绘制MCP
概述
Plot MCP是一个综合绘图系统，它使用大型语言模型（LLM）将Matplotlib与逻辑功能集成在一起。它允许用户通过自然语言请求生成高质量、可发布的绘图。该系统具有一个了解数据结构和绘图要求的智能后端，以及一个基于网络的交互式可视化前端。
特性
- 自然语言绘图：从简单的文本描述生成复杂的Python绘图代码。
- 智能数据解析：自动检测分隔符（CSV、TSV、空格分隔）并分析数据结构。
- 项目（原始样式）：每个项目都是一个文件夹，其中包含
project.json清单（数据集、绘图历史、UI状态）。 - 线程聊天会话：多个聊天线程，具有持久的消息历史记录和每个会话的绘图上下文。
- 出版质量（可选）：通过沙盒运行器为学术绘图启用一致的样式默认值。
- 交互式编辑：单击绘图元素（标题、轴标签）以使用自然语言对其进行编辑。
- 代码优先再现性：通过以下方式编辑绘图代码并确定地重新执行（无需LLM重写）
/execute_plot. - 画廊集成：浏览500多个Matplotlib官方示例，并根据您的数据进行调整。
- 本地执行：使用Ollama完全在本地运行，或连接到OpenAI或Gemini等云提供商。
- 灵活出口：下载具有自定义DPI设置的PNG、PDF或SVG格式的绘图。
- 安全执行：绘图代码在带有静态lint检查（无文件/网络访问）的沙盒子进程中运行。
- MCP服务器：将Plot MCP用作任何兼容MCP的LLM客户端的独立MCP服务器。
先决条件
- Python 3.9+（需要
ast.unparse) - Node.js和npm（用于前端）
- Ollama（提供当地法学硕士支持）
安装
- 克隆存储库。
- 安装Python依赖项：
python3 -m pip install -r requirements.txt- 安装前端依赖项：
cd frontend
npm install
cd ..用法
启动应用程序
- 启动后端服务器：
python3 backend/main.py后端在端口8000上运行。
- 启动前端接口：
cd frontend
npm start该应用程序可以在Vite-dev服务器URL上访问（通常 http://localhost:5173).
使用界面
- 创建项目：使用左侧边栏创建/选择项目。
- 添加数据：上传文件或将数据粘贴到项目中。
- 选择文件：选中一个或多个用作绘图上下文的文件。
- 描述情节：在聊天中要求一个图（例如，“a与B的散点图”）。
- 精炼：单击打印元素（标题/标签）请求编辑，或编辑代码并直接重新运行。
- 工具抽屉：使用绘图工具栏
Tools打开预览/加入/分析/图库。
环境配置
- 后端端口：set
PORT=8001跑步前python3 backend/main.py如果8000正在使用中。 - 前端API URL：set
VITE_API_URL（参见frontend/.env.example)指向后端。 - 端口自动释放：后端尝试使用以下命令终止所选端口上的进程
lsof或fuser在绑定之前。 - 沙盒内存：set
PLOT_EXEC_MEMORY_MB=1024实施内存上限；默认值为无限制。 - 沙盒风格：set
PLOT_ENFORCE_STYLE=1应用一致的样式默认值（字体/记号/刺）。 - 画廊提示接地（RAG）：set
PLOT_GALLERY_RAG_MODE=off禁用将最接近的Matplotlib库代码段注入LLM提示符（默认：启用）。 - 确定性模板：set
PLOT_TEMPLATE_MODE=on启用内置模板图（波浪等）作为可选回退（默认：禁用/LLM）。 - LLM超时：set
PLOT_LLM_TIMEOUT（秒）和可选PLOT_LLM_CONNECT_TIMEOUT用于提供者调用（默认值：60s/5s）。 - 项目目录：set
PROJECTS_DIR=/path/to/projects在repo之外存储项目。
快乐之路教程（端到端）
- 创建项目：在左侧边栏中，创建一个名为
My Experiment. - 上传文件：上传
data_a.csv和data_b.csv进入项目。 - 选择文件：在项目资源管理器中检查这两个文件。
- 打开工具→ 预览：检查文件预览和推断的数据类型。
- 打开工具→ Join：打印之前，请查看联接建议（共享列和警告）。
- 要求一个阴谋：请求示例：
Plot temperature from data_a vs pressure from data_b. - 迭代：单击绘图标题/标签，使用自然语言优化输出。
- 历史记录和撤消：使用缩略图或撤消/重做以重新访问早期的绘图。
- 下载：导出高分辨率图像（PNG/PDF/SVG）。
配置
系统使用 Ollama 随着 llama3 默认情况下，模型。要在低资源环境中使用轻量级模型，请执行以下操作：
- 拉动模型：
ollama pull qwen2:0.5b- 在运行后端之前设置环境变量：
export OLLAMA_MODEL=qwen2:0.5b
python3 backend/main.py看 doc/ 用于高级配置和模型上下文协议（MCP）集成的文件夹。
文档
- 建筑：参见
doc/ARCHITECTURE.md用于系统设计图。 - MCP集成：参见
doc/MCP_INTEGRATION.md用于连接到通用LLM客户端。 - 微型模型：参见
doc/TINY_LLM_SETUP.md用于与小型本地LLM一起运行。