자율 분석가

🧠 개요

Autonomous Analyst는 다음을 수행하는 로컬 에이전트 AI 파이프라인입니다.

표 형식의 데이터를 분석합니다
마할라노비스 거리를 이용한 이상 감지
해석 요약을 생성하기 위해 로컬 LLM(Ollama를 통한 llama3.2:1b)을 사용합니다.
의미적 회수를 위해 ChromaDB에 결과를 기록합니다.
MCP(Model Context Protocol)를 통해 완벽하게 조율됩니다.

⚙️ 특징

요소	설명
FastAPI 웹 UI	합성 또는 업로드된 데이터 세트를 위한 사용자 친화적 대시보드
MCP 도구 오케스트레이션	각 프로세스 단계는 호출 가능한 MCP 도구로 노출됩니다.
이상 감지	마할라노비스 거리 기반 이상치 감지
시각적 출력	내부값과 외부값의 저장된 산점도
지역 LLM 요약	Ollama를 통해 `llama3.2:1b` 사용하여 생성된 통찰력
벡터 스토어 로깅	요약은 영구 메모리를 위해 ChromaDB에 저장됩니다.
에이전트 계획 도구	전담 LLM 도구( `autonomous_plan` )는 데이터 세트 컨텍스트를 기반으로 다음 단계를 결정합니다.
에이전트 흐름	LLM + 기억 + 도구 사용 + 자동 추론 + 상황 인식

🧪 도구 정의(MCP를 통해)

도구 이름	설명	LLM 사용됨
`generate_data`	합성 표형 데이터(가우스 + 범주형) 생성	❌
`analyze_outliers`	마할라노비스 거리를 사용하여 행에 레이블을 지정합니다.	❌
`plot_results`	인라이어와 아웃라이어를 시각화하는 플롯 저장	❌
`summarize_results`	`llama3.2:1b` 사용하여 이상치 분포를 해석하고 설명합니다.	✅
`summarize_data_stats`	`llama3.2:1b` 사용하여 데이터 세트 추세를 설명합니다.	✅
`log_results_to_vector_store`	나중에 참조할 수 있도록 ChromaDB에 요약을 저장합니다.	❌
`search_logs`	벡터 검색을 사용하여 관련 과거 세션 검색(선택적 LLM 사용)	⚠️
`autonomous_plan`	전체 파이프라인을 실행하고 LLM을 사용하여 다음 작업을 자동으로 권장합니다.	✅

🤖 에이전트 기능

자율성 : LLM 기반 실행 경로 선택 autonomous_plan 포함)
도구 사용 : LLM 추론을 통해 등록된 MCP 도구를 동적으로 호출합니다.
추론 : 데이터 세트 조건 및 이상치 분석으로부터 기술적 통찰력을 생성합니다.
메모리 : ChromaDB 벡터 검색을 사용하여 지식을 지속하고 회상합니다.
LLM : llama3.2:1b (온도 = 0.1, 결정적)를 탑재한 Ollama 기반

Related MCP server: MCP Prompt Enhancer

🚀 시작하기

1. 복제 및 설정

지엑스피1

2. MCP 서버 시작

mcp run server.py --transport streamable-http

3. 웹 대시보드 시작

uvicorn web:app --reload --port 8001

그런 다음 http://localhost:8000을 방문하세요.

🌐 대시보드 흐름

1단계: 자신의 데이터 세트를 업로드하거나 Generate Synthetic Data 클릭하세요.
2단계: 시스템은 feature_1 과 feature_2 에 대해 이상 감지를 실행합니다.
3단계: 이상치의 시각적 플롯이 생성됩니다.
4단계: 요약은 LLM을 통해 생성됩니다.
5단계: 결과는 선택적으로 회수를 위해 벡터 저장소에 기록됩니다.

📁 프로젝트 레이아웃

📦 autonomous-analyst/
├── server.py                  # MCP server
├── web.py                     # FastAPI + MCP client (frontend logic)
├── tools/
│   ├── synthetic_data.py
│   ├── outlier_detection.py
│   ├── plotter.py
│   ├── summarizer.py
│   ├── vector_store.py
├── static/                   # Saved plot
├── data/                     # Uploaded or generated dataset
├── requirements.txt
├── .gitignore
└── README.md

📚 기술 스택

MCP SDK: mcp
LLM 추론: Ollama가 llama3.2:1b 실행 중입니다.
UI 서버: FastAPI + Uvicorn
메모리: ChromaDB 벡터 데이터베이스
데이터: pandas , matplotlib , scikit-learn

✅ .gitignore 추가

__pycache__/
*.pyc
*.pkl
.env
static/
data/

🙌 감사의 말

오픈소스 커뮤니티의 놀라운 노고가 없었다면 이 프로젝트는 불가능했을 것입니다. 특별히 감사드립니다.

도구/라이브러리	목적	저장소
🧠 모델 컨텍스트 프로토콜(MCP)	에이전트 도구 오케스트레이션 및 실행	모델 컨텍스트 프로토콜/파이썬 SDK
💬 올라마	로컬 LLM 추론 엔진( `llama3.2:1b` )	올라마/올라마
🔍 크로마DB	로깅 및 검색을 위한 벡터 데이터베이스	크로마코어/크로마
🌐 패스트API	대화형, 빠른 웹 인터페이스	티앙골로/파스타피
⚡ 유비콘	FastAPI 백엔드를 구동하는 ASGI 서버	인코딩/유비콘

💡 이 프로젝트를 사용하신다면, 이 프로젝트를 가능하게 하는 업스트림 도구에 별점을 주거나 기여해 주시기 바랍니다.

이 저장소는 llama3.2:1b를 사용하는 로컬 rag-llm의 도움으로 생성되었습니다.

MCP Autonomous Analyst