定量研究员MCP服务器
MCP服务器实现，提供管理定量研究知识图的工具，实现研究项目、数据集、变量、假设、统计测试、模型和结果的结构化表示。该服务器帮助定量研究人员组织他们的数据，跟踪他们的分析，评估假设，并从数字数据中生成见解。
特性
- 持续的研究背景：维护多个分析会话中研究实体和关系的结构化知识图
- 学习会话管理：使用唯一ID跟踪研究分析会话，并记录随时间的进展
- 假设检验：跟踪假设、相关测试和得出的结论
- 数据集管理：组织和跟踪数据集中的描述性统计数据和变量
- 统计分析：记录统计测试、模型及其结果
- 变量关系：跟踪变量之间的相关性、预测和其他关系
- 研究问题跟踪：将数据分析与具体研究问题联系起来
- 数据可视化：根据数据集和结果创建的文档可视化
- 模型性能：监控统计模型性能指标
- 研究发现文件：将调查结果与支持性统计证据联系起来
- 研究方法文件：跟踪方法决策和方法
实体
定量研究员MCP服务器识别以下实体类型：
- 项目：总体研究
- 数据集：收集用于分析的数据
- 变量：数据集中的特定可测量属性
- 假设：正式可测试声明
- 统计学检验：应用于数据的分析方法
- 结果：统计分析结果
- analysis脚本：用于执行分析的代码
- 可视化：数据的可视化表示
- 模型：统计/数学模型
- 文学：学术来源
- 研究问题：指导研究的正式问题
- 发现：结果或结论
- 参与者：研究主题
- 状态：实体状态值（活动、已完成、待定、放弃）
- 优先级：优先级值（高、低）
关系
实体可以通过以下关系类型连接：
- 相关性_与：变量之间的统计相关性
- 预测：从自变量到因变量的预测关系
- 测试：统计检验检验假设
- 分析：对数据集进行分析
- 生产：分析产生结果
- 可视化：可视化显示数据或结果
- 包含：层次关系
- part_of：实体是另一个实体的一部分
- 依赖：依赖关系
- 支持：支持假设或发现的证据
- 与...矛盾：与假设或发现相矛盾的证据
- derive_from：实体来源于另一个实体
- 控件\_ for：混淆的变量/方法控制
- 温和派：变量调节关系
- 调解：变量调节关系
- 实现：脚本实现统计测试/模型
- 比较：组/变量之间的统计比较
- 包含：模型包括变量
- 验证：验证模型或结果
- 引用：参考文献
- has_status：将实体链接到其当前状态（活动、已完成、待定、放弃）
- has_priority：将实体与其优先级（高、低）联系起来
- 先于：表示一个流程或活动在序列中排在另一个之前
可用工具
定量研究人员MCP服务器提供了以下与研究知识互动的工具：
启动会话
启动一个新的定量研究会话，生成一个唯一的会话ID，并显示当前的研究项目、数据集、模型、可视化和以前的会话。通过has_status关系显示状态信息，通过has_priority关系显示优先级，并根据顺序流程关系标识下一步要处理的活动。
loadcontext
加载特定实体（项目、数据集、变量等）的详细上下文，根据实体类型显示相关信息。包括状态信息、优先级和顺序流程关系。
结束会议
通过结构化、多阶段的过程记录研究会议的结果：
- 总结：记录会议摘要、持续时间和项目重点
- 数据集更新：会议期间对数据集的文件更新
- 新分析：记录执行的新统计分析
- 新可视化：跟踪创建的新数据可视化
- 假设结果：记录假设检验的结果
- 模型更新：记录统计模型的更新
- 状态更新：记录实体状态值的更改
- 项目状态：更新总体项目状态、优先级分配和顺序关系
- 装配：所有会话数据的最终组装
构建上下文
在知识图中创建新的实体、关系或观察结果：
- 实体：添加新的研究实体（项目、数据集、变量、状态、优先级等）
- 关系：在实体之间创建关系（包括has_status、has_priority、before）
- 观察：向现有实体添加观察结果
删除上下文
从知识图中删除实体、关系或观察结果：
- 实体：删除研究实体
- 关系：删除实体之间的关系（包括状态、优先级和顺序关系）
- 观察：从实体中删除具体意见
高级上下文
从知识图中检索信息：
- 图：获取整个知识图谱
- 搜索：根据查询条件搜索节点
- 节点：按名称获取特定节点
- 相关的：查找相关实体
- 状态：查找具有特定状态值（活动、已完成、待定、放弃）的实体
- 优先级：查找具有特定优先级值（高、低）的实体
- 序列：确定研究过程的顺序关系
领域特定功能
定量研究人员MCP服务器包括用于定量研究的专业领域功能：
- getProjectOverview：项目的综合视图，包括研究问题、方法、数据集、变量
- getDatasetAnalysis：分析数据集内容，包括变量、描述性统计和数据质量
- 假设检验：审查假设检验及其结果
- 获取变量关系：检查变量之间的相关性、预测和其他关系
- 获取统计结果：总结统计分析结果
- 获取可视化图库：查看为数据集和结果创建的可视化
- getModel性能：评估统计模型的性能指标
- 获取研究问题结果：按研究问题组织分析和结果
- 变分分布：检查单个变量的分布和属性
- getStatus概述：查看具有特定状态（活动、已完成、待定、放弃）的所有实体
- 获取优先级项目：确定高优先级的研究任务和活动
- getResearchSequence：根据前置关系可视化研究过程的顺序
示例提示
开始会话
Let's start a new quantitative research session for my Climate Impact Study project.加载研究上下文
Load the context for the Climate Impact Study project so I can see the current state of my statistical analyses.录制会话结果
I've just finished analyzing data for my Climate Impact Study. I ran three new regression models to test the relationship between temperature and crop yield, created two visualizations of the correlation patterns, and confirmed our hypothesis about rainfall effects. I've marked the temperature analysis as complete and assigned high priority to the regional variation analysis. The model performance improved by 15% after controlling for regional variations.管理研究知识
Create a new variable called "Annual Precipitation" that's part of the "Climate Measures" dataset with observations noting it's normally distributed with a mean of 34.5 inches. Set its status to active and make it precede the "Crop Yield Analysis" process.Update the status of the "Data Cleaning" process to "completed" and add an observation that all outliers have been properly handled.用法
此MCP服务器使定量研究人员能够：
- 保持分析的连续性：跟踪多个研究会议的分析和结果
- 整理统计证据：将假设与支持性统计测试和结果联系起来
- 文档变量关系：记录变量如何相互关联、预测或影响
- 跟踪模型开发：记录统计模型的演变及其性能
- 支持结果解释：将统计结果与研究问题和理论框架联系起来
- 确保方法严谨：记录方法决定和分析方法
- 准备研究报告：整理统计证据以支持研究结果
- 跟踪研究进展：在整个研究生命周期中监控实体状态
- 优先考虑研究任务：确定并专注于高优先级的研究活动
- 序列研究过程：规划和可视化研究和分析步骤的逻辑顺序
配置
使用Claude Desktop
将此添加到您的 claude_desktop_config.json:
从GitHub安装并使用npx运行
{
"mcpServers": {
"quantitativeresearch": {
"command": "npx",
"args": [
"-y",
"github:tejpalvirk/quantitativeresearch"
]
}
}
}全局安装并直接运行
首先，全局安装该软件包：
npm install -g github:tejpalvirk/quantitativeresearch然后配置Claude Desktop：
{
"mcpServers": {
"quantitativeresearch": {
"command": "contextmanager-quantitativeresearch"
}
}
}码头工人
{
"mcpServers": {
"quantitativeresearch": {
"command": "docker",
"args": [
"run",
"--rm",
"-i",
"mcp/quantitativeresearch"
]
}
}
}建筑
来源
# Clone the repository
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager
# Install dependencies
npm install
# Build the server
npm run build
# Run the server
cd quantitativeresearch
node quantitativeresearch_index.jsDocker：
docker build -t mcp/quantitativeresearch -f quantitativeresearch/Dockerfile .许可证
此MCP服务器根据MIT许可证获得许可。这意味着您可以根据MIT许可证的条款和条件自由使用、修改和分发软件。有关更多详细信息，请参阅项目存储库中的LICENSE文件。
环境变量
定量研究MCP服务器支持以下环境变量来定制数据的存储位置：
- 内存文件路径：存储知识图数据的路径
- 可以是绝对的或相对的（相对路径使用当前工作目录） - 违约： ./quantitativeresearch/memory.json
- 会话文件路径：存储会话数据的路径
- 可以是绝对的或相对的（相对路径使用当前工作目录） - 违约： ./quantitativeresearch/sessions.json
示例用法：
# Store data in the current directory
MEMORY_FILE_PATH="./quantitative-memory.json" SESSIONS_FILE_PATH="./quantitative-sessions.json" npx github:tejpalvirk/contextmanager-quantitativeresearch
# Store data in a specific location (absolute path)
MEMORY_FILE_PATH="/path/to/data/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch
# Store data in user's home directory
MEMORY_FILE_PATH="$HOME/contextmanager/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch