vizro-mcp

Vizro MCP-сервер

Vizro-MCP — это сервер протокола контекста модели (MCP) , который работает совместно с LLM, помогая вам создавать панели мониторинга и диаграммы Vizro.

Особенности Vizro-MCP

Vizro-MCP предоставляет инструменты и шаблоны для создания функционирующей диаграммы или панели Vizro шаг за шагом. Преимущества включают:

✅ Единая структура для диаграмм и панелей мониторинга с одним общим языком дизайна.

✅ Проверенные выходные данные конфигурации, которые легко читать и изменять или обслуживать.

✅ Предварительный просмотр панели инструментов в реальном времени для доработки дизайна до тех пор, пока панель инструментов не станет идеальной.

✅ Использование локальных или удаленных наборов данных путем простого указания пути или URL-адреса.

Без Vizro-MCP

Без Vizro-MCP, если вы попытаетесь сделать панель управления с использованием LLM, он может выбрать любой фреймворк и использовать его без конкретных указаний, принципов дизайна или последовательности. Результаты таковы:

❌ Случайный выбор фреймворка фронтенда или библиотеки построения диаграмм.

❌ Беспорядок с виброкодом, который может работать, а может и нет, но определенно не очень пригоден для поддержки.

❌ Нет возможности легко просмотреть панель инструментов.

❌ Нет простого способа подключения к реальным данным.

🛠️ Начать

Если вы разработчик и вам нужны инструкции по запуску Vizro-MCP из исходного кода, перейдите в конец этой страницы и перейдите к разделу Разработка или запуск из исходного кода .

Предпосылки

• уф
• Клод Рабочий стол или Курсор

В принципе, сервер Vizro MCP работает с любыми приложениями LLM с поддержкой MCP, но мы рекомендуем Claude Desktop или Cursor в качестве популярных вариантов.

🐛 Примечание: в настоящее время известны некоторые проблемы с VS Code, но мы работаем над этим и надеемся, что Copilot скоро заработает.

⚠️ Предупреждение: в некоторых хостингах (например, Claude Desktop) бесплатный план может быть менее производительным, что может вызвать проблемы, если запрос слишком сложный. В случаях, когда запрос приводит к сбою пользовательского интерфейса, выберите платный план или уменьшите сложность запроса.

Инструкции по установке

Добавьте следующее в файл claude_desktop_config.json , найденный в настройках разработчика .

⚠️ Предупреждение: в некоторых случаях вам может потребоваться указать полный путь к исполняемому файлу uvx , поэтому вместо uvx используйте что-то вроде /Users/<your-username>/.local/bin/uvx . Чтобы узнать путь к uvx на вашем компьютере, в вашем терминальном приложении введите which uvx .

Если вы используете Claude Desktop, перезапустите его, и через несколько секунд вы должны увидеть меню vizro-mcp при открытии меню настроек/контекста:

Добавьте следующее в mcp.json , найденный через настройки курсора .

⚠️ Предупреждение: в некоторых случаях вам может потребоваться указать полный путь к исполняемому файлу uvx , поэтому вместо uvx используйте что-то вроде /Users/<your-username>/.local/bin/uvx . Чтобы узнать путь к uvx на вашем компьютере, в вашем терминальном приложении введите which uvx .

Аналогично, при использовании курсора, после короткой паузы, вы должны увидеть зеленый свет в меню MCP:

В принципе, сервер Vizro MCP работает с любыми приложениями LLM с поддержкой MCP, но мы рекомендуем Claude Desktop или Cursor как популярные варианты. Различные инструменты ИИ могут использовать разные методы настройки или параметры подключения. Проверьте документацию каждого инструмента для получения подробной информации.

💻 Использование

Используйте шаблоны подсказок для быстрого получения определенных панелей мониторинга

Шаблоны подсказок доступны не во всех хостах MCP, но когда они есть, вы можете использовать их для быстрого получения определенных панелей мониторинга. Чтобы получить к ним доступ (например, в Claude Desktop), щелкните значок плюса под чатом и выберите Add from vizro-mcp .

Самый простой способ начать работу с панелями мониторинга Vizro — выбрать шаблон create_starter_dashboard и просто отправить запрос. Это создаст очень простую панель мониторинга с одной страницей, одной диаграммой и одним фильтром. Продолжайте!

Создайте панель управления Vizro на основе локальных или удаленных данных

Вы также можете попросить LLM создать конкретные панели мониторинга на основе локальных или удаленных данных, если у вас уже есть представление о том, что вы хотите. Примеры подсказок могут быть такими:

Создайте панель мониторинга Vizro с одной страницей, диаграммой рассеивания и фильтром на основе данных <insert absolute file path or public URL> .

Создайте простую двухстраничную панель мониторинга Vizro, где на первой странице будет представлен корреляционный анализ данных <insert absolute file path or public URL> , а на второй странице будет представлена карта данных <insert absolute file path or public URL> .

Набор образцов CSV-файлов для тестирования можно найти в репозитории Plotly .

Вы даже можете запросить панель управления, не предоставляя данных:

Создайте панель мониторинга Vizro с одной страницей, диаграммой рассеяния и фильтром.

В общем случае полезно указать Vizro в приглашении и сделать его максимально точным (и простым).

Получите предварительный просмотр вашей панели управления в реальном времени

Когда LLM выбирает использование инструмента validate_model_config и инструмент выполняется успешно, LLM возвращает ссылку на предварительный просмотр панели мониторинга в реальном времени, если используются только общедоступные данные, доступные через URL. По умолчанию LLM даже откроет ссылку в вашем браузере, если вы не скажете ему этого не делать. В Claude Desktop вы можете увидеть вывод инструмента, открыв сворачиваемый инструмент и прокрутив его до самого низа.

Вы также можете попросить модель предоставить вам ссылку, но она попытается сгенерировать ее заново, что очень подвержено ошибкам и требует много времени.

Создание диаграмм Vizro

Если вы не хотите создавать целую панель Vizro, вы все равно можете использовать Vizro-MCP для создания кода для одной диаграммы. Если вы не уверены, какой тип диаграммы вам нужен, посмотрите Vizro Visual Vocabulary для идей.

Самый простой способ создать диаграмму Vizro — выбрать шаблон create_vizro_chart и просто отправить запрос. Это создаст простую диаграмму, которую вы сможете изменять. Продолжайте!

Либо вы можете просто задать вопрос в чате, например:

Создайте рассеивание на основе набора данных по радужным оболочкам глаз.

Создайте столбчатую диаграмму на основе данных <insert absolute file path or public URL> .

🔍 Прозрачность и доверие

Серверы MCP являются относительно новой концепцией, и важно быть прозрачным относительно того, на что способны инструменты, чтобы вы могли сделать осознанный выбор как пользователь. В целом, сервер Vizro MCP только считывает данные и никогда не записывает, не удаляет и не изменяет какие-либо данные на вашем компьютере.

В целом, наиболее важной частью процесса является инструмент load_and_analyze_data . Этот инструмент, работающий на вашем компьютере, загрузит локальные или удаленные данные в pandas DataFrame и предоставит подробный анализ его структуры и содержимого. Он использует только pd.read_xxx , поэтому в целом нет необходимости беспокоиться о конфиденциальности или безопасности данных.

Вторая наиболее важная часть — это инструмент validate_model_config . Этот инструмент попытается создать экземпляр конфигурации модели Vizro и вернуть код Python и ссылку визуализации для допустимых конфигураций. Если конфигурация допустима, он также вернет и попытается открыть ссылку на предварительный просмотр панели мониторинга в реальном времени, которая перенаправит вас в PyCafe . Если вы не хотите открывать ссылку, вы можете указать LLM не делать этого.

Доступные инструменты (если клиент разрешает)

Сервер Vizro MCP предоставляет следующие инструменты. В общем случае вам не нужно использовать их напрямую, но в особых случаях вы можете попросить LLM вызвать их напрямую, чтобы помочь ему найти свой путь.

• get_vizro_chart_or_dashboard_plan - Получите структурированный пошаговый план создания диаграммы или панели мониторинга. Предоставляет руководство по всему процессу создания.
• get_model_JSON_schema — извлекает полную схему JSON для любой указанной модели Vizro, полезна для понимания обязательных и необязательных параметров.
• validate_model_config — Тестирует конфигурации модели Vizro, пытаясь создать их экземпляр. Возвращает код Python и ссылки визуализации для допустимых конфигураций.
• load_and_analyze_csv — загружает CSV-файл из локального пути или URL в pandas DataFrame и предоставляет подробный анализ его структуры и содержимого.
• validate_chart_code — проверяет код, созданный для диаграммы, и возвращает отзыв о его корректности.
• get_sample_data_info — предоставляет информацию о примерах наборов данных, которые можно использовать для тестирования и разработки.

Доступные подсказки (если клиент разрешает)

• create_starter_dashboard — используйте этот шаблон подсказок, чтобы начать работу с панелями мониторинга Vizro.
• create_EDA_dashboard — используйте этот шаблон подсказки для создания панели разведочного анализа данных (EDA) на основе локального или удаленного набора данных CSV.
• create_vizro_chart — используйте этот шаблон подсказки для создания диаграммы в стиле Vizro на основе локального или удаленного набора данных CSV.

Разработка или запуск из исходного кода

Если вы разработчик или используете Vizro-MCP из исходников, вам нужно клонировать репозиторий Vizro. Чтобы настроить детали сервера Vizro MCP:

Для Клода : добавьте следующее в файл claude_desktop_config.json , найденный в настройках разработчика :

Для курсора : добавьте следующее в mcp.json , найденный через настройки курсора :

Замените <PATH TO VIZRO> фактическим путем к вашему репозиторию Vizro. Вам также может потребоваться указать полный путь к исполняемому файлу uv , поэтому вместо "uv" вы можете использовать что-то вроде "/Users/<your-username>/.local/bin/uv" . Чтобы узнать путь к uv на вашем компьютере, в вашем терминальном приложении введите which uv .

Отказ от ответственности

Пользователи несут ответственность за все действия, совершаемые через их хост-приложение LLM.

Пользователи несут ответственность за получение всех прав, необходимых для доступа к любым сторонним инструментам генеративного ИИ, а также за соблюдение любых применимых положений и условий.

Пользователи несут полную ответственность за использование и безопасность сторонних инструментов генеративного ИИ и Vizro.

Пользователи признают и соглашаются с тем, что:

Любые результаты, параметры, данные, рекомендации, анализы, код или другая информация («Результаты»), сгенерированные любыми сторонними инструментами генеративного ИИ («Инструменты GenAI»), могут содержать некоторые неточности, предвзятость, незаконный, потенциально нарушающий права или иным образом неприемлемый контент, который может быть ошибочным, дискриминационным или вводящим в заблуждение.

McKinsey & Company:

(i) прямо отказывается от точности, адекватности, своевременности, надежности, товарной пригодности, пригодности для определенной цели, отсутствия нарушений, безопасности или полноты любых Выходных данных,

(ii) не несет ответственности за любые ошибки, упущения или другие дефекты, задержки или прерывания в таких Выходных данных или за любые действия, предпринятые на их основе, и

(iii) не несет ответственности за любые предполагаемые нарушения или ущемления каких-либо прав третьих лиц в результате использования пользователями Инструментов GenAI и Выходных данных.

Выходные данные должны быть проверены и утверждены пользователями и не должны использоваться без человеческого контроля и в качестве единственной основы для принятия решений, влияющих на отдельных лиц.

Пользователи несут исключительную ответственность за использование Выходных данных, в частности, пользователям необходимо определить уровень человеческого контроля, необходимый для контекста и варианта использования, а также для информирования персонала пользователей и других затронутых пользователей о характере Выходных данных GenAI. Пользователи также несут полную ответственность за свои решения, действия, использование Vizro и Vizro-MCP и соблюдение применимых законов, правил и положений, включая, помимо прочего, подтверждение того, что Выходные данные не нарушают никаких прав третьих лиц.

Vizro-MCP используется генеративными моделями ИИ, поскольку большие языковые модели (LLM) представляют собой значительные достижения в области ИИ. Однако, как и в случае с любым мощным инструментом, существуют потенциальные риски, связанные с подключением к генеративной модели ИИ.

Мы рекомендуем пользователям изучить и понять выбранную модель перед использованием Vizro-MCP.

Пользователям рекомендуется относиться к контенту, созданному с помощью ИИ, как к дополнительному, всегда руководствоваться человеческим суждением, подходить к нему с осторожностью, просматривать соответствующую страницу с отказом от ответственности и учитывать следующее:

Модели поставщика могут не иметь знаний в реальном времени или событий за пределами последних обновлений. Вывод Vizro-MCP может отличаться, и вам всегда следует проверять критическую информацию. Пользователь несет ответственность за определение точности, последовательности и надежности сгенерированного контента.