SHAP MCP Server (shap-mcp)

Un servidor Model Context Protocol (MCP) ligero y centrado que expone la explicabilidad de modelos SHAP (SHapley Additive exPlanations) como herramientas invocables por agentes.

Diseñado para que asistentes de IA (como Claude Desktop) y científicos de datos humanos colaboren sin problemas en una sesión compartida en memoria.

Características principales

• Dos transportes simultáneos: transporte estándar stdio para Claude Desktop junto con un transporte HTTP de Starlette en el puerto 8765 que sirve la interfaz web y las visualizaciones generadas.

• Sesión unificada en memoria: ejecute análisis desde la interfaz web y haga preguntas en Claude, o haga que Claude active análisis y vea los gráficos generados al instante en la galería de la interfaz.

• Soporte universal de modelos:

  • tree: TreeExplainer exacto para XGBoost, LightGBM, CatBoost, RandomForest, ExtraTrees.

  • linear: LinearExplainer rápido de forma cerrada para regresión logística, Ridge, Lasso.

  • deep: DeepExplainer para redes neuronales de PyTorch.

  • kernel: KernelExplainer agnóstico al modelo con agrupamiento automático por kmeans.

• Visualizaciones listas para publicar: genere y guarde 6 tipos de gráficos (summary, bar, waterfall, force, dependence, heatmap) con enlaces de archivo locales y de navegador en los que se puede hacer clic.

• Ingesta de URL y archivos: ingiera modelos y conjuntos de datos CSV desde rutas locales o URL HTTP/HTTPS públicas con descargas en streaming, límites de tamaño automáticos (SHAP_MCP_MAX_DOWNLOAD_MB) y limpieza de archivos temporales.

• Seguridad: autenticación opcional mediante clave API a través de SHAP_MCP_API_KEY para los endpoints HTTP.

Related MCP server: my-mcp-server2

Instalación

# Standard installation
pip install shap-mcp

# Optional extra for PyTorch DeepExplainer support
pip install shap-mcp[deep]

Configuración de Claude Desktop

Añada shap-mcp a su claude_desktop_config.json:

Configuración universal recomendada (mediante uvx)

{
  "mcpServers": {
    "shap-mcp": {
      "command": "uvx",
      "args": ["shap-mcp", "--no-ui"]
    }
  }
}

Configuración directa con Pip / Pipx

{
  "mcpServers": {
    "shap-mcp": {
      "command": "shap-mcp",
      "args": ["--no-ui"]
    }
  }
}

Referencia de herramientas

Configuración en tiempo de ejecución

Toda la configuración en tiempo de ejecución se gestiona mediante variables de entorno:

Interfaz web

Cuando se inicia directamente mediante shap-mcp, el servidor abre automáticamente la interfaz web en http://localhost:8765/ui/:

• Formulario de configuración: introduzca rutas locales o URL, elija la arquitectura del modelo y ejecute el análisis.

• Insignias en tiempo real: estado del modelo cargado, número de filas analizadas y tipo de explicador activo.

• Galería de gráficos dinámica: las miniaturas aparecen automáticamente cuando Claude o la interfaz generan visualizaciones.

• Explicador de instancias: tabla interactiva de contribuciones de características individuales.

Próximas funciones y hoja de ruta

Las siguientes capacidades están planificadas para próximas versiones:

• save_analysis / load_analysis: serializar los valores SHAP calculados en archivos .npz para omitir el recálculo al recargar y compartir resultados entre equipos.

• Ingesta remota protegida por autenticación: soporte para tokens de Hugging Face, buckets S3/GCS privados y URL prefirmadas.

• Interfaz web con pestañas y divulgación progresiva: rediseñar la interfaz web en pestañas limpias y enfocadas con desbloqueo progresivo a medida que se completa el análisis.

• Visualizaciones interactivas: soporte de paneo, zoom e información al pasar el cursor en gráficos de matplotlib mediante mpld3.

• Indicaciones guiadas específicas por gráfico: indicaciones MCP dedicadas adaptadas a cada uno de los 6 tipos de visualización.

• Aislamiento de sesión multiinquilino: estados de sesión aislados por conexión para implementaciones de servidor multiusuario compartidas.

• Formatos de modelo adicionales: soporte nativo para el tiempo de ejecución de ONNX, modelos de MLflow y registros de modelos de Weights & Biases.

• Desglose de equidad y sesgo: paridad demográfica por subgrupo y análisis SHAP basado en segmentos.

• Lienzo en línea MCP-UI y arrastrar y soltar local: renderizado de lienzo directamente en el chat mediante la especificación MCP-UI / MCP Apps con ingesta de archivos por arrastrar y soltar, eliminando pestañas externas del navegador y la fricción de adjuntos en la nube.

Licencia

Licencia MIT. Consulte LICENSE para más detalles.