量化研究员 MCP 服务器

MCP 服务器实现，提供用于管理定量研究知识图谱的工具，从而实现研究项目、数据集、变量、假设、统计检验、模型和结果的结构化表示。该服务器可帮助定量研究人员组织数据、跟踪分析、评估假设并从数值数据中获取洞见。

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
假设检验：跟踪假设、相关检验以及由此得出的结论
数据集管理：组织和跟踪数据集内的描述性统计数据和变量
统计分析：记录统计测试、模型及其结果
变量关系：跟踪变量之间的相关性、预测和其他关系
研究问题跟踪：将数据分析与具体研究问题联系起来
数据可视化：根据数据集和结果创建的文档可视化
模型性能：监控统计模型性能指标
研究结果文档：将研究结果与支持性统计证据联系起来
研究方法文献：跟踪方法决策和方法

实体

定量研究员 MCP 服务器可识别以下实体类型：

项目：总体研究
数据集：用于分析的数据集合
变量：数据集中特定的可测量属性
假设：正式可测试的陈述
统计测试：应用于数据的分析方法
result ：统计分析结果
analysisScript ：用于执行分析的代码
可视化：数据的可视化表示
模型：统计/数学模型
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
参与者：研究对象
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：

相关：变量之间的统计相关性
预测：从独立变量到因变量的预测关系
测试：统计测试检验假设
分析：对数据集执行的分析
产生：分析产生结果
可视化：可视化显示数据或结果
contains ：层次关系
part_of ：实体是另一个实体的一部分
depends_on ：依赖关系
支持：支持假设或发现的证据
矛盾：与假设或发现相矛盾的证据
derived_from ：实体派生自另一个实体
control_for ：混淆的变量/方法控制
调节：变量调节关系
mediates ：变量中介关系
implements ：脚本实现统计测试/模型
比较：组/变量之间的统计比较
包括：模型包含变量
验证：验证模型或结果
引用：参考文献
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：表示一个流程或活动按顺序先于另一个流程或活动

可用工具

定量研究员 MCP 服务器提供了以下与研究知识交互的工具：

开始会话

启动新的定量研究会话，生成唯一的会话 ID，并显示当前研究项目、数据集、模型、可视化效果和之前的会话。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进行的活动。

加载上下文

加载特定实体（项目、数据集、变量等）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
datasetUpdates ：记录会话期间数据集的更新
newAnalyses ：记录执行的新统计分析
newVisualizations ：跟踪新创建的数据可视化
假设结果：记录假设检验的结果
modelUpdates ：记录统计模型的更新
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、数据集、变量、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：确定研究过程的顺序关系

领域特定函数

定量研究员 MCP 服务器包括用于定量研究的专门领域功能：

getProjectOverview ：项目的全面视图，包括研究问题、方法、数据集、变量
getDatasetAnalysis ：数据集内容分析，包括变量、描述统计数据和数据质量
getHypothesisTests ：回顾假设检验及其结果
getVariableRelationships ：检查变量之间的相关性、预测和其他关系
getStatisticalResults ：总结统计分析的结果
getVisualizationGallery ：查看为数据集和结果创建的可视化
getModelPerformance ：评估统计模型的性能指标
getResearchQuestionResults ：按研究问题组织分析和结果
getVariableDistribution ：检查各个变量的分布和属性
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
getResearchSequence ：根据先行关系可视化研究过程的顺序

示例提示

开始会话

Let's start a new quantitative research session for my Climate Impact Study project.

正在加载研究背景

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

记录会话结果

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.

管理研究知识

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.

用法

该 MCP 服务器使定量研究人员能够：

保持分析连续性：跟踪多个研究阶段的分析和结果
组织统计证据：将假设与支持性统计测试和结果联系起来
记录变量关系：记录变量如何相互关联、预测或影响
跟踪模型开发：记录统计模型的演变及其性能
支持结果解释：将统计结果与研究问题和理论框架联系起来
确保方法的严谨性：记录方法决策和分析方法
准备研究报告：组织统计证据以支持研究结果
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
序列研究过程：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": {
    "quantitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/quantitativeresearch"
      ]
    }
  }
}

全局安装并直接运行

首先，全局安装包：

npm install -g github:tejpalvirk/quantitativeresearch

然后配置Claude桌面：

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

码头工人

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

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 quantitativeresearch
node quantitativeresearch_index.js

Docker：

docker build -t mcp/quantitativeresearch -f quantitativeresearch/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

定量研究 MCP 服务器支持以下环境变量来自定义数据的存储位置：

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： ./quantitativeresearch/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： ./quantitativeresearch/sessions.json sessions.json

使用示例：

# 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

量化研究员 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