양적 연구자 MCP 서버

양적 연구 지식 그래프를 관리하고 연구 프로젝트, 데이터세트, 변수, 가설, 통계 검정, 모델 및 결과를 체계적으로 표현하는 도구를 제공하는 MCP 서버 구현입니다. 이 서버는 양적 연구자들이 데이터를 정리하고, 분석 결과를 추적하고, 가설을 평가하고, 수치 데이터에서 통찰력을 창출하는 데 도움을 줍니다.

특징

지속적인 연구 컨텍스트 : 여러 분석 세션에 걸쳐 연구 엔터티 및 관계에 대한 구조화된 지식 그래프를 유지합니다.
연구 세션 관리 : 고유 ID로 연구 분석 세션을 추적하고 시간 경과에 따른 진행 상황을 기록합니다.
가설 검정 : 가설, 관련 검정 및 결과 결론을 추적합니다.
데이터 세트 관리 : 데이터 세트 내의 기술 통계 및 변수를 구성하고 추적합니다.
통계 분석 : 통계적 검정, 모델 및 결과를 기록합니다.
변수 관계 : 변수 간의 상관 관계, 예측 및 기타 관계를 추적합니다.
연구 질문 추적 : 데이터 분석을 특정 연구 질문에 연결
데이터 시각화 : 데이터 세트 및 결과로부터 생성된 문서 시각화
모델 성능 : 통계적 모델 성능 지표 모니터링
연구 결과 문서화 : 결과를 뒷받침하는 통계적 증거에 연결
연구 방법론 문서 : 방법론적 결정 및 접근 방식 추적

엔티티

Quantitative Researcher MCP 서버는 다음 엔터티 유형을 인식합니다.

프로젝트 : 전체 연구 조사
데이터 세트 : 분석에 사용되는 데이터 모음
변수 : 데이터 세트의 특정 측정 가능한 속성
가설 : 형식적으로 검증 가능한 진술
statisticalTest : 데이터에 적용되는 분석 방법
결과 : 통계 분석 결과
analysisScript : 분석을 수행하는 데 사용되는 코드
시각화 : 데이터의 시각적 표현
모델 : 통계적/수학적 모델
문헌 : 학술 자료
researchQuestion : 연구를 안내하는 공식적인 질문
발견 : 결과 또는 결론
참여자 : 연구대상자
상태 : 엔터티 상태 값(활성, 완료, 보류, 중단)
우선순위 : 우선순위 수준 값(높음, 낮음)

관계

엔터티는 다음 관계 유형을 통해 연결될 수 있습니다.

correlations_with : 변수 간 통계적 상관관계
예측 : 독립변수에서 종속변수로의 예측 관계
검정 : 통계적 검정은 가설을 검증합니다.
분석 : 데이터 세트에 대해 수행된 분석
생성 : 분석이 결과를 생성합니다
시각화 : 시각화는 데이터나 결과를 표시합니다.
포함 : 계층적 관계
part_of : 엔티티가 다른 엔티티의 일부입니다.
depends_on : 종속 관계
뒷받침하다 : 가설이나 발견을 뒷받침하는 증거
모순 : 가설이나 발견과 모순되는 증거
derived_from : 엔터티가 다른 엔터티에서 파생되었습니다.
controls_for : 혼동을 위한 변수/방법 제어
조절하다 : 변수는 관계를 조절한다
매개하다 : 변수가 관계를 매개한다
구현 : 스크립트는 통계적 테스트/모델을 구현합니다.
비교하다 : 그룹/변수 간의 통계적 비교
포함 : 모델에 변수가 포함됩니다.
검증 : 모델이나 결과를 검증합니다.
인용 : 참고문헌
has_status : 엔터티를 현재 상태(활성, 완료, 보류, 중단)에 연결합니다.
has_priority : 엔티티를 우선순위 수준(높음, 낮음)에 연결합니다.
선행 : 순서상 한 프로세스나 활동이 다른 프로세스나 활동보다 먼저 나온다는 것을 나타냅니다.

사용 가능한 도구

Quantitative Researcher MCP 서버는 연구 지식과 상호 작용하기 위한 다음과 같은 도구를 제공합니다.

시작 세션

새로운 양적 연구 세션을 시작하고, 고유 세션 ID를 생성하며, 현재 연구 프로젝트, 데이터세트, 모델, 시각화 및 이전 세션을 표시합니다. has_status 관계를 통해 상태 정보를, has_priority 관계를 통해 우선순위를 표시하며, 순차적 프로세스 관계를 기반으로 다음에 수행할 준비가 된 활동을 식별합니다.

로드 컨텍스트

특정 엔터티(프로젝트, 데이터 세트, 변수 등)에 대한 자세한 컨텍스트를 로드하고 엔터티 유형에 따라 관련 정보를 표시합니다. 상태 정보, 우선순위 수준 및 순차적 프로세스 관계가 포함됩니다.

세션 종료

구조화된 다단계 프로세스를 통해 연구 세션의 결과를 기록합니다.

요약 : 세션 요약, 기간 및 프로젝트 초점을 기록합니다.
datasetUpdates : 세션 중 데이터세트에 대한 문서 업데이트
newAnalyses : 수행된 새로운 통계 분석을 기록합니다.
newVisualizations : 생성된 새로운 데이터 시각화를 추적합니다.
hypothesisResults : 가설 검정 결과 문서화
modelUpdates : 통계 모델에 대한 업데이트를 기록합니다.
statusUpdates : 엔터티 상태 값의 변경 사항을 기록합니다.
projectStatus : 전체 프로젝트 상태, 우선순위 할당 및 순차적 관계를 업데이트합니다.
어셈블리 : 모든 세션 데이터의 최종 어셈블리

빌드 컨텍스트

지식 그래프에 새로운 엔터티, 관계 또는 관찰을 생성합니다.

엔터티 : 새로운 연구 엔터티(프로젝트, 데이터 세트, 변수, 상태, 우선순위 등)를 추가합니다.
관계 : 엔티티 간 관계 생성(has_status, has_priority, precedes 포함)
관찰 : 기존 엔터티에 관찰 추가

컨텍스트 삭제

지식 그래프에서 엔터티, 관계 또는 관찰을 제거합니다.

엔티티 : 연구 엔티티 제거
관계 : 엔터티 간 관계(상태, 우선순위, 순차 관계 포함)를 제거합니다.
관찰 : 엔터티에서 특정 관찰을 제거합니다.

고급 컨텍스트

지식 그래프에서 정보를 검색합니다.

그래프 : 전체 지식 그래프를 가져옵니다
검색 : 쿼리 기준에 따라 노드 검색
노드 : 이름으로 특정 노드 가져오기
관련 : 관련 엔터티 찾기
상태 : 특정 상태 값(활성, 완료, 보류, 중단)을 가진 엔터티를 찾습니다.
우선순위 : 특정 우선순위 값(높음, 낮음)을 갖는 엔터티 찾기
순서 : 연구 프로세스에 대한 순차적 관계 식별

도메인별 기능

Quantitive Researcher MCP 서버에는 양적 연구를 위한 특수 도메인 기능이 포함되어 있습니다.

getProjectOverview : 연구 질문, 방법론, 데이터 세트, 변수를 포함한 프로젝트에 대한 포괄적인 보기
getDatasetAnalysis : 변수, 기술 통계, 데이터 품질을 포함한 데이터 세트 내용 분석
getHypothesisTests : 가설 검정 및 결과 검토
getVariableRelationships : 변수 간의 상관 관계, 예측 및 기타 관계를 조사합니다.
getStatisticalResults : 통계 분석 결과를 요약합니다.
getVisualizationGallery : 데이터 세트 및 결과에 대해 생성된 시각화 보기
getModelPerformance : 통계 모델에 대한 성능 지표 평가
getResearchQuestionResults : 연구 질문별로 분석 및 결과 정리
getVariableDistribution : 개별 변수의 분포와 속성을 조사합니다.
getStatusOverview : 특정 상태(활성, 완료, 보류, 중단)의 모든 엔터티를 봅니다.
getPriorityItems : 우선순위가 높은 연구 과제 및 활동 식별
getResearchSequence : 선행 관계에 따라 연구 프로세스 순서를 시각화합니다.

예시 프롬프트

세션 시작

지엑스피1

연구 맥락 로딩 중

Load the context for the Climate Impact Study project so I can see the current state of my statistical analyses.

녹음 세션 결과

I've just finished analyzing data for my Climate Impact Study. I ran three new regression models to test the relationship between temperature and crop yield, created two visualizations of the correlation patterns, and confirmed our hypothesis about rainfall effects. I've marked the temperature analysis as complete and assigned high priority to the regional variation analysis. The model performance improved by 15% after controlling for regional variations.

연구 지식 관리

Create a new variable called "Annual Precipitation" that's part of the "Climate Measures" dataset with observations noting it's normally distributed with a mean of 34.5 inches. Set its status to active and make it precede the "Crop Yield Analysis" process.

Update the status of the "Data Cleaning" process to "completed" and add an observation that all outliers have been properly handled.

용법

이 MCP 서버는 양적 연구자에게 다음을 제공합니다.

분석 연속성 유지 : 여러 연구 세션에 걸쳐 분석 및 결과 추적
통계적 증거 구성 : 가설을 뒷받침하는 통계적 테스트 및 결과에 연결합니다.
문서 변수 관계 : 변수가 서로 어떻게 상관관계를 맺고, 예측하고, 영향을 미치는지 기록합니다.
모델 개발 추적 : 통계 모델의 진화와 성능 문서화
결과 해석 지원 : 통계적 결과를 연구 질문 및 이론적 프레임워크에 연결합니다.
방법론적 엄격성 보장 : 방법론적 결정 및 분석 접근 방식 문서화
연구 보고서 준비 : 연구 결과를 뒷받침하는 통계적 증거를 구성합니다.
연구 진행 상황 추적 : 연구 라이프사이클 전반에 걸쳐 엔터티 상태를 모니터링합니다.
연구 과제 우선순위 지정 : 우선순위가 높은 연구 활동을 식별하고 집중합니다.
시퀀스 연구 프로세스 : 연구 및 분석 단계의 논리적 순서를 계획하고 시각화합니다.

구성

Claude Desktop과 함께 사용

claude_desktop_config.json 에 다음을 추가하세요:

GitHub에서 설치하고 npx로 실행하세요

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

전역적으로 설치하고 직접 실행하세요

먼저, 패키지를 전역으로 설치합니다.

npm install -g github:tejpalvirk/quantitativeresearch

그런 다음 Claude Desktop을 구성합니다.

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

도커

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

건물

출처에서

# 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 quantitativeresearch
node quantitativeresearch_index.js

도커:

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

특허

이 MCP 서버는 MIT 라이선스에 따라 라이선스가 부여됩니다. 즉, MIT 라이선스의 약관에 따라 소프트웨어를 자유롭게 사용, 수정 및 배포할 수 있습니다. 자세한 내용은 프로젝트 저장소의 LICENSE 파일을 참조하세요.

환경 변수

양적 연구 MCP 서버는 데이터가 저장되는 위치를 사용자 지정하기 위해 다음 환경 변수를 지원합니다.

MEMORY_FILE_PATH : 지식 그래프 데이터가 저장될 경로
- 절대 경로 또는 상대 경로가 될 수 있습니다(상대 경로는 현재 작업 디렉토리를 사용함)
- 기본값: ./quantitativeresearch/memory.json
SESSIONS_FILE_PATH : 세션 데이터가 저장될 경로
- 절대 경로 또는 상대 경로가 될 수 있습니다(상대 경로는 현재 작업 디렉토리를 사용함)
- 기본값: ./quantitativeresearch/sessions.json

사용 예:

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

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

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

Quantitative Researcher MCP Server

Integrations