vizro-mcp

Vizro MCP-Server

Vizro-MCP ist ein Model Context Protocol (MCP) -Server, der zusammen mit einem LLM arbeitet, um Sie bei der Erstellung von Vizro-Dashboards und -Diagrammen zu unterstützen.

Funktionen von Vizro-MCP

Vizro-MCP bietet Tools und Vorlagen zur schrittweisen Erstellung eines funktionierenden Vizro-Diagramms oder Dashboards. Vorteile:

✅ Ein konsistentes Framework für Diagramme und Dashboards mit einer gemeinsamen Designsprache.

✅ Validierte Konfigurationsausgabe, die lesbar und einfach zu ändern oder zu warten ist.

✅ Live-Vorschau des Dashboards, um das Design zu iterieren, bis das Dashboard perfekt ist.

✅ Nutzung lokaler oder Remote-Datensätze durch einfache Angabe eines Pfades oder einer URL.

Ohne Vizro-MCP

Ohne Vizro-MCP könnte beim Erstellen eines Dashboards mit einem LLM jedes beliebige Framework ausgewählt und ohne spezifische Anleitung, Designprinzipien oder Konsistenz verwendet werden. Die Ergebnisse sind:

❌ Eine zufällige Auswahl eines Frontend-Frameworks oder einer Diagrammbibliothek.

❌ Ein Vibe-codiertes Durcheinander, das vielleicht läuft oder nicht, aber sicherlich nicht sehr wartbar ist.

❌ Keine Möglichkeit, eine einfache Vorschau des Dashboards anzuzeigen.

❌ Keine einfache Möglichkeit, eine Verbindung zu echten Daten herzustellen.

🛠️ Erste Schritte

Wenn Sie Entwickler sind und Anweisungen zum Ausführen von Vizro-MCP aus der Quelle benötigen, springen Sie zum Ende dieser Seite zu „Entwicklung oder Ausführen aus der Quelle“ .

Voraussetzungen

• UV
• Claude Desktop oder Cursor

Grundsätzlich funktioniert der Vizro MCP-Server mit allen MCP-fähigen LLM-Anwendungen, wir empfehlen jedoch Claude Desktop oder Cursor als beliebte Optionen.

🐛 Hinweis: Es gibt derzeit einige bekannte Probleme mit VS Code, aber wir arbeiten daran und hoffen, dass Copilot bald funktioniert.

⚠️ Warnung: Bei einigen Hosts (wie Claude Desktop) ist der kostenlose Tarif möglicherweise weniger leistungsfähig, was bei zu komplexen Anfragen zu Problemen führen kann. Sollte die Anfrage einen Absturz der Benutzeroberfläche verursachen, wählen Sie einen kostenpflichtigen Tarif oder reduzieren Sie die Komplexität Ihrer Anfrage.

Installationsanweisungen

Fügen Sie Folgendes zu Ihrer claude_desktop_config.json hinzu , die Sie über die Entwicklereinstellungen finden .

⚠️ Warnung: In manchen Fällen müssen Sie den vollständigen Pfad zu Ihrer uvx Programmdatei angeben. Verwenden Sie daher anstelle von uvx beispielsweise /Users/<your-username>/.local/bin/uvx /.local/bin/uvx . Um den Pfad von uvx auf Ihrem Computer zu ermitteln, geben Sie in Ihrer Terminal-App „ which uvx ein.

Wenn Sie Claude Desktop verwenden, starten Sie es neu. Nach einigen Augenblicken sollte beim Öffnen des Einstellungs-/Kontextmenüs das Menü „vizro-mcp“ angezeigt werden:

Fügen Sie Folgendes zu mcp.json hinzu , das Sie über die Cursoreinstellungen finden .

⚠️ Warnung: In manchen Fällen müssen Sie den vollständigen Pfad zu Ihrer uvx Programmdatei angeben. Verwenden Sie daher anstelle von uvx beispielsweise /Users/<your-username>/.local/bin/uvx /.local/bin/uvx . Um den Pfad von uvx auf Ihrem Computer zu ermitteln, geben Sie in Ihrer Terminal-App „ which uvx ein.

Wenn Sie den Cursor verwenden, sollten Sie nach einer kurzen Pause ein grünes Licht im MCP-Menü sehen:

Der Vizro MCP-Server funktioniert grundsätzlich mit allen MCP-fähigen LLM-Anwendungen, wir empfehlen jedoch Claude Desktop oder Cursor als beliebte Optionen. Verschiedene KI-Tools verwenden möglicherweise unterschiedliche Einrichtungsmethoden oder Verbindungseinstellungen. Weitere Informationen finden Sie in der Dokumentation der einzelnen Tools.

💻 Verwendung

Verwenden Sie Eingabeaufforderungsvorlagen, um schnell spezifische Dashboards zu erhalten

Eingabeaufforderungsvorlagen sind nicht in allen MCP-Hosts verfügbar. Wenn sie jedoch verfügbar sind, können Sie sie verwenden, um schnell auf bestimmte Dashboards zuzugreifen. Um darauf zuzugreifen (z. B. in Claude Desktop), klicken Sie auf das Plus-Symbol unter dem Chat und wählen Sie Add from vizro-mcp .

Der einfachste Weg, mit Vizro-Dashboards zu beginnen, besteht darin, die Vorlage create_starter_dashboard auszuwählen und einfach die Eingabeaufforderung zu senden. Dadurch wird ein supereinfaches Dashboard mit einer Seite, einem Diagramm und einem Filter erstellt. Von dort aus geht’s weiter!

Erstellen Sie ein Vizro-Dashboard basierend auf lokalen oder Remote-Daten

Sie können den LLM auch bitten, spezifische Dashboards basierend auf lokalen oder Remote-Daten zu erstellen, wenn Sie bereits eine Vorstellung davon haben, was Sie möchten. Beispiele hierfür könnten sein:

Erstellen Sie ein Vizro-Dashboard mit einer Seite, einem Streudiagramm und einem Filter basierend auf <insert absolute file path or public URL> -Daten.

Erstellen Sie ein einfaches zweiseitiges Vizro-Dashboard, wobei die erste Seite eine Korrelationsanalyse der <insert absolute file path or public URL> -Daten und die zweite Seite eine Kartendarstellung der <insert absolute file path or public URL> -Daten ist.

Sie finden eine Reihe von Beispiel-CSVs zum Ausprobieren im Plotly-Repository .

Sie können sogar ein Dashboard anfordern, ohne Daten bereitzustellen:

Erstellen Sie ein Vizro-Dashboard mit einer Seite, einem Streudiagramm und einem Filter.

Im Allgemeinen ist es hilfreich, Vizro in der Eingabeaufforderung anzugeben und es so präzise (und einfach) wie möglich zu halten.

Erhalten Sie eine Live-Vorschau Ihres Dashboards

Wenn das LLM das Tool validate_model_config verwendet und dieses erfolgreich ausgeführt wird, gibt das LLM einen Link zu einer Live-Vorschau des Dashboards zurück, sofern nur öffentliche Daten über eine URL verwendet werden. Standardmäßig öffnet das LLM den Link sogar in Ihrem Browser, sofern Sie dies nicht ausdrücklich ablehnen. In Claude Desktop können Sie die Ausgabe des Tools sehen, indem Sie das Tool einklappen und ganz nach unten scrollen.

Sie können das Modell auch bitten, Ihnen den Link zu geben, es wird jedoch versuchen, ihn neu zu generieren, was sehr fehleranfällig und langsam ist.

Erstellen Sie Vizro-Diagramme

Wenn Sie kein komplettes Vizro-Dashboard erstellen möchten, können Sie Vizro-MCP verwenden, um den Code für ein einzelnes Diagramm zu erstellen. Wenn Sie sich nicht sicher sind, welche Art von Diagramm Sie benötigen, finden Sie Anregungen im Vizro Visual Vocabulary .

Der einfachste Weg, ein Vizro-Diagramm zu erstellen, besteht darin, die Vorlage create_vizro_chart auszuwählen und die Eingabeaufforderung zu senden. Dadurch wird ein einfaches Diagramm erstellt, das Sie anpassen können. Weiter geht’s!

Alternativ kannst du auch einfach im Chat fragen, zum Beispiel:

Erstellen Sie eine Streuung basierend auf dem Iris-Datensatz.

Erstellen Sie ein Balkendiagramm basierend auf <insert absolute file path or public URL> -Daten.

🔍 Transparenz und Vertrauen

MCP-Server sind ein relativ neues Konzept. Daher ist Transparenz über die Leistungsfähigkeit der Tools wichtig, damit Sie als Benutzer eine fundierte Entscheidung treffen können. Der Vizro MCP-Server liest lediglich Daten und schreibt, löscht oder verändert niemals Daten auf Ihrem Rechner.

Der kritischste Teil des Prozesses ist im Allgemeinen das Tool load_and_analyze_data . Dieses Tool läuft auf Ihrem Rechner, lädt lokale oder Remote-Daten in einen Pandas-DataFrame und bietet eine detaillierte Analyse der Struktur und des Inhalts. Es verwendet ausschließlich pd.read_xxx , sodass Sie sich im Allgemeinen keine Sorgen um Datenschutz oder Datensicherheit machen müssen.

Der zweitwichtigste Teil ist das Tool validate_model_config . Dieses Tool versucht, die Vizro-Modellkonfiguration zu instanziieren und gibt den Python-Code und den Visualisierungslink für gültige Konfigurationen zurück. Ist die Konfiguration gültig, wird außerdem ein Link zu einer Live-Vorschau des Dashboards zurückgegeben und versucht, diesen zu öffnen. Dieser führt Sie zu PyCafe . Wenn Sie den Link nicht öffnen möchten, können Sie das LLM anweisen, dies nicht zu tun.

Verfügbare Tools (sofern der Kunde dies zulässt)

Der Vizro MCP-Server stellt die folgenden Tools zur Verfügung. Normalerweise müssen Sie diese nicht direkt verwenden. In besonderen Fällen können Sie den LLM jedoch bitten, sie direkt aufzurufen, um den Weg zu finden.

• get_vizro_chart_or_dashboard_plan – Erhalten Sie einen strukturierten Schritt-für-Schritt-Plan zum Erstellen eines Diagramms oder Dashboards. Bietet Anleitungen für den gesamten Erstellungsprozess.
• get_model_JSON_schema – Ruft das vollständige JSON-Schema für jedes angegebene Vizro-Modell ab. Dies ist nützlich, um erforderliche und optionale Parameter zu verstehen.
• validate_model_config – Testet Vizro-Modellkonfigurationen durch den Versuch, sie zu instanziieren. Gibt Python-Code und Visualisierungslinks für gültige Konfigurationen zurück.
• load_and_analyze_csv – Lädt eine CSV-Datei von einem lokalen Pfad oder einer URL in einen Pandas-DataFrame und bietet eine detaillierte Analyse ihrer Struktur und ihres Inhalts.
• validate_chart_code – Validiert den für ein Diagramm erstellten Code und gibt Feedback zu seiner Richtigkeit zurück.
• get_sample_data_info – Bietet Informationen zu Beispieldatensätzen, die für Tests und Entwicklung verwendet werden können.

Verfügbare Eingabeaufforderungen (sofern der Client dies zulässt)

• create_starter_dashboard – Verwenden Sie diese Eingabeaufforderungsvorlage, um mit Vizro-Dashboards zu beginnen.
• create_EDA_dashboard – Verwenden Sie diese Eingabeaufforderungsvorlage, um ein Dashboard für die explorative Datenanalyse (EDA) basierend auf einem lokalen oder Remote-CSV-Datensatz zu erstellen.
• create_vizro_chart – Verwenden Sie diese Eingabeaufforderungsvorlage, um ein Plotly-Diagramm im Vizro-Stil basierend auf einem lokalen oder Remote-CSV-Datensatz zu erstellen.

Entwicklung oder Ausführung aus der Quelle

Wenn Sie Entwickler sind oder Vizro-MCP aus der Quelle ausführen, müssen Sie das Vizro-Repository klonen. So konfigurieren Sie die Vizro-MCP-Serverdetails:

Für Claude : Fügen Sie Ihrer claude_desktop_config.json , die Sie über die Entwicklereinstellungen finden, Folgendes hinzu:

Für den Cursor : Fügen Sie Folgendes zu mcp.json hinzu , das Sie über die Cursoreinstellungen finden :

Ersetzen Sie <PATH TO VIZRO> durch den tatsächlichen Pfad zu Ihrem Vizro-Repository. Möglicherweise müssen Sie auch den vollständigen Pfad zu Ihrer uv Programmdatei angeben. Verwenden Sie daher anstelle von "uv" beispielsweise "/Users/<your-username>/.local/bin/uv" . Um den Pfad von uv auf Ihrem Computer zu ermitteln, geben Sie in Ihrer Terminal-App „ which uv ein.

Haftungsausschlüsse

Benutzer sind für alles verantwortlich, was über ihre Host-LLM-Anwendung getan wird.

Die Benutzer sind dafür verantwortlich, alle erforderlichen Rechte für den Zugriff auf generative KI-Tools von Drittanbietern zu erwerben und alle geltenden Bedingungen einzuhalten.

Die Benutzer sind voll verantwortlich für die Verwendung und Sicherheit der generativen KI-Tools von Drittanbietern und von Vizro.

Die Benutzer erkennen an und stimmen Folgendem zu:

Alle Ergebnisse, Optionen, Daten, Empfehlungen, Analysen, Codes oder sonstigen Informationen („Ausgaben“), die von generativen KI-Tools von Drittanbietern („GenAI-Tools“) generiert werden, können Ungenauigkeiten, Verzerrungen, unrechtmäßige, möglicherweise verletzende oder anderweitig unangemessene Inhalte enthalten, die fehlerhaft, diskriminierend oder irreführend sein können.

McKinsey & Company:

(i) lehnt ausdrücklich die Richtigkeit, Angemessenheit, Aktualität, Zuverlässigkeit, Marktgängigkeit, Eignung für einen bestimmten Zweck, Nichtverletzung, Sicherheit oder Vollständigkeit jeglicher Ergebnisse ab,

(ii) haftet nicht für Fehler, Auslassungen oder andere Mängel, Verzögerungen oder Unterbrechungen dieser Ergebnisse oder für Maßnahmen, die im Vertrauen darauf ergriffen werden, und

(iii) haftet nicht für angebliche Verletzungen oder Verstöße gegen Rechte Dritter, die sich aus der Nutzung der GenAI-Tools und der Ergebnisse durch die Benutzer ergeben.

Die Ergebnisse müssen von den Benutzern überprüft und validiert werden und dürfen nicht ohne menschliche Aufsicht und als alleinige Grundlage für Entscheidungen verwendet werden, die sich auf Einzelpersonen auswirken.

Die Nutzer sind allein für die Nutzung der Ergebnisse verantwortlich. Insbesondere müssen sie den erforderlichen Grad menschlicher Aufsicht im Kontext und Anwendungsfall bestimmen und ihr Personal und andere betroffene Nutzer über die Art der GenAI-Ergebnisse informieren. Sie tragen außerdem die volle Verantwortung für ihre Entscheidungen, Handlungen, die Nutzung von Vizro und Vizro-MCP sowie die Einhaltung geltender Gesetze, Regeln und Vorschriften, insbesondere für die Sicherstellung, dass die Ergebnisse keine Rechte Dritter verletzen.

Vizro-MCP wird von generativen KI-Modellen verwendet, da große Sprachmodelle (LLMs) bedeutende Fortschritte im KI-Bereich darstellen. Wie bei jedem leistungsstarken Tool birgt die Verbindung mit einem generativen KI-Modell jedoch potenzielle Risiken.

Wir empfehlen Benutzern, sich vor der Verwendung von Vizro-MCP über das ausgewählte Modell zu informieren und es zu verstehen.

Benutzer werden aufgefordert, KI-generierte Inhalte als ergänzend zu betrachten, stets menschliches Urteilsvermögen anzuwenden, mit Vorsicht vorzugehen, die entsprechende Haftungsausschlussseite zu überprüfen und Folgendes zu beachten:

Den Anbietermodellen fehlen möglicherweise Echtzeitdaten oder Ereignisse nach den letzten Updates. Die Vizro-MCP-Ausgabe kann variieren, daher sollten Sie kritische Informationen stets überprüfen. Es liegt in der Verantwortung des Benutzers, die Genauigkeit, Konsistenz und Zuverlässigkeit der generierten Inhalte zu überprüfen.