Вы: Подключись к моей PostgreSQL и покажи топ-5 регионов по выручке

ИИ: [вызывает sql_query → SQL выполняется прямо в вашей PostgreSQL]
    Вот топ-5 регионов по выручке:
    | Регион       | Выручка     | Заказов |
    |--------------|-------------|---------|
    | Москва       | 1 358 468 ₽ | 55      |
    | Новосибирск  | 1 036 564 ₽ | 45      |
    ...

Вы: Найди аномалии в суммах заказов

ИИ: [вызывает detect_anomalies → z-score + IQR]
    Обнаружено 3 выброса в колонке amount:
    - Заказ #1047: 49 870 ₽ (z-score = 4.2)
    - Заказ #2891: 48 200 ₽ (z-score = 3.8)
    ...

Вы: Построй дашборд и сохрани как HTML

ИИ: [вызывает create_public_dashboard → генерирует HTML с графиками и фильтрами]
    Дашборд создан! Откройте файл:
    /tmp/datasearcher_mcp_dashboards/abc123/dashboard.html

SELECT pg.users.name, mysql.orders.amount
FROM pg.users JOIN mysql.orders ON pg.users.id = mysql.orders.user_id

Вы: Объедини таблицы orders и customers
ИИ: [merge_tables → авто-найден ключ customer_id → id]
    Объединено: 100 заказов + 20 клиентов → 100 строк

Вы: Найди отзывы, похожие на "доставка задерживается"
ИИ: [semantic_search → LLM embeddings → cosine similarity]
    Топ-3 похожих отзыва:
    1. "Курьер приехал на два часа позже" (similarity: 0.92)
    2. "Ждали посылку 5 дней вместо двух" (similarity: 0.88)
    3. "Срок доставки перенесли без уведомления" (similarity: 0.85)

git clone https://github.com/MarkIvor/mcp-datasearcher.git
cd mcp-datasearcher
pip install -e ".[all]"    # все драйверы БД

cp connections.example.yaml connections.yaml

connections:
  - name: my_db
    db_type: postgresql          # postgresql | mysql | clickhouse | sqlite
    host: localhost
    port: 5432
    database: mydb
    username: ${DB_USER}         # подстановка из переменных окружения
    password: ${DB_PASSWORD}
    mode: auto                   # auto (по умолчанию) | remote | dump

# Файлы тоже можно (грузятся в DuckDB):
# files:
#   - path: ./data/sales.csv
#     table_name: sales
#   - path: ./data/report.xlsx
#     table_name: report          # все листы → отдельные таблицы

{
  "mcpServers": {
    "datasearcher": {
      "command": "datasearcher-mcp",
      "args": ["--config", "/path/to/connections.yaml"]
    }
  }
}

{
  "mcpServers": {
    "datasearcher": {
      "command": "datasearcher-mcp",
      "args": ["--config", "/path/to/connections.yaml"]
    }
  }
}

# 1. Подготовьте конфиг:
cp connections.example.yaml connections.yaml

# 2. Запустите:
docker compose up -d

# 3. Подключитесь к http://localhost:8000/mcp

docker run -i --rm -v ./connections.yaml:/app/connections.yaml:ro \
  datasearcher-mcp --transport stdio

LLM_BASE_URL=http://ollama:11434/v1   # для classify_rows / semantic_search
LLM_MODEL=qwen2.5:14b
MCP_AUTH_TOKEN=your-secret-token       # опционально, для HTTP auth

datasearcher-mcp --transport http --host 0.0.0.0 --port 8000

npx -y @modelcontextprotocol/inspector
# В UI подключитесь к http://localhost:8000/mcp

LLM_BASE_URL=http://localhost:11434/v1   # Ollama, vLLM, OpenAI-compatible
LLM_MODEL=qwen2.5:14b

┌──────────────┐     ┌─────────────────────────────────────────────┐
│  MCP-клиент  │     │           datasearcher-mcp                  │
│ Claude/Cursor│────▶│  FastMCP server                             │
│  VS Code     │◀────│   ├── 36 tools                              │
└──────────────┘ MCP └───┤                                   ◀──────┘
                        │  ┌─────────────────────────────────┐    │
                        │  │ Remote (push-down)              │    │
                        │  │  sql_query → source DB          │    │
                        │  │  query_explain → source DB      │    │
                        │  │  get_schema → source DB         │    │
                        │  │  + sqlglot dialect translation  │    │
                        │  └─────────────────────────────────┘    │
                        │  ┌─────────────────────────────────┐    │
                        │  │ Lazy DuckDB (ML only)           │    │
                        │  │  cluster_analysis → ensure_table│    │
                        │  │  predict_trend → ensure_table   │    │
                        │  │  feature_importance → ensure_   │    │
                        │  │  + ML cache by SQL hash         │    │
                        │  └─────────────────────────────────┘    │
                        │                                         │
                        │  resources: schema://tables             │
                        │           schema://diagram (Mermaid)    │
                        │           connection://list             │
                        │           table://{name}/preview        │
                        │  prompts: analyze_table, weekly_report  │
                        └─────────────────────────────────────────┘

datasearcher-mcp/
  pyproject.toml              # пакет + зависимости
  connections.example.yaml    # пример конфига
  Dockerfile                  # production-образ
  docker-compose.yml          # для быстрого старта
  src/datasearcher_mcp/
    __main__.py               # CLI: --transport, --config, --auth-token
    config.py                 # настройки (pydantic-settings)
    session.py                # DuckDB-сессия (ленивая)
    engine.py                 # движок: подключения, таблицы, remote/dump/auto
    server.py                 # FastMCP: 36 tools + 4 resources + 2 prompts
    llm_client.py             # LLM-клиент для classify/generate_sql
    embeddings.py             # semantic search через LLM embeddings
    connectors/               # коннекторы к БД (PG, MySQL, CH, SQLite)
    tools/                    # 30 инструментов анализа
    render/                   # графики (matplotlib PNG) + парсинг маркеров
    prompts/                  # системный промпт аналитика