MCP因果推理服务器
基于Python的MCP服务器，对合成客户支出数据进行因果推理分析。使用DoWhy进行因果效应估计，使用FastMCP暴露因果工具。使用程序注册数据中的治疗和结果变量进行交互式因果分析。
此存储库包含一个Python MCP服务器(server.py)它对合成的客户支出数据进行因果推理分析。
该项目使用FastMCP框架来揭示因果分析工具，并使用DoWhy等方法来估计因果效应，如倾向评分匹配和线性回归。
特性
- 模拟程序注册前后用户支出的合成数据集
- 因果图建模治疗效果和混杂因素
- 用于估计因果效应和查询变量关系的MCP工具
- 易于扩展，适用于自定义因果推理工作流
设置
- 创建一个Python虚拟环境并激活它：
“灰烬” python-m venv-venv Windows上的源venv/bin/activate#或venv\\Scripts\\activate
- python-m venv-venv
源venv/bin/activate#macOS/Linux venv\\Scripts\\activate#Windows
- python服务器.py
数据集变量示例
| 变量 | 描述 |
|---|---|
treatment | 用户是否已注册该程序 |
pre_spends | 治疗月前支出 |
post_spends | 治疗后一个月的支出 |
signup_month | 用户注册的月份 |
Z | 因果图中使用的混淆 |
##
💡 项目目的
此服务器演示了基于语言的工具界面如何使用自然语言界面支持因果分析工作流。该设置对于需要可解释因果推理的研究人员、数据科学家或机器学习系统非常有用。
可用工具
@mcp.tool（）获取病因估计（治疗、结果） 使用后门方法估计因果关系。
@mcp.tool（）查询关系（治疗、结果） 检查是否可以使用后门/前门/IV识别因果关系。
@mcp.tool（）获取变量描述（） 返回可用数据集变量的描述。