How do I use csv-analyzer-mcp?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@csv-analyzer-mcp analyze the sales data from data.csv" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

csv-analyzer-mcp

by Gakuji3

Overview Schema Related Servers Score Discussions

Python

CSV Analyzer MCP

Model Context Protocol (MCP) を使って CSV ファイルを分析し、統計情報を提供するサーバーであり、AI アシスタントツールとしても利用できます。

LLM が発見・呼び出し可能なツールを公開
ユーザー入力（CSV ファイルパス）を処理
構造化された結果を返す
Claude for Desktop および他の MCP 互換クライアントと統合

機能

CSV 分析: 統計情報の計算と分析
サマリー取得: CSV 構造の JSON 形式サマリー
型アノテーション: Python 3.12+ 対応
ロギング: stderr へのログ出力
エラーハンドリング: ファイル I/O と入力検証
MCP 互換性: 複数の MCP クライアントに対応

クイックスタート

前提条件

Python 3.12 以上
uv パッケージマネージャー（インストール）

インストール

# プロジェクトディレクトリに移動
cd csv-analyzer-mcp

# 仮想環境を作成して依存パッケージをインストール
uv venv
source .venv/bin/activate  # Windows の場合: .venv\Scripts\activate

# 開発モードでパッケージをインストール
uv sync

サーバーの実行

# uv 経由（開発時に推奨）
uv run csv-analyzer-mcp

# または、venv をアクティベート後
python -m csv_analyzer_mcp.main

サーバーが起動し、MCP クライアント接続を STDIO でリッスンします。

Claude for Desktop との統合

このMCPサーバーを Claude for Desktop と一緒に使用するには：

Claude設定ファイルを探します：

# macOS/Linux
code ~/Library/Application\ Support/Claude/claude_desktop_config.json

# Windows
code $env:AppData\Claude\claude_desktop_config.json

サーバー設定を追加します：

{
  "mcpServers": {
    "csv-analyzer": {
      "command": "uv",
      "args": [
        "--directory",
        "/ABSOLUTE/PATH/TO/csv-analyzer-mcp",
        "run",
        "csv-analyzer-mcp"
      ]
    }
  }
}

/ABSOLUTE/PATH/TO/csv-analyzer-mcp を実際のパスに置き換えます（例：/Users/username/python/csv-analyzer-mcp）
Claude for Desktop を再起動します
Claude で、コネクターメニューに「csv-analyzer」サーバーが利用可能として表示されるようになります。以下でテストできます：
- 「このCSVを分析して: /path/to/your/file.csv」
- 「data.csvの構造をまとめて」

ツール

1. `analyze_csv`

CSV ファイルの包括的な統計分析

入力:

file_path (文字列): CSV ファイルへのパス

出力: 以下を含むフォーマット済みレポート:

行数と列数
列名とデータ型
列ごとの統計（数値列: 最小値、最大値、平均値、標準偏差、中央値、文字列列: ユニーク値数）
全体サマリー（数値列、欠損値、メモリ使用量）

例:

ユーザー: 「/Users/john/data/sales.csv を分析して」

Claude: [analyze_csv ツールを呼び出し]

出力:
======================================================================
CSV 分析レポート
======================================================================

基本情報
  行数:          1000
  列数:          5
  列名:          date, product, amount, region, discount

列の統計情報
  ...

2. `get_csv_summary`

CSV 構造の JSON フォーマット済みクイックサマリー

入力:

file_path (文字列): CSV ファイルへのパス

出力: 以下を含む JSON オブジェクト:

rows: 行数
columns: 列数
column_names: すべての列名のリスト
column_types: 列型の辞書
numeric_columns: 数値列のリスト
total_missing_values: 欠損値の数

例:

{
  "rows": 1000,
  "columns": 5,
  "column_names": ["date", "product", "amount", "region", "discount"],
  "column_types": {
    "date": "object",
    "product": "object",
    "amount": "float64",
    "region": "object",
    "discount": "int64"
  },
  "numeric_columns": ["amount", "discount"],
  "total_missing_values": 12
}

アーキテクチャ

csv-analyzer-mcp/
├── pyproject.toml              # プロジェクトメタデータ、依存関係、エントリポイント
├── README.md                   # このファイル
├── .gitignore                  # Git無視パターン
│
├── src/csv_analyzer_mcp/
│   ├── __init__.py            # パッケージ初期化とバージョン
│   ├── main.py                # サーバーエントリポイントと STDIO トランスポート設定
│   ├── tools.py               # MCP ツール定義（@mcp.tool デコレータ）
│   ├── utils.py               # ヘルパー関数（CSV読込、統計処理）
│   └── py.typed               # PEP 561 型ヒントマーカー
│
├── examples/
│   ├── sample.csv             # テスト用サンプルデータ
│   └── example_usage.md       # 使用例
│
└── tests/ (オプション)
    ├── test_utils.py
    └── test_tools.py

モジュール概要

main.py: FastMCP サーバーを初期化し、STDIO トランスポートで実行します。これは MCP サーバーのエントリポイントです。
tools.py: @mcp.tool() デコレータを使用して MCP ツールを定義します。各関数は LLM クライアントが利用可能なツールになります。
utils.py: ビジネスロジックを含みます:
- read_csv_file(): エラー処理付きで CSV を安全に読み込み
- calculate_statistics(): pandas を使用して統計を計算
- format_statistics_report(): 出力を人間が読みやすいテキストにフォーマット

動作原理

┌─────────────┐
│ Claude for  │
│ Desktop     │
└──────┬──────┘
       │ (JSON-RPC over STDIO)
       │
   ┌───▼────────────────────┐
   │ MCP サーバープロセス   │
   │ (csv-analyzer-mcp)     │
   └───┬────────────────────┘
       │
   ┌───▼────────────────────┐
   │ tools.py               │
   │ - analyze_csv          │
   │ - get_csv_summary      │
   └───┬────────────────────┘
       │
   ┌───▼────────────────────┐
   │ utils.py               │
   │ - read_csv_file()      │
   │ - calculate_statistics │
   │ - format_report()      │
   └────────────────────────┘

フロー:

Claude がCSV分析に関する質問をします
Claude のクライアントが JSON-RPC リクエストをこの MCP サーバーに送信します
tools.py モジュールがリクエストを受け取ります
utils.py が実際のファイル読み込みと計算を実行します
結果をフォーマットして JSON-RPC レスポンスとして返送します
Claude は結果をユーザーに表示します

サンプルデータ

examples/sample.csv に 12行5列のサンプル従業員データが含まれています:

列	型	説明
name	文字列	従業員フルネーム
age	整数	従業員年齢
salary	整数	年間給与（USD）
department	文字列	部門名
hire_date	日付	採用日（YYYY-MM-DD形式）

使用例

Claude for Desktop での使用

Claude for Desktop を開いて、以下のように質問できます:

例 1: CSV ファイルの詳細分析

ユーザー: 「/Users/username/python/csv-analyzer-mcp/examples/sample.csv ファイルを分析してもらえますか？」

Claude: [analyze_csv ツールを呼び出し]

出力:
======================================================================
CSV 分析レポート
======================================================================

基本情報
  行数:          12
  列数:          5
  列名:          name, age, salary, department, hire_date

列の統計情報

  name (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 12

  age (型: int64)
    非null値:   12
    null値:     0
    最小値:     26
    最大値:     52
    平均値:     36.25
    標準偏差:   8.91
    中央値:     34.5

  salary (型: int64)
    非null値:   12
    null値:     0
    最小値:     65000
    最大値:     105000
    平均値:     83916.67
    標準偏差:   11899.63
    中央値:     84500.0

  department (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 5

  hire_date (型: object)
    非null値:   12
    null値:     0
    ユニーク値: 12

サマリー
  数値列:       age, salary
  欠損値の合計: 0
  メモリ使用量: 0.18 MB

======================================================================

例 2: CSV 構造のクイックサマリー

ユーザー: 「/Users/username/python/csv-analyzer-mcp/examples/sample.csv の JSON サマリーをください」

Claude: [get_csv_summary ツールを呼び出し]

出力:
{
  "rows": 12,
  "columns": 5,
  "column_names": ["name", "age", "salary", "department", "hire_date"],
  "column_types": {
    "name": "object",
    "age": "int64",
    "salary": "int64",
    "department": "object",
    "hire_date": "object"
  },
  "numeric_columns": ["age", "salary"],
  "total_missing_values": 0
}

トラブルシューティング

Claude for Desktop にサーバーが表示されない

claude_desktop_config.json が正しくフォーマットされているか確認してください（有効な JSON）
プロジェクトディレクトリへの絶対パスが正しいか確認してください
Claude for Desktop を再起動してください（macOS では Cmd+Q で完全に終了）
ログを確認: tail -f ~/Library/Logs/Claude/mcp*.log

CSV ファイルが見つからないエラー

絶対パスまたは現在の作業ディレクトリに相対的なパスを使用してください
ファイルが存在し、読み取り可能か確認: ls -la /path/to/file.csv

最初の実行時の「許可が拒否されました」エラー

macOS/Linux では、実行許可を与える必要がある場合があります:

chmod +x /Users/username/python/csv-analyzer-mcp

さらに詳しく

ライセンス

MIT ライセンス - LICENSE ファイルの詳細を参照してください。

This server cannot be installed

license - not tested

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Gakuji3/csv-analyzer-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server