Skip to main content
Glama
Claude MCP Data Explorer

Claude MCP Data Explorer

by tofunori

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

Related MCP server: mcp-csv-analyst

Instalación (actualizada para Windows)

  1. Clonar este repositorio

    git clone https://github.com/tofunori/claude-mcp-data-explorer.git
    cd claude-mcp-data-explorer
  2. Instalar dependencias

    npm install
  3. Crear y ejecutar el script de configuración

    npm run setup

    Esto hará lo siguiente:

    • Construya el código TypeScript en JavaScript

    • Configurar Claude Desktop para utilizar el JavaScript compilado

    • Crear directorios necesarios

  4. 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 start

El 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:

  1. load-csv : carga datos CSV en la memoria para su análisis

  2. 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

  1. Iniciar Claude Desktop

  2. Seleccione la plantilla de solicitud "Explorar datos"

    • Este mensaje aparecerá en Claude Desktop después de la configuración

  3. Ingrese la ruta del archivo CSV y el tema de exploración

    • Ruta de archivo de ejemplo: C:/Users/YourName/Documents/data.csv

    • Tema de ejemplo: "Tendencias de ventas por región"

  4. 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

  1. Claude no muestra el servidor MCP

    • Verifique el archivo de configuración en %APPDATA%\Claude\claude_desktop_config.json

    • Debe apuntar al archivo JavaScript compilado en el directorio dist

    • Intente reconstruir el proyecto con npm run build

    • Habilite 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

  2. 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 ( \\ )

  3. 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 tools
load-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

    B3/5.0

    Scored across 2 tools

    Disambiguation5/5

    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.

    Naming Consistency4/5

    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.

    Tool Count2/5

    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.

    Completeness2/5

    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

    ActivityInactive
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      Not graded
      maintenance
      An 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
      -
    • F
      license
      Not graded
      quality
      D
      maintenance
      A 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.
      -
    • F
      license
      A
      quality
      D
      maintenance
      An 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
      -