DoWhy MCP v2.0

# 🔍 DoWhy MCP Server 工具审计报告 ## 📊 **审计概览** **审计日期**: 2024-12-19 **审计目的**: 确认当前工具的实际状态，识别缺失的工具 **审计方法**: 逐文件检查所有 `@server.tool()` 装饰的函数 --- ## 📋 **详细工具清单** ### 1. **modeling.py** - 因果建模工具 (6个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `causal_graph_builder` | 构建因果图 | ✅ 正常 | | 2 | `structural_causal_model_builder` | 构建结构因果模型 | ✅ 正常 | | 3 | `graphical_causal_model_builder` | 构建图形因果模型 | ✅ 正常 | | 4 | `causal_mechanism_learner` | 学习因果机制 | ✅ 正常 | | 5 | `model_specification_builder` | 构建模型规范 | ✅ 正常 | | 6 | `causal_graph_validator` | 验证因果图 | ✅ 正常 | **文档声称**: 7个工具 **实际发现**: 6个工具 **缺失**: 1个工具（具体不明） ### 2. **estimation.py** - 效应估计工具 (4个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `backdoor_estimator` | 后门调整估计 | ✅ 正常 | | 2 | `doubly_robust_estimator` | 双重稳健估计 | ✅ 正常 | | 3 | `instrumental_variable_estimator` | 工具变量估计 | ✅ 正常 | | 4 | `propensity_score_estimator` | 倾向得分估计 | ✅ 正常 | **文档声称**: 10个工具 **实际发现**: 4个工具 **缺失**: 6个工具 ### 3. **dowhy_native_estimation.py** - DoWhy原生估计 (2个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `dowhy_backdoor_estimator` | DoWhy后门估计 | ✅ 正常 | | 2 | `dowhy_comprehensive_estimator` | DoWhy综合估计 | ✅ 正常 | **文档声称**: 未明确分类 **实际发现**: 2个工具 **状态**: 与estimation.py可能有功能重叠 ### 4. **sensitivity.py** - 敏感性分析工具 (6个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `e_value_analyzer` | E-value分析 | ✅ 正常 | | 2 | `rosenbaum_bounds_analyzer` | Rosenbaum界限分析 | ✅ 正常 | | 3 | `refutation_test_suite` | 反驳测试套件 | ✅ 正常 | | 4 | `stability_analyzer` | 稳定性分析 | ✅ 正常 | | 5 | `tipping_point_analyzer` | 临界点分析 | ✅ 正常 | | 6 | `unobserved_confounder_analyzer` | 未观测混杂因子分析 | ✅ 正常 | **文档声称**: 6个工具 **实际发现**: 6个工具 **状态**: ✅ 完整 ### 5. **discovery.py** - 因果发现工具 (3个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `pc_algorithm` | PC算法 | ✅ 正常 | | 2 | `ges_algorithm` | GES算法 | ✅ 正常 | | 3 | `fcm_discovery` | FCM发现 | ✅ 正常 | **文档声称**: 3个工具 **实际发现**: 3个工具 **状态**: ✅ 完整 ### 6. **attribution.py** - 归因分析工具 (6个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `shapley_value_attribution` | Shapley值归因 | ✅ 正常 | | 2 | `direct_causal_influence` | 直接因果影响 | ✅ 正常 | | 3 | `total_causal_influence` | 总因果影响 | ✅ 正常 | | 4 | `path_specific_effects` | 路径特定效应 | ✅ 正常 | | 5 | `mechanism_attribution` | 机制归因 | ✅ 正常 | | 6 | `causal_contribution_analysis` | 因果贡献分析 | ✅ 正常 | **文档声称**: 6个工具 **实际发现**: 6个工具 **状态**: ✅ 完整 ### 7. **root_cause.py** - 根因分析工具 (5个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `anomaly_attribution_analyzer` | 异常归因分析 | ✅ 正常 | | 2 | `distribution_change_attribution` | 分布变化归因 | ✅ 正常 | | 3 | `causal_chain_tracer` | 因果链追踪 | ✅ 正常 | | 4 | `root_cause_identifier` | 根因识别 | ✅ 正常 | | 5 | `event_attribution_analyzer` | 事件归因分析 | ✅ 正常 | **文档声称**: 5个工具 **实际发现**: 5个工具 **状态**: ✅ 完整 ### 8. **counterfactual.py** - 反事实分析工具 (6个) | 序号 | 工具名称 | 功能描述 | 状态 | |------|---------|---------|------| | 1 | `individual_counterfactual` | 个体反事实 | ✅ 正常 | | 2 | `population_counterfactual` | 人群反事实 | ✅ 正常 | | 3 | `intervention_simulator` | 干预模拟 | ✅ 正常 | | 4 | `what_if_analyzer` | 假设分析 | ✅ 正常 | | 5 | `scenario_comparator` | 场景比较 | ✅ 正常 | | 6 | `counterfactual_fairness` | 反事实公平性 | ✅ 正常 | **文档声称**: 6个工具 **实际发现**: 6个工具 **状态**: ✅ 完整 --- ## 📊 **审计总结** ### 工具数量统计 - **实际工具总数**: 38个 - **文档声称总数**: 42个 (实际计算为43个) - **缺失工具数**: 5个 ### 缺失工具分析 1. **建模工具缺失**: 1个（具体不明） 2. **估计工具缺失**: 6个（可能包括前门调整、元学习等） ### 重复工具问题 - `backdoor_estimator` vs `dowhy_backdoor_estimator` - 功能可能重复 - 需要进一步分析是否存在其他重复 --- ## 🎯 **下一步行动建议** 1. **确认缺失工具**: 基于DoWhy文档确认应该有哪些工具 2. **分析重复工具**: 确定是否存在功能重复 3. **制定重建计划**: 优先重建最重要的缺失工具 4. **更新文档**: 确保文档与实际工具数量一致