定性研究员 MCP 服务器

MCP 服务器实现，提供用于管理定性研究知识图谱的工具，从而能够以结构化的方式呈现研究项目、参与者、访谈、观察、代码、主题和发现。该服务器可帮助定性研究人员组织数据、追踪分析过程、开发主题并从丰富的文本数据中获取洞见。

特征

持久研究背景：在多个分析会话中维护研究实体和关系的结构化知识图
研究会话管理：使用唯一 ID 跟踪研究分析会话并记录一段时间内的进度
主题分析：组织和跟踪跨数据源的新兴主题
编码框架：管理分层编码结构和跟踪代码应用程序
参与者管理：跟踪参与者数据、人口统计数据和贡献
数据源组织：组织访谈、观察和文件
研究问题跟踪：将数据链接到特定的研究问题
备忘录写作：记录整个研究过程中的分析见解
按时间顺序数据分析：按时间顺序探索数据
代码共现分析：识别不同代码之间的关系
方法论文档：跟踪方法论决策和方法

实体

定性研究员 MCP 服务器可识别以下实体类型：

项目：总体研究
参与者：研究对象
采访：与参与者的正式对话
观察：观察研究的实地笔记
document ：正在分析的外部材料
code ：应用于数据段的标签
codeGroup ：相关代码的类别或系列
备忘录：研究人员的分析笔记
主题：数据中涌现的模式
引言：数据来源的值得注意的摘录
文献：学术资源
研究问题：指导研究的正式问题
发现：结果或结论
status ：实体状态值（活动、已完成、待定、放弃）
优先级：优先级值（高、低）

关系

实体可以通过以下关系类型连接：

participant_in ：将参与者链接到访谈/观察
代码：显示哪些代码适用于哪些数据
contains ：层次关系（例如，代码组包含代码）
支持：支持主题或发现的数据
矛盾：与主题或发现相矛盾的数据
答案：解决研究问题的数据
引用：参考文献
follow_by ：时间序列
related_to ：一般连接
Reflections_on ：反映数据/代码/主题的备忘录
比较：比较关系
conducted_by ：进行数据收集的人员
transcribed_by ：转录数据的人
part_of ：实体是另一个实体的一部分
derived_from ：实体派生自另一个实体
collect_on ：数据收集日期
分析：分析关系
triangulates_with ：数据源之间的三角测量
has_status ：将实体链接到其当前状态（活动、已完成、待定、放弃）
has_priority ：将实体与其优先级（高、低）链接起来
先于：表示一个分析活动按顺序在另一个分析活动之前进行

可用工具

定性研究人员 MCP 服务器提供了以下与研究知识交互的工具：

开始会话

启动新的定性研究会话，生成唯一的会话 ID，并显示当前研究项目、近期数据收集、新兴主题以及之前的会话。通过 has_status 关系显示状态信息，通过 has_priority 关系显示优先级，并根据顺序流程关系识别下一步准备开展的研究活动。

加载上下文

加载特定实体（项目、参与者、访谈等）的详细上下文，并根据实体类型显示相关信息。包括状态信息、优先级和顺序流程关系。

结束会话

通过结构化、多阶段流程记录研究会议的结果：

summary ：记录会议摘要、持续时间和项目重点
interviewData ：记录会议期间处理的新面试数据
memos ：记录会话期间创建的分析备忘录
codingActivity ：跟踪应用于数据的新代码和修订代码
主题：记录分析中出现或发展的主题
statusUpdates ：记录实体状态值的变化
projectStatus ：更新整体项目状态、优先级分配和顺序关系
组装：所有会话数据的最终组装

构建上下文

在知识图谱中创建新的实体、关系或观察：

实体：添加新的研究实体（项目、参与者、访谈、状态、优先级等）
relations ：创建实体之间的关系（包括 has_status、has_priority、precedes）
观察：向现有实体添加观察结果

删除上下文

从知识图谱中删除实体、关系或观察结果：

实体：删除研究实体
关系：删除实体之间的关系（包括状态、优先级和顺序关系）
观察：从实体中删除特定观察结果

高级上下文

从知识图谱中检索信息：

graph ：获取整个知识图谱
search ：根据查询条件搜索节点
nodes ：通过名称获取特定节点
相关：查找相关实体
status ：查找具有特定状态值（活动、已完成、待处理、放弃）的实体
优先级：查找具有特定优先级值（高、低）的实体
序列：确定分析活动的顺序关系

领域特定函数

定性研究员 MCP 服务器包括用于定性研究的专门领域功能：

getProjectOverview ：全面了解项目，包括研究问题、方法、参与者、数据源
getParticipantProfile ：参与者的详细资料，包括人口统计、访谈和引言
getThematicAnalysis ：主题分析，并提供支持代码和数据
getCodedData ：查看标有特定代码的所有数据段
getResearchQuestionAnalysis ：根据研究问题和相关发现来组织数据
getChronologicalData ：按时间顺序查看数据
getCodeCooccurrence ：分析多个代码一起出现的位置
getMemosByFocus ：检索与特定实体相关的所有备忘录
getMethodologyDetails ：回顾方法论、抽样和分析技术
getRelatedEntities ：按关系类型查找与特定实体相关的实体
getStatusOverview ：查看具有特定状态的所有实体（活动、已完成、待定、放弃）
getPriorityItems ：确定高优先级的研究任务和活动
getAnalysisSequence ：根据先行关系可视化分析活动的序列

示例提示

开始会话

Let's start a new qualitative research session for my Health Behavior Study project.

正在加载研究背景

Load the context for the Health Behavior Study project so I can see the current state of my analysis.

记录会话结果

I've just finished analyzing interview data for my Health Behavior Study. I identified two new themes related to social support, coded three new interviews, and wrote memos about emerging patterns in participant responses. I've marked the initial coding phase as complete and set the thematic analysis as high priority. The project is progressing well, and I'm beginning to reach theoretical saturation.

管理研究知识

Create a new code called "Family Support" that's part of the "Social Support" code group in the Health Behavior Study project. Set its status to active and make it precede the "Social Network Analysis" activity.

Update the status of the "Participant Recruitment" process to "completed" and add an observation that we've reached our target sample size.

用法

该 MCP 服务器使定性研究人员能够：

保持分析连续性：跟踪多个研究阶段的分析进度
开发编码框架：构建、改进编码结构并将其应用于定性数据
跟踪主题发展：观察主题在分析过程中如何出现和演变
管理丰富的数据源：组织和连接采访记录、现场笔记和文档
支持理论发展：通过备忘录写作过程记录理论见解
准备研究结果：将研究结果与支持证据和研究问题联系起来
增强方法论的严谨性：记录方法论决策和分析过程
跟踪研究进展：在整个研究生命周期中监控实体状态
确定研究任务的优先顺序：确定并关注高优先级的研究活动
序列分析活动：规划并可视化研究和分析步骤的逻辑顺序

配置

与 Claude Desktop 一起使用

将其添加到您的claude_desktop_config.json中：

从 GitHub 安装并使用 npx 运行

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/qualitativeresearch"
      ]
    }
  }
}

全局安装并直接运行

首先，全局安装包：

npm install -g github:tejpalvirk/qualitativeresearch

然后配置Claude桌面：

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "contextmanager-qualitativeresearch"
    }
  }
}

码头工人

{
  "mcpServers": {
    "qualitativeresearch": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "mcp/qualitativeresearch"
      ]
    }
  }
}

建筑

来自源

# Clone the repository
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# Install dependencies
npm install

# Build the server
npm run build

# Run the server
cd qualitativeresearch
node qualitativeresearch_index.js

Docker：

docker build -t mcp/qualitativeresearch -f qualitativeresearch/Dockerfile .

执照

此 MCP 服务器采用 MIT 许可证。这意味着您可以自由使用、修改和分发该软件，但须遵守 MIT 许可证的条款和条件。更多详情，请参阅项目仓库中的 LICENSE 文件。

环境变量

定性研究 MCP 服务器支持以下环境变量来自定义数据存储位置：

MEMORY_FILE_PATH ：知识图谱数据的存储路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值： ./qualitativeresearch/memory.json memory.json
SESSIONS_FILE_PATH ：存储会话数据的路径
- 可以是绝对路径或相对路径（相对路径使用当前工作目录）
- 默认值： ./qualitativeresearch/sessions.json sessions.json

使用示例：

# Store data in the current directory
MEMORY_FILE_PATH="./qualitative-memory.json" SESSIONS_FILE_PATH="./qualitative-sessions.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# Store data in a specific location (absolute path)
MEMORY_FILE_PATH="/path/to/data/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

# Store data in user's home directory
MEMORY_FILE_PATH="$HOME/contextmanager/qualitative-memory.json" npx github:tejpalvirk/contextmanager-qualitativeresearch

Qualitative Researcher MCP Server

Integrations

定性研究员 MCP 服务器

特征

实体

关系

可用工具

开始会话

加载上下文

结束会话

构建上下文

删除上下文

高级上下文

领域特定函数

示例提示

开始会话

正在加载研究背景

记录会话结果

管理研究知识

用法

配置

与 Claude Desktop 一起使用

从 GitHub 安装并使用 npx 运行

全局安装并直接运行

码头工人

建筑

来自源

Docker：

执照

环境变量

Appeared in Searches