设计你的数据
一个专门设计的模型上下文协议（MCP）服务器 数据工程师 并且 商业智能专业人士利用无需依赖互联网即可本地运行的AI辅助数据工程技术，转变您的数据管道和商业智能（BI）工作流程。
为何要对数据进行工程化处理？
专为数据工程团队和需要以下功能的商业智能（BI）分析师打造：
- 管道开发 - 构建并测试ETL/ELT转换
- 数据质量保证 - 分析数据源并验证其有效性
- 商业智能 - 创建分析模型和仪表板可视化
- 本地控制 - 在本地保存敏感数据，不依赖于云
🚀 快速入门
初次接触“工程师式数据管理”？ 从以下5个基本操作开始：
- 检查数据质量:
"Generate a data quality report for my sales.csv file" - 查找问题：
"Check for null values in the customer_data.csv" - 转换数据：
"Filter the orders.csv for rows where status is 'completed'" - 可视化：
"Create a bar chart showing sales by region from revenue.csv" - 总结：
"Give me a statistical summary of the dataset"
这些涵盖了80%的日常数据工程任务。请查看下方以了解全部功能！
核心能力
🚀 表情符号“🚀”在中文中通常被翻译为“火箭”或直接保留原样作为表情使用，不直接对应具体的中文词汇，但在此处可意译为“火箭发射”或“飞速前进”等，具体根据上下文而定。 文件操作：
read_file- 从本地文件系统读取数据文件write_file- 将处理后的数据写入文件list_files- 浏览并发现数据文件file_info- 获取数据文件的元数据
📊（表格/数据图表） 数据验证与质量：
validate_schema- 根据预期模式验证数据check_nulls- 分析空值和缺失数据模式data_quality_report- 全面的数据质量评估detect_duplicates- 查找可配置匹配规则下的重复记录
🔄 旋转或循环（符号本身无直接中文对应，根据上下文可理解为“旋转”或“循环”等含义） 数据转换：
filter_data- 根据条件过滤数据集aggregate_data- 使用统计函数对数据进行分组和汇总join_data- 使用灵活的连接类型将多个数据集合并pivot_data- 将数据从长格式转换为宽格式clean_data- 清理和标准化数据值
📈 表示“上扬趋势”或“上升趋势”的图表符号。 可视化与分析:
create_chart- 生成柱状图、饼图、折线图、散点图、直方图、箱线图和热力图data_summary- 创建包含统计数据的全面数据集摘要export_visualization- 导出图表和数据为JSON、CSV、HTML、Markdown格式
🌐（表示互联网或网络的符号） API集成：
fetch_api_data- 从REST API检索数据monitor_api- 监控API端点的健康状况和性能batch_api_calls高效执行多个API调用api_auth管理API认证
🔧（扳手，常用于表示修理或技术相关的工具或动作） 公用设施/公共事业：
chain_tools- 依次执行多个工具analyze_schema- 分析并理解数据模式
数据团队快速入门指南
安装
# Option 1: Install from PyPI (recommended)
pip install engineer-your-data
# Option 2: Install from source
git clone https://github.com/eghuzefa/engineer-your-data-mcp.git
cd engineer-your-data-mcp
pip install -e .为您的数据环境进行配置
对于PyPI安装： 添加到您的Claude桌面配置中（claude_desktop_config.json)：
{
"mcpServers": {
"engineer-your-data": {
"command": "python",
"args": ["-m", "src.server"],
"env": {
"WORKSPACE_PATH": "/path/to/your/data/workspace"
}
}
}
}对于源代码安装： 添加到您的Claude桌面配置中（claude_desktop_config.json)：
{
"mcpServers": {
"engineer-your-data": {
"command": "python",
"args": ["/path/to/engineer-your-data-mcp/src/server.py"],
"env": {
"WORKSPACE_PATH": "/path/to/your/data/workspace"
}
}
}
}数据工程示例
数据质量分析：
"Check the customer data for null values and duplicates"
"Generate a comprehensive data quality report for the sales dataset"
"Validate this CSV file against our customer schema"数据转换：
"Filter the orders data for customers in the US region"
"Aggregate sales data by month and calculate total revenue"
"Join customer data with order data on customer_id"
"Pivot the sales data to show products as columns"可视化与报告：
"Create a bar chart showing revenue by department"
"Generate a summary of the dataset with key statistics"
"Export the sales analysis as an HTML report"API数据集成：
"Fetch customer data from the CRM API"
"Monitor the data pipeline API for health status"
"Authenticate with the analytics API using OAuth"数据团队的架构
Claude Desktop → MCP Protocol → Engineer Your Data → Local Python Environment
↓
pandas + numpy + requests + matplotlib
↓
Local Files + APIs + Data Sources测试与质量
- 161项综合测试 100%通过率
- 支持异步/await 用于高性能操作
- 错误处理 带有详细的日志记录和调试功能
- 类型安全 带有适当的模式验证
# Run all tests
python -m pytest
# Run with coverage
python -m pytest --cov=src
# Run specific tool tests
python -m pytest tests/tools/test_visualization.py可用工具（共17个）
文件操作（4种工具）
| 工具 | 描述 |
|---|---|
read_file | 读取并解析数据文件（CSV、JSON 等） |
write_file | 使用格式选项将数据写入文件 |
list_files | 目录浏览和文件发现 |
file_info | 文件元数据和基本统计信息 |
数据验证（4种工具）
| 工具 | 描述 |
|---|---|
validate_schema | 使用自定义规则进行模式验证 |
check_nulls | 空值分析及模式 |
data_quality_report | 综合质量评估 |
detect_duplicates | 基于灵活匹配的重复检测 |
数据转换（5种工具）
| 工具 | 描述 |
|---|---|
filter_data | 带条件的高级筛选 |
aggregate_data | 分组与统计汇总 |
join_data | 多数据集连接（内连接、外连接、左连接、右连接） |
pivot_data 数据重塑和转置 | |
clean_data 数据清洗和标准化 |
可视化（3种工具）
| 工具 | 描述 |
|---|---|
create_chart | 7种图表类型，支持自定义 |
data_summary | 统计汇总与见解 |
export_visualization | 多格式导出功能 |
API集成（4种工具）
| 工具 | 描述 | |
|---|---|---|
| ------ | ------------- | fetch_api_data |
REST API数据检索 monitor_api | ||
API健康监测 batch_api_calls | ||
高效的大批量API操作 api_auth |
| 认证管理 |
- 数据工程最佳实践 沙盒执行
- - 安全的测试环境以进行转换测试 本地数据控制
- - 在您的基础设施上保存敏感数据 全面测试
- - 所有工具均经过彻底测试和验证 企业安全
- 核心功能无需调用外部API 性能优化
- 异步操作和高效数据处理
与您的技术栈集成
- 与以下功能无缝协作： dbt（在中文语境下，通常直接保留原英文缩写，不直接翻译，但若需解释其含义，可表述为“数据转换工具”或根据具体上下文翻译为相应的中文术语）
- - 用于复杂转换逻辑的开发 Airflow/Prefect（可译为“Airflow/Prefect（工具/系统）”，具体根据上下文选择是否保留原名或进行意译）
- - 集成到现有工作流编排中 Jupyter/Notebooks（通常翻译为“Jupyter 笔记本”或“Jupyter 笔记本系统”）
- - 对数据转换进行原型设计和迭代 商业智能工具（BI Tools）
- - 为Tableau、Power BI等生成数据和可视化图表。 应用程序编程接口（APIs）
- 与REST API和微服务集成
贡献
欢迎数据工程师和商业智能（BI）专业人士加入！请阅读我们的贡献指南，并提交包含新数据连接器、转换功能或BI功能的拉取请求（PRs）。
MCP 注册表 这个服务器在官方上可用模型上下文协议注册表
。
许可证