Skip to main content
Glama

SHAP MCP 服务器(shap-mcp

CI PyPI version Python 3.11+ License: MIT

一个轻量级、专注的**模型上下文协议(MCP)**服务器,将 SHAP(SHapley Additive exPlanations)模型可解释性暴露为可供智能体调用的工具。

专为 AI 助手(如 Claude Desktop)和数据科学家设计,可在共享的内存会话中无缝协作。


主要特性

  • 双并发传输:标准 stdio 传输用于 Claude Desktop,同时 Starlette HTTP 传输在 8765 端口上提供 Web GUI 和生成的图表。

  • 统一内存会话:通过 Web GUI 运行分析并在 Claude 中提问,或让 Claude 触发分析并立即在 GUI 图库中查看生成的图表。

  • 通用模型支持

    • tree:针对 XGBoost、LightGBM、CatBoost、RandomForest、ExtraTrees 的精确 TreeExplainer。

    • linear:针对逻辑回归、Ridge、Lasso 的快速闭式 LinearExplainer。

    • deep:针对 PyTorch 神经网络的 DeepExplainer。

    • kernel:与模型无关的 KernelExplainer,支持自动 kmeans 聚类。

  • 可发表级图表:生成并保存 6 种图表类型(summarybarwaterfallforcedependenceheatmap),附带预格式化的可点击浏览器和本地文件链接。

  • URL 与文件导入:从本地路径或公共 HTTP/HTTPS URL 导入模型和 CSV 数据集,支持流式下载、自动大小上限(SHAP_MCP_MAX_DOWNLOAD_MB)和临时文件清理。

  • 安全性:通过 SHAP_MCP_API_KEY 为 HTTP 端点提供可选的 API 密钥认证。


Related MCP server: my-mcp-server2

安装

# Standard installation
pip install shap-mcp

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

Claude Desktop 配置

shap-mcp 添加到您的 claude_desktop_config.json

通用推荐配置(通过 uvx

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

直接 Pip / Pipx 配置

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

工具参考

工具

用途

关键输入

load_model

加载 .joblib/.pkl 模型并配置解释器

model_pathmodel_urlmodel_typebackground_path

run_analysis

在数据集上计算 SHAP 值

data_pathdata_url 或内联 datasample_size

get_feature_importance

全局排名前 N 个特征

top_n(默认 10)

explain_prediction

单个实例的局部归因分解

index 或任意 data 记录

get_interaction

成对特征交互强度(Tree 模型)

feature_afeature_b

get_plot

渲染并保存 PNG 图表,附带可点击 URL

plot_typeindexfeature_namecolor_featuretop_n


运行时配置

所有运行时配置均通过环境变量管理:

变量

默认值

描述

SHAP_MCP_PORT

8765

HTTP 服务器端口(若被占用则自动递增;--port 标志可覆盖)

SHAP_MCP_API_KEY

(未设置)

HTTP 认证的 Bearer 令牌;未设置 = 本地主机无需认证

SHAP_MCP_OUTPUT_DIR

./outputs/

保存生成的图表 PNG 的根目录

SHAP_MCP_MAX_DOWNLOAD_MB

500

基于 URL 的模型/数据集下载的最大大小上限

SHAP_MCP_LOG_LEVEL

INFO

结构化 JSON 日志级别(DEBUGINFOWARNINGERROR


Web GUI

通过 shap-mcp 直接启动时,服务器会自动在 http://localhost:8765/ui/ 打开 Web GUI:

  • 配置表单:输入本地路径或 URL,选择模型架构,并运行分析。

  • 实时徽章:实时显示模型加载状态、已分析行数和当前解释器类型。

  • 动态图表图库:当 Claude 或 GUI 生成图表时,缩略图会自动出现。

  • 实例解释器:单个特征贡献的交互式表格。


即将推出的功能与路线图

以下功能计划在后续版本中推出:

  • save_analysis / load_analysis:将计算出的 SHAP 值序列化为 .npz 文件,以便在重新加载时跳过重新计算,并在团队间共享结果。

  • 受认证保护的远程导入:支持 Hugging Face 令牌、私有 S3/GCS 存储桶和预签名 URL。

  • 标签页 GUI 与渐进式披露:将 Web GUI 重新设计为简洁、聚焦的标签页,随着分析完成逐步解锁。

  • 交互式图表:通过 mpld3 支持 matplotlib 图表的平移、缩放和悬停提示。

  • 图表专属引导提示:为 6 种图表类型分别定制专门的 MCP 提示。

  • 多租户会话隔离:为共享多用户服务器部署提供连接隔离的会话状态。

  • 更多模型格式:原生支持 ONNX runtime、MLflow 模型和 Weights & Biases 模型注册表。

  • 公平性与偏差分解:按子群体的人口统计均等性和基于切片的 SHAP 分析。

  • MCP-UI 内联画布与本地拖放:通过 MCP-UI / MCP Apps 规范直接在聊天中渲染画布,支持本地拖放文件导入,消除外部浏览器标签页和云附件摩擦。


许可证

MIT 许可证。详情请参阅 LICENSE

Install Server
A
license - permissive license
A
quality
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
1Releases (12mo)
Commit activity

Related MCP Servers

  • F
    license
    Not graded
    quality
    D
    maintenance
    A Model Context Protocol server built with FastMCP that features dynamic tool loading and modular management via a dedicated tool directory. It supports both stdio and HTTP transport modes, enabling efficient development and deployment of custom MCP tools.
  • F
    license
    Not graded
    quality
    D
    maintenance
    A robust, lightweight Model Context Protocol (MCP) server designed to empower your AI Agents with context-awareness, safe execution sandboxes, and dedicated thought logs.

View all related MCP servers

Related MCP Connectors

  • MCP server providing access to the Scorecard API to evaluate and optimize LLM systems.

  • A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…

  • MCP server exposing the Backtest360 engine API as tools for AI agents.

View all MCP Connectors

Latest Blog Posts

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/Manas-maker/shap-mcp'

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