V2upv","userAccount","routes/_public/_layout",{},"routes/_public/mcp/servers/~namespace/~slug/_pages/_layout",{"_24":25,"_63":-5,"_64":26,"_27":65,"_140":141,"_221":116},"availableLocales",[26,38,45,51,57],{"_27":28,"_31":35,"_36":37},"mcpServer",{"_29":30,"_31":32,"_33":34},"description","It interacts with the Kaggle API to provide tools for searching and downloading datasets, and a prompt for generating EDA notebooks.","name","kaggle-mcp","readme","[![smithery badge](https://smithery.ai/badge/@arrismo/kaggle-mcp)](https://smithery.ai/server/@arrismo/kaggle-mcp)\n\n# Kaggle MCP (Model Context Protocol) Server\nThis repository contains an MCP (Model Context Protocol) server (`server.py`) built using the `fastmcp` library. It interacts with the Kaggle API to provide tools for searching and downloading datasets, and a prompt for generating EDA notebooks.\n\n## Project Structure\n\n- `server.py`: The FastMCP server application. It defines resources, tools, and prompts for interacting with Kaggle.\n- `.env.example`: An example file for environment variables (Kaggle API credentials). Rename to `.env` and fill in your details.\n- `requirements.txt`: Lists the necessary Python packages.\n- `pyproject.toml` & `uv.lock`: Project metadata and locked dependencies for `uv` package manager.\n- `datasets/`: Default directory where downloaded Kaggle datasets will be stored.\n\n## Setup\n\n1. **Clone the repository:**\n ```bash\n git clone \n cd \n ```\n\n2. **Create a virtual environment (recommended):**\n ```bash\n python -m venv venv\n source venv/bin/activate # On Windows use `venv\\Scripts\\activate`\n # Or use uv: uv venv\n ```\n\n3. **Install dependencies:**\n Using pip:\n ```bash\n pip install -r requirements.txt\n ```\n Or using uv:\n ```bash\n uv sync\n ```\n\n4. **Set up Kaggle API credentials:**\n - **Method 1 (Recommended): Environment Variables**\n - Create `.env` file\n - Open the `.env` file and add your Kaggle username and API key:\n ```dotenv\n KAGGLE_USERNAME=your_kaggle_username\n KAGGLE_KEY=your_kaggle_api_key\n ```\n - You can obtain your API key from your Kaggle account page (`Account` > `API` > `Create New API Token`). This will download a `kaggle.json` file containing your username and key.\n - **Method 2: `kaggle.json` file**\n - Download your `kaggle.json` file from your Kaggle account.\n - Place the `kaggle.json` file in the expected location (usually `~/.kaggle/kaggle.json` on Linux/macOS or `C:\\Users\\\\.kaggle\\kaggle.json` on Windows). The `kaggle` library will automatically detect this file if the environment variables are not set.\n\n## Running the Server\n\n1. **Ensure your virtual environment is active.**\n2. **Run the MCP server:**\n ```bash\n uv run kaggle-mcp\n ```\n The server will start and register its resources, tools, and prompts. You can interact with it using an MCP client or compatible tools.\n\n## Server Features\n\nThe server exposes the following capabilities through the Model Context Protocol:\n### Tools\n\n* **`search_kaggle_datasets(query: str)`**:\n * Searches for datasets on Kaggle matching the provided query string.\n * Returns a JSON list of the top 10 matching datasets with details like reference, title, download count, and last updated date.\n* **`download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)`**:\n * Downloads and unzips files for a specific Kaggle dataset.\n * `dataset_ref`: The dataset identifier in the format `username/dataset-slug` (e.g., `kaggle/titanic`).\n * `download_path` (Optional): Specifies where to download the dataset. If omitted, it defaults to `./datasets//` relative to the server script's location.\n\n### Prompts\n\n* **`generate_eda_notebook(dataset_ref: str)`**:\n * Generates a prompt message suitable for an AI model (like Gemini) to create a basic Exploratory Data Analysis (EDA) notebook for the specified Kaggle dataset reference.\n * The prompt asks for Python code covering data loading, missing value checks, visualizations, and basic statistics.\n\n## Connecting to Claude Desktop \nGo to Claude > Settings > Developer > Edit Config > claude_desktop_config.json to include the following:\n\n```\n{\n \"mcpServers\": {\n \"kaggle-mcp\": {\n \"command\": \"kaggle-mcp\",\n \"cwd\": \"/kaggle-mcp\"\n }\n }\n}\n```\n\n## Usage Example\n\nAn AI agent or MCP client could interact with this server like this:\n\n1. **Agent:** \"Search Kaggle for datasets about 'heart disease'\"\n * *Server executes `search_kaggle_datasets(query='heart disease')`*\n2. **Agent:** \"Download the dataset 'user/heart-disease-dataset'\"\n * *Server executes `download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')`*\n3. **Agent:** \"Generate an EDA notebook prompt for 'user/heart-disease-dataset'\"\n * *Server executes `generate_eda_notebook(dataset_ref='user/heart-disease-dataset')`*\n * *Server returns a structured prompt message.*\n4. **Agent:** (Sends the prompt to a code-generating model) -> Receives EDA Python code.\n","English","tag","en-US",{"_27":39,"_31":43,"_36":44},{"_29":40,"_31":41,"_33":42},"Interactúa con la API de Kaggle para proporcionar herramientas para buscar y descargar conjuntos de datos, y un mensaje para generar cuadernos EDA.","Kaggle-mcp","[![insignia de herrería](https://smithery.ai/badge/@arrismo/kaggle-mcp)](https://smithery.ai/server/@arrismo/kaggle-mcp)\n\n# Servidor MCP (Protocolo de contexto de modelo) de Kaggle\n\nEste repositorio contiene un servidor MCP (Protocolo de Contexto de Modelo) ( `server.py` ) creado con la biblioteca `fastmcp` . Interactúa con la API de Kaggle para proporcionar herramientas de búsqueda y descarga de conjuntos de datos, así como un indicador para generar cuadernos EDA.\n\n## Estructura del proyecto\n\n* `server.py` : La aplicación de servidor FastMCP. Define recursos, herramientas y avisos para interactuar con Kaggle.\n* `.env.example` : Un archivo de ejemplo para variables de entorno (credenciales de la API de Kaggle). Renómbrelo a `.env` y complete sus datos.\n* `requirements.txt` : enumera los paquetes de Python necesarios.\n* `pyproject.toml` y `uv.lock` : metadatos del proyecto y dependencias bloqueadas para el administrador de paquetes `uv` .\n* `datasets/` : Directorio predeterminado donde se almacenarán los conjuntos de datos de Kaggle descargados.\n\n## Configuración\n\n1. **Clonar el repositorio:**\n\n ```bash\n git clone \n cd \n ```\n\n2. **Crear un entorno virtual (recomendado):**\n\n ```bash\n python -m venv venv\n source venv/bin/activate # On Windows use `venv\\Scripts\\activate`\n # Or use uv: uv venv\n ```\n\n3. **Instalar dependencias:** Usando pip:\n\n ```bash\n pip install -r requirements.txt\n ```\n\n O usando uv:\n\n ```bash\n uv sync\n ```\n\n4. **Configurar las credenciales de la API de Kaggle:**\n\n * **Método 1 (recomendado): variables de entorno**\n\n * Crear archivo `.env`\n\n * Abra el archivo `.env` y agregue su nombre de usuario de Kaggle y su clave API:\n\n ```dotenv\n KAGGLE_USERNAME=your_kaggle_username\n KAGGLE_KEY=your_kaggle_api_key\n ```\n\n * Puedes obtener tu clave API desde la página de tu cuenta de Kaggle ( `Account` > `API` > `Create New API Token` ). Esto descargará un archivo `kaggle.json` con tu nombre de usuario y clave.\n * **Método 2: archivo `kaggle.json`**\n\n * Descargue su archivo `kaggle.json` desde su cuenta de Kaggle.\n * Coloque el archivo `kaggle.json` en la ubicación prevista (normalmente `~/.kaggle/kaggle.json` en Linux/MacOS o `C:\\Users\\\\.kaggle\\kaggle.json` en Windows). La biblioteca `kaggle` detectará automáticamente este archivo si no se configuran las variables de entorno.\n\n## Ejecución del servidor\n\n1. **Asegúrese de que su entorno virtual esté activo.**\n\n2. **Ejecute el servidor MCP:**\n\n ```bash\n uv run kaggle-mcp\n ```\n\n El servidor se iniciará y registrará sus recursos, herramientas y avisos. Puede interactuar con él mediante un cliente MCP o herramientas compatibles.\n\n## Características del servidor\n\nEl servidor expone las siguientes capacidades a través del Protocolo de Contexto de Modelo:\n\n### Herramientas\n\n* **`search_kaggle_datasets(query: str)`** :\n * Busca conjuntos de datos en Kaggle que coincidan con la cadena de consulta proporcionada.\n * Devuelve una lista JSON de los 10 principales conjuntos de datos coincidentes con detalles como referencia, título, cantidad de descargas y fecha de última actualización.\n* **`download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)`** :\n * Descarga y descomprime archivos para un conjunto de datos específico de Kaggle.\n * `dataset_ref` : el identificador del conjunto de datos en el formato `username/dataset-slug` (por ejemplo, `kaggle/titanic` ).\n * `download_path` (Opcional): Especifica dónde descargar el conjunto de datos. Si se omite, el valor predeterminado es `./datasets//` \\/, relativo a la ubicación del script del servidor.\n\n### Indicaciones\n\n* **`generate_eda_notebook(dataset_ref: str)`** :\n * Genera un mensaje de aviso adecuado para que un modelo de IA (como Gemini) cree un cuaderno de análisis de datos exploratorios (EDA) básico para la referencia del conjunto de datos de Kaggle especificado.\n * El mensaje solicita código Python que cubra la carga de datos, las verificaciones de valores faltantes, las visualizaciones y las estadísticas básicas.\n\n## Conexión a Claude Desktop\n\nVaya a Claude > Configuración > Desarrollador > Editar configuración > claude\\_desktop\\_config.json para incluir lo siguiente:\n\n```\n{\n \"mcpServers\": {\n \"kaggle-mcp\": {\n \"command\": \"kaggle-mcp\",\n \"cwd\": \"/kaggle-mcp\"\n }\n }\n}\n```\n\n## Ejemplo de uso\n\nUn agente de IA o un cliente MCP podría interactuar con este servidor de la siguiente manera:\n\n1. **Agente:** \"Busca en Kaggle conjuntos de datos sobre 'enfermedades cardíacas'\"\n * *El servidor ejecuta `search_kaggle_datasets(query='heart disease')`*\n2. **Agente:** \"Descargar el conjunto de datos 'usuario/conjunto-de-datos-de-enfermedades-del-corazón'\"\n * *El servidor ejecuta `download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')`*\n3. **Agente:** \"Generar un mensaje de aviso en el cuaderno EDA para 'usuario/conjunto de datos de enfermedades cardíacas'\"\n * *El servidor ejecuta `generate_eda_notebook(dataset_ref='user/heart-disease-dataset')`*\n * *El servidor devuelve un mensaje de aviso estructurado.*\n4. **Agente:** (envía el mensaje a un modelo generador de código) -> Recibe código Python de EDA.","Spanish","es-ES",{"_27":46,"_31":49,"_36":50},{"_29":47,"_31":32,"_33":48},"Kaggle API と連携して、データセットの検索とダウンロードのためのツールと、EDA ノートブックを生成するためのプロンプトを提供します。","[![鍛冶屋のバッジ](https://smithery.ai/badge/@arrismo/kaggle-mcp)](https://smithery.ai/server/@arrismo/kaggle-mcp)\n\n# Kaggle MCP（モデルコンテキストプロトコル）サーバー\n\nこのリポジトリには、 `fastmcp`ライブラリを使用して構築されたMCP（モデルコンテキストプロトコル）サーバー（ `server.py` ）が含まれています。Kaggle APIと連携して、データセットの検索とダウンロードのためのツール、およびEDAノートブック生成のためのプロンプトを提供します。\n\n## プロジェクト構造\n\n* `server.py` : FastMCP サーバーアプリケーション。Kaggle とやり取りするためのリソース、ツール、プロンプトを定義します。\n* `.env.example` : 環境変数（Kaggle API 認証情報）のサンプルファイル。ファイル名を`.env`に変更し、必要な情報を入力してください。\n* `requirements.txt` : 必要な Python パッケージをリストします。\n* `pyproject.toml` & `uv.lock` : `uv`パッケージマネージャーのプロジェクトメタデータとロックされた依存関係。\n* `datasets/` : ダウンロードした Kaggle データセットが保存されるデフォルトのディレクトリ。\n\n## 設定\n\n1. **リポジトリをクローンします。**\n\n ```bash\n git clone \n cd \n ```\n\n2. **仮想環境を作成します (推奨):**\n\n ```bash\n python -m venv venv\n source venv/bin/activate # On Windows use `venv\\Scripts\\activate`\n # Or use uv: uv venv\n ```\n\n3. **依存関係をインストールします:** pip を使用します:\n\n ```bash\n pip install -r requirements.txt\n ```\n\n またはuvを使用します:\n\n ```bash\n uv sync\n ```\n\n4. **Kaggle API 資格情報を設定します。**\n\n * **方法1（推奨）: 環境変数**\n\n * `.env`ファイルを作成する\n\n * `.env`ファイルを開き、Kaggle ユーザー名と API キーを追加します。\n\n ```dotenv\n KAGGLE_USERNAME=your_kaggle_username\n KAGGLE_KEY=your_kaggle_api_key\n ```\n\n * APIキーはKaggleアカウントページ（ `Account` > `API` > `Create New API Token` ）から取得できます。ユーザー名とキーを含む`kaggle.json`ファイルがダウンロードされます。\n * **方法2: `kaggle.json`ファイル**\n\n * Kaggle アカウントから`kaggle.json`ファイルをダウンロードします。\n * `kaggle.json`ファイルを適切な場所（Linux/macOS の場合は通常`~/.kaggle/kaggle.json` 、Windows の場合は`C:\\Users\\\\.kaggle\\kaggle.json` ）に配置します。環境変数が設定されていない場合、 `kaggle`ライブラリはこのファイルを自動的に検出します。\n\n## サーバーの実行\n\n1. **仮想環境がアクティブであることを確認します。**\n\n2. **MCP サーバーを実行します。**\n\n ```bash\n uv run kaggle-mcp\n ```\n\n サーバーが起動し、リソース、ツール、プロンプトが登録されます。MCPクライアントまたは互換ツールを使用してサーバーと対話できます。\n\n## サーバー機能\n\nサーバーは、モデルコンテキストプロトコルを通じて次の機能を公開します。\n\n### ツール\n\n* **`search_kaggle_datasets(query: str)`** :\n * 指定されたクエリ文字列に一致する Kaggle 上のデータセットを検索します。\n * 参照、タイトル、ダウンロード数、最終更新日などの詳細を含む、一致する上位 10 個のデータセットの JSON リストを返します。\n* **`download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)`** :\n * 特定の Kaggle データセットのファイルをダウンロードして解凍します。\n * `dataset_ref` : `username/dataset-slug`の形式のデータセット識別子 (例: `kaggle/titanic` )。\n * `download_path` (オプション): データセットのダウンロード先を指定します。省略した場合は、サーバースクリプトの場所を基準とした相対パス`./datasets//`がデフォルトとなります。\n\n### プロンプト\n\n* **`generate_eda_notebook(dataset_ref: str)`** :\n * 指定された Kaggle データセット参照の基本的な探索的データ分析 (EDA) ノートブックを作成するための AI モデル (Gemini など) に適したプロンプトメッセージを生成し、\n * プロンプトでは、データの読み込み、欠損値のチェック、視覚化、基本的な統計をカバーする Python コードが求められます。\n\n## Claudeデスクトップに接続しています\n\nClaude > 設定 > 開発者 > 構成の編集 > claude\\_desktop\\_config.json に移動して、以下を追加します。\n\n```\n{\n \"mcpServers\": {\n \"kaggle-mcp\": {\n \"command\": \"kaggle-mcp\",\n \"cwd\": \"/kaggle-mcp\"\n }\n }\n}\n```\n\n## 使用例\n\nAI エージェントまたは MCP クライアントは、次のようにしてこのサーバーと対話できます。\n\n1. **エージェント:** 「Kaggle で「心臓病」に関するデータセットを検索してください」\n * *サーバーは`search_kaggle_datasets(query='heart disease')`を実行します。*\n2. **エージェント:** 「データセット 'user/heart-disease-dataset' をダウンロードしてください」\n * *サーバーは`download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')`を実行します。*\n3. **エージェント:** 「'user/heart-disease-dataset' の EDA ノートブックプロンプトを生成します」\n * *サーバーは`generate_eda_notebook(dataset_ref='user/heart-disease-dataset')`を実行します。*\n * *サーバーは構造化されたプロンプトメッセージを返します。*\n4. **エージェント:** (コード生成モデルにプロンプトを送信します) -> EDA Python コードを受信します。","Japanese","ja-JP",{"_27":52,"_31":55,"_36":56},{"_29":53,"_31":32,"_33":54},"Kaggle API와 상호 작용하여 데이터 세트를 검색하고 다운로드하는 도구와 EDA 노트북을 생성하는 프롬프트를 제공합니다.","[![대장간 배지](https://smithery.ai/badge/@arrismo/kaggle-mcp)](https://smithery.ai/server/@arrismo/kaggle-mcp)\n\n# Kaggle MCP(모델 컨텍스트 프로토콜) 서버\n\n이 저장소에는 `fastmcp` 라이브러리를 사용하여 구축된 MCP(Model Context Protocol) 서버( `server.py` )가 포함되어 있습니다. Kaggle API와 연동하여 데이터세트 검색 및 다운로드 도구와 EDA 노트북 생성 기능을 제공합니다.\n\n## 프로젝트 구조\n\n* `server.py` : FastMCP 서버 애플리케이션입니다. Kaggle과 상호 작용하기 위한 리소스, 도구 및 프롬프트를 정의합니다.\n* `.env.example` : 환경 변수(Kaggle API 자격 증명)에 대한 예제 파일입니다. 파일 이름을 `.env` 로 바꾸고 세부 정보를 입력하세요.\n* `requirements.txt` : 필요한 Python 패키지를 나열합니다.\n* `pyproject.toml` & `uv.lock` : `uv` 패키지 관리자에 대한 프로젝트 메타데이터와 잠긴 종속성.\n* `datasets/` : 다운로드된 Kaggle 데이터세트가 저장되는 기본 디렉토리입니다.\n\n## 설정\n\n1. **저장소를 복제합니다.**\n\n 지엑스피1\n\n2. **가상 환경을 만듭니다(권장):**\n\n ```bash\n python -m venv venv\n source venv/bin/activate # On Windows use `venv\\Scripts\\activate`\n # Or use uv: uv venv\n ```\n\n3. **종속성 설치:** pip 사용:\n\n ```bash\n pip install -r requirements.txt\n ```\n\n 또는 uv를 사용하면:\n\n ```bash\n uv sync\n ```\n\n4. **Kaggle API 자격 증명을 설정하세요.**\n\n * **방법 1(권장): 환경 변수**\n\n * `.env` 파일 생성\n\n * `.env` 파일을 열고 Kaggle 사용자 이름과 API 키를 추가하세요.\n\n ```dotenv\n KAGGLE_USERNAME=your_kaggle_username\n KAGGLE_KEY=your_kaggle_api_key\n ```\n\n * Kaggle 계정 페이지( `Account` > `API` > `Create New API Token` )에서 API 키를 얻을 수 있습니다. 그러면 사용자 이름과 키가 포함된 `kaggle.json` 파일이 다운로드됩니다.\n * **방법 2: `kaggle.json` 파일**\n\n * Kaggle 계정에서 `kaggle.json` 파일을 다운로드하세요.\n * `kaggle.json` 파일을 예상 위치(Linux/macOS에서는 일반적으로 `~/.kaggle/kaggle.json` , Windows에서는 `C:\\Users\\\\.kaggle\\kaggle.json` )에 넣으세요. 환경 변수가 설정되어 있지 않으면 `kaggle` 라이브러리가 자동으로 이 파일을 감지합니다.\n\n## 서버 실행\n\n1. **가상 환경이 활성화되어 있는지 확인하세요.**\n\n2. **MCP 서버를 실행합니다.**\n\n ```bash\n uv run kaggle-mcp\n ```\n\n 서버가 시작되고 리소스, 도구 및 프롬프트가 등록됩니다. MCP 클라이언트 또는 호환 도구를 사용하여 서버와 상호 작용할 수 있습니다.\n\n## 서버 기능\n\n서버는 모델 컨텍스트 프로토콜을 통해 다음과 같은 기능을 제공합니다.\n\n### 도구\n\n* **`search_kaggle_datasets(query: str)`** :\n * 제공된 쿼리 문자열과 일치하는 Kaggle의 데이터 세트를 검색합니다.\n * 참조, 제목, 다운로드 횟수, 마지막 업데이트 날짜와 같은 세부 정보와 함께 상위 10개 일치 데이터 세트의 JSON 목록을 반환합니다.\n* **`download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)`** :\n * 특정 Kaggle 데이터 세트에 대한 파일을 다운로드하고 압축을 풉니다.\n * `dataset_ref` : `username/dataset-slug` 형식의 데이터세트 식별자(예: `kaggle/titanic` ).\n * `download_path` (선택 사항): 데이터 세트를 다운로드할 경로를 지정합니다. 생략하면 서버 스크립트 위치를 기준으로 `./datasets//` 기본값으로 지정됩니다.\n\n### 프롬프트\n\n* **`generate_eda_notebook(dataset_ref: str)`** :\n * 지정된 Kaggle 데이터 세트 참조에 대한 기본 탐색적 데이터 분석(EDA) 노트북을 생성하는 데 적합한 AI 모델(예: Gemini)에 적합한 프롬프트 메시지를 생성합니다.\n * 이 프롬프트에서는 데이터 로딩, 누락된 값 확인, 시각화 및 기본 통계를 다루는 Python 코드를 요구합니다.\n\n## Claude Desktop에 연결\n\nClaude > 설정 > 개발자 > 구성 편집 > claude\\_desktop\\_config.json으로 이동하여 다음을 포함합니다.\n\n```\n{\n \"mcpServers\": {\n \"kaggle-mcp\": {\n \"command\": \"kaggle-mcp\",\n \"cwd\": \"/kaggle-mcp\"\n }\n }\n}\n```\n\n## 사용 예\n\nAI 에이전트나 MCP 클라이언트는 다음과 같이 이 서버와 상호 작용할 수 있습니다.\n\n1. **상담원:** \"Kaggle에서 '심장병' 관련 데이터 세트를 검색하세요.\"\n * *서버가 `search_kaggle_datasets(query='heart disease')` 실행합니다.*\n2. **상담원:** \"'user/heart-disease-dataset' 데이터 세트를 다운로드하세요.\"\n * *서버가 `download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')` 실행합니다.*\n3. **에이전트:** \"'user/heart-disease-dataset'에 대한 EDA 노트북 프롬프트를 생성하세요.\"\n * *서버는 `generate_eda_notebook(dataset_ref='user/heart-disease-dataset')` 실행합니다.*\n * *서버는 구조화된 프롬프트 메시지를 반환합니다.*\n4. **에이전트:** (프롬프트를 코드 생성 모델로 전송) -> EDA Python 코드를 수신합니다.","Korean","ko-KR",{"_27":58,"_31":61,"_36":62},{"_29":59,"_31":32,"_33":60},"它与 Kaggle API 交互，提供搜索和下载数据集的工具，以及生成 EDA 笔记本的提示。","[![铁匠徽章](https://smithery.ai/badge/@arrismo/kaggle-mcp)](https://smithery.ai/server/@arrismo/kaggle-mcp)\n\n# Kaggle MCP（模型上下文协议）服务器\n\n此代码库包含一个使用`fastmcp`库构建的 MCP（模型上下文协议）服务器 ( `server.py` )。它与 Kaggle API 交互，提供用于搜索和下载数据集的工具，以及生成 EDA 笔记本的提示。\n\n## 项目结构\n\n* `server.py` ：FastMCP 服务器应用程序。它定义了与 Kaggle 交互的资源、工具和提示。\n* `.env.example` ：环境变量（Kaggle API 凭证）的示例文件。重命名为`.env`并填写您的详细信息。\n* `requirements.txt` ：列出必要的 Python 包。\n* `pyproject.toml` & `uv.lock` ： `uv`包管理器的项目元数据和锁定依赖项。\n* `datasets/` ：下载的 Kaggle 数据集的默认存储目录。\n\n## 设置\n\n1. **克隆存储库：**\n\n ```bash\n git clone \n cd \n ```\n\n2. **创建虚拟环境（推荐）：**\n\n ```bash\n python -m venv venv\n source venv/bin/activate # On Windows use `venv\\Scripts\\activate`\n # Or use uv: uv venv\n ```\n\n3. \\*\\*安装依赖项：\\*\\*使用 pip：\n\n ```bash\n pip install -r requirements.txt\n ```\n\n 或者使用 uv：\n\n ```bash\n uv sync\n ```\n\n4. **设置 Kaggle API 凭证：**\n\n * **方法 1（推荐）：环境变量**\n\n * 创建`.env`文件\n\n * 打开`.env`文件并添加您的 Kaggle 用户名和 API 密钥：\n\n ```dotenv\n KAGGLE_USERNAME=your_kaggle_username\n KAGGLE_KEY=your_kaggle_api_key\n ```\n\n * 您可以从 Kaggle 帐户页面（ `Account` > `API` > `Create New API Token` ）获取 API 密钥。这将下载一个包含您的用户名和密钥的`kaggle.json`文件。\n * **方法二： `kaggle.json`文件**\n\n * 从您的 Kaggle 帐户下载您的`kaggle.json`文件。\n * 将`kaggle.json`文件放置在预期位置（Linux/macOS 上通常为`~/.kaggle/kaggle.json` ，Windows 上通常`C:\\Users\\\\.kaggle\\kaggle.json` ）。如果未设置环境变量， `kaggle`库将自动检测此文件。\n\n## 运行服务器\n\n1. **确保您的虚拟环境处于活动状态。**\n\n2. **运行 MCP 服务器：**\n\n ```bash\n uv run kaggle-mcp\n ```\n\n 服务器将启动并注册其资源、工具和提示。您可以使用 MCP 客户端或兼容工具与其交互。\n\n## 服务器功能\n\n服务器通过模型上下文协议公开以下功能：\n\n### 工具\n\n* **`search_kaggle_datasets(query: str)`** ：\n * 在 Kaggle 上搜索与提供的查询字符串匹配的数据集。\n * 返回前 10 个匹配数据集的 JSON 列表，其中包含参考、标题、下载次数和上次更新日期等详细信息。\n* **`download_kaggle_dataset(dataset_ref: str, download_path: str | None = None)`** ：\n * 下载并解压特定 Kaggle 数据集的文件。\n * `dataset_ref` ：格式为`username/dataset-slug`数据集标识符（例如， `kaggle/titanic` ）。\n * `download_path` （可选）：指定数据集的下载位置。如果省略，则默认为相对于服务器脚本位置的`./datasets//` 。\n\n### 提示\n\n* **`generate_eda_notebook(dataset_ref: str)`** ：\n * 生成适合 AI 模型（如 Gemini）的提示消息，为指定的 Kaggle 数据集参考创建基本的探索性数据分析 (EDA) 笔记本。\n * 提示要求提供涵盖数据加载、缺失值检查、可视化和基本统计的 Python 代码。\n\n## 连接到 Claude Desktop\n\n转到 Claude > 设置 > 开发人员 > 编辑配置 > claude\\_desktop\\_config.json 以包含以下内容：\n\n```\n{\n \"mcpServers\": {\n \"kaggle-mcp\": {\n \"command\": \"kaggle-mcp\",\n \"cwd\": \"/kaggle-mcp\"\n }\n }\n}\n```\n\n## 使用示例\n\nAI 代理或 MCP 客户端可以像这样与该服务器交互：\n\n1. **代理：** “在 Kaggle 上搜索关于‘心脏病’的数据集”\n * *服务器执行`search_kaggle_datasets(query='heart disease')`*\n2. **代理：** “下载数据集‘user/heart-disease-dataset’”\n * *服务器执行`download_kaggle_dataset(dataset_ref='user/heart-disease-dataset')`*\n3. **代理：** “为‘用户/心脏病数据集’生成 EDA 笔记本提示”\n * *服务器执行`generate_eda_notebook(dataset_ref='user/heart-disease-dataset')`*\n * *服务器返回结构化的提示信息。*\n4. \\*\\*代理：（\\*\\*将提示发送到代码生成模型）->接收 EDA Python 代码。","Chinese","zh-CN","githubUser","locale",{"_66":67,"_68":69,"_13":83,"_86":30,"_87":30,"_88":89,"_92":93,"_112":-5,"_113":114,"_115":116,"_117":118,"_31":32,"_119":105,"_120":-5,"_121":-5,"_122":-5,"_123":-5,"_124":125,"_129":-5,"_130":32,"_131":132,"_136":-5,"_17":137,"_138":139},"addedAt",["D",1744478971171],"argumentsJsonSchema",{"_70":71,"_80":81,"_75":82},"properties",{"_72":73,"_77":78},"KAGGLE_KEY",{"_29":74,"_75":76},"Your Kaggle API key obtained from your Kaggle account page (Account > API > Create New API Token)","type","string","KAGGLE_USERNAME",{"_29":79,"_75":76},"Your Kaggle username obtained from your Kaggle account page (Account > API > Create New API Token)","required",[77,72],"object",[84,85],"language:python","author:claimed","descriptionMarkdown","descriptionPlainText","githubProject",{"_33":34,"_90":91},"url","https://github.com/arrismo/kaggle-mcp","githubRepository",{"_94":95,"_96":97,"_98":99,"_100":101,"_31":32,"_102":103,"_107":108,"_109":-5,"_110":111},"defaultBranch","main","fullName","arrismo/kaggle-mcp","githubTreeId",108951,"language","Python","owner",{"_104":105,"_17":106},"login","arrismo","myouZZdsIT","recentStargazers",0,"spdxLicense","stargazers",2,"glamaJson","id",5373,"inspectable",false,"integrations",[],"namespace","npmPackage","prompts","redditPostForeignId","resources","scores",{"_126":-5,"_127":-5,"_128":-5},"license","quality","security","simpleIcon","slug","supportedPlatforms",[133,134,135],"WINDOWS","LINUX","MACOS","tools","arwswog1el","updatedAt",["D",1745146935739],"meta",[142,145,147,154,157,159,162,165,168,171,174,176,179,182,184,186,188,190,192],{"_143":144},"title","kaggle-mcp | Glama",{"_146":30,"_31":29},"content",{"_148":149,"_150":151,"_152":153},"href","https://glama.ai/mcp/servers/@arrismo/kaggle-mcp","rel","canonical","tagName","link",{"_146":32,"_155":156},"property","og:title",{"_146":30,"_155":158},"og:description",{"_146":160,"_155":161},"https://glama.ai/logo.png","og:logo",{"_146":163,"_155":164},"https://glama.ai/mcp/servers/@arrismo/kaggle-mcp/og-image","og:image",{"_146":166,"_155":167},"630","og:image:height",{"_146":169,"_155":170},"1200","og:image:width",{"_146":172,"_155":173},"website","og:type",{"_146":149,"_155":175},"og:url",{"_146":177,"_155":178},"ChatGPT alternative for power users","og:site_name",{"_146":180,"_31":181},"summary_large_image","twitter:card",{"_146":177,"_31":183},"twitter:title",{"_146":30,"_31":185},"twitter:description",{"_146":163,"_31":187},"twitter:image",{"_146":166,"_31":189},"twitter:image:height",{"_146":169,"_31":191},"twitter:image:width",{"_193":194},"script:ld+json",{"_195":196,"_197":198},"@context","http://schema.org","@graph",[199],{"_195":200,"_201":202,"_203":204},"https://schema.org","@type","BreadcrumbList","itemListElement",[205,212,215,219],{"_201":206,"_207":208,"_31":209,"_210":211},"ListItem","item","https://glama.ai/","Glama","position",1,{"_201":206,"_207":213,"_31":214,"_210":111},"https://glama.ai/mcp","MCP",{"_201":206,"_207":216,"_31":217,"_210":218},"https://glama.ai/mcp/servers","Servers",3,{"_201":206,"_207":149,"_31":32,"_210":220},4,"visitorIsMaintainer","routes/_public/mcp/servers/~namespace/~slug/_pages/reviews/_route",{"_63":-5,"_27":224,"_140":239,"_274":-5},{"_66":225,"_68":226,"_13":231,"_86":30,"_87":30,"_88":232,"_92":233,"_112":-5,"_113":114,"_115":116,"_117":235,"_31":32,"_119":105,"_120":-5,"_121":-5,"_122":-5,"_123":-5,"_124":236,"_129":-5,"_130":32,"_131":237,"_136":-5,"_17":137,"_138":238},["D",1744478971171],{"_70":227,"_80":230,"_75":82},{"_72":228,"_77":229},{"_29":74,"_75":76},{"_29":79,"_75":76},[77,72],[84,85],{"_33":34,"_90":91},{"_94":95,"_96":97,"_98":99,"_100":101,"_31":32,"_102":234,"_107":108,"_109":-5,"_110":111},{"_104":105,"_17":106},[],{"_126":-5,"_127":-5,"_128":-5},[133,134,135],["D",1745146935739],[240,242,244,246,248,249,250,251,252,253,254,255,256,257,258,259,260,261,262],{"_143":241},"Reviews | kaggle-mcp | Glama",{"_146":243,"_31":29},"Read community reviews and feedback for kaggle-mcp. Discover user experiences, ratings, strengths, and potential limitations of this MCP implementation from actual users.",{"_148":245,"_150":151,"_152":153},"https://glama.ai/mcp/servers/@arrismo/kaggle-mcp/reviews",{"_146":247,"_155":156},"Reviews | kaggle-mcp",{"_146":243,"_155":158},{"_146":160,"_155":161},{"_146":163,"_155":164},{"_146":166,"_155":167},{"_146":169,"_155":170},{"_146":172,"_155":173},{"_146":245,"_155":175},{"_146":177,"_155":178},{"_146":180,"_31":181},{"_146":177,"_31":183},{"_146":243,"_31":185},{"_146":163,"_31":187},{"_146":166,"_31":189},{"_146":169,"_31":191},{"_193":263},{"_195":196,"_197":264},[265],{"_195":200,"_201":202,"_203":266},[267,268,269,270,271],{"_201":206,"_207":208,"_31":209,"_210":211},{"_201":206,"_207":213,"_31":214,"_210":111},{"_201":206,"_207":216,"_31":217,"_210":218},{"_201":206,"_207":149,"_31":32,"_210":220},{"_201":206,"_207":245,"_31":272,"_210":273},"Reviews",5,"review","actionData","errors"]

Rate & Review