Claude MCP Data Explorer
Explorador de datos de Claude MCP para Windows
Implementación en TypeScript de un servidor de Protocolo de Contexto de Modelo (MCP) para la exploración de datos con Claude. Este servidor se integra con Claude Desktop y permite el análisis avanzado de datos, proporcionando herramientas para cargar archivos CSV y ejecutar scripts de análisis de datos en JavaScript.
Prerrequisitos
Node.js v16+ - Descargar Node.js
Claude Desktop - Descargar Claude Desktop
Related MCP server: mcp-csv-analyst
Instalación (actualizada para Windows)
Clonar este repositorio
git clone https://github.com/tofunori/claude-mcp-data-explorer.git cd claude-mcp-data-explorerInstalar dependencias
npm installCrear y ejecutar el script de configuración
npm run setupEsto hará lo siguiente:
Construya el código TypeScript en JavaScript
Configurar Claude Desktop para utilizar el JavaScript compilado
Crear directorios necesarios
Reinicie Claude Desktop y habilite el modo de desarrollador
Cerrar Claude Desktop por completo
Iniciar Claude Desktop
Vaya a Ayuda → Habilitar modo de desarrollador
Pruebas manuales
Puede probar el servidor directamente ejecutando:
npm run build
npm run startEl servidor debería iniciarse sin errores. Si lo logra, Claude Desktop también debería poder usar el servidor.
Cómo funciona
Este servidor MCP proporciona dos herramientas principales para Claude:
load-csv : carga datos CSV en la memoria para su análisis
run-script : ejecuta código JavaScript para el procesamiento y análisis de datos.
También incluye una plantilla de indicaciones que guía a Claude a través de un proceso de exploración de datos estructurados.
Uso
Iniciar Claude Desktop
Seleccione la plantilla de solicitud "Explorar datos"
Este mensaje aparecerá en Claude Desktop después de la configuración
Ingrese la ruta del archivo CSV y el tema de exploración
Ruta de archivo de ejemplo:
C:/Users/YourName/Documents/data.csvTema de ejemplo: "Tendencias de ventas por región"
Deja que Claude analice tus datos
Claude cargará el archivo CSV y generará información automáticamente.
El servidor maneja archivos grandes de manera eficiente mediante fragmentación
Solución de problemas
Claude no muestra el servidor MCP
Verifique el archivo de configuración en
%APPDATA%\Claude\claude_desktop_config.jsonDebe apuntar al archivo JavaScript compilado en el directorio dist
Intente reconstruir el proyecto con
npm run buildHabilite el modo de desarrollador y verifique el archivo de registro de MCP (Desarrollador → Abrir archivo de registro de MCP)
Utilice Desarrollador → Recargar todos los servidores MCP para forzar la actualización
Errores de permisos al leer archivos
Asegúrese de que Claude tenga acceso a la ubicación del archivo CSV
Intente utilizar rutas absolutas con barras diagonales (
/) o barras diagonales invertidas (\\)
Errores de JavaScript en scripts
Comprueba que tu script sea compatible con los módulos permitidos
Revise los mensajes de error en la respuesta de Claude.
Licencia
Licencia MIT: consulte el archivo LICENCIA para obtener más detalles.
Expresiones de gratitud
Basado en el SDK oficial de TypeScript MCP de Anthropic
Gracias a la comunidad MCP por los ejemplos y la inspiración.
Available Tools
2 toolsload-csvC
Load a CSV file into a DataFrame for analysis
Inputs: csv_path (required), df_name.
run-scriptC
Execute a JavaScript script for data analysis and visualization
Inputs: script (required).
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 2 tools
The two tools have clearly distinct purposes: one loads CSV data into a DataFrame, while the other executes JavaScript scripts for analysis and visualization. There is no overlap or ambiguity between these functions, making it easy for an agent to select the correct tool.
Both tools use a verb-noun pattern (load-csv, run-script), which is consistent and readable. The hyphenated style is maintained throughout, though the specific convention (hyphens vs. underscores) is less important than the consistency, which is good here with only minor deviations from common patterns.
With only two tools, the server feels thin for a 'Data Explorer' purpose, as it lacks essential operations like data querying, filtering, transformation, or exporting. While the tools are functional, the count is too low to adequately cover the expected scope of data exploration and analysis.
For a data exploration server, there are significant gaps: no tools for querying data, filtering, aggregating, visualizing beyond scripts, or exporting results. The surface is severely incomplete, as agents cannot perform basic data exploration tasks without relying heavily on external scripts, leading to potential failures in common workflows.
Maintenance
Related MCP Connectors
A comprehensive Model Context Protocol (MCP) server that enables AI assistants to interact with yo…
Query, join, profile, clean and convert CSV/JSON/Parquet with server-side DuckDB over MCP.
Hosted BigQuery MCP server for Claude, ChatGPT and Cursor, with each action switched per account.
Query your warehouse or a CSV with Claude/ChatGPT over MCP, governed by table-level ACL + audit.
Related MCP Servers
- -licenseNot gradedqualityNot gradedmaintenanceA Model Context Protocol server that analyzes customer cancellation survey data, enabling Claude AI integration through HTTP/SSE transport.-
- AlicenseAqualityNot gradedmaintenanceAn MCP server that enables AI assistants to load, query, and analyze local CSV files using tools for filtering, aggregation, and grouping. It provides capabilities to describe schemas, calculate statistics, and sample data directly from CSV files.6-
- FlicenseNot gradedqualityDmaintenanceA local MCP server for analyzing CSV files from your filesystem, particularly suited for chatbot conversation logs. Allows listing, reading, filtering, merging, and statistical analysis of CSV data via natural language.-
- FlicenseAqualityDmaintenanceAn MCP server for dataset exploration and analysis, enabling LLM clients to perform summary, correlation, distribution, missing value analysis, data cleaning, and statistical tests directly on CSV files.3-