Kaggle MCP（モデルコンテキストプロトコル）サーバー

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。

プロジェクト構造

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。
.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。
requirements.txt : 必要な Python パッケージをリストします。
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。
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。

設定

リポジトリをクローンします。
git clone <repository-url> cd <repository-directory>
仮想環境を作成します (推奨):
python -m venv venv source venv/bin/activate # On Windows use `venv\Scripts\activate` # Or use uv: uv venv
依存関係をインストールします: pip を使用します:
pip install -r requirements.txt
またはuvを使用します:
uv sync
Kaggle API 資格情報を設定します。
- 方法1（推奨）: 環境変数
  - .envファイルを作成する
  - .envファイルを開き、Kaggle ユーザー名と API キーを追加します。
    KAGGLE_USERNAME=your_kaggle_username KAGGLE_KEY=your_kaggle_api_key
  - 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。
- 方法2: kaggle.jsonファイル
  - Kaggle アカウントからkaggle.jsonファイルをダウンロードします。
  - 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\<Your User Name>\.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。

サーバーの実行

仮想環境がアクティブであることを確認します。
MCP サーバーを実行します。
uv run kaggle-mcp
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。

サーバー機能

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。

ツール

search_kaggle_datasets(query: str) :
- 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。
- 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。
download_kaggle_dataset(dataset_ref: str, download_path: str | None = None) :
- 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。
- dataset_ref : username/dataset-slugの形式のデータセット識別子 (例: kaggle/titanic )。
- 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/<dataset_slug>/がデフォルトとなります。

プロンプト

generate_eda_notebook(dataset_ref: str) :
- 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、
- 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。

Claudeデスクトップに接続しています

Claude > 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。

{
  "mcpServers": {
    "kaggle-mcp": {
      "command": "kaggle-mcp",
      "cwd": "<path-to-their-cloned-repo>/kaggle-mcp"
    }
  }
}

使用例

AI 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。

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」
- サーバーはsearch_kaggle_datasets(query='heart disease')を実行します。
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」
- サーバーはdownload_kaggle_dataset(dataset_ref='user/heart-disease-dataset')を実行します。
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」
- サーバーはgenerate_eda_notebook(dataset_ref='user/heart-disease-dataset')を実行します。
- 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。
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。