Vizro-MCP
Vizro MCP是一家 模型上下文协议（MCP） 服务器，它与LLM一起工作，帮助您创建Vizro仪表板和图表。
要了解更多信息，请咨询 Vizro MCP文件.
设置Vizro MCP
Vizro MCP最好与Claude Desktop、Cursor或VS Code一起使用。然而，它可以与大多数支持配置MCP服务器使用的LLM产品一起使用。
💡 提示：为了获得最佳性能，我们建议使用claude-4-sonnet型号，或您选择的其他高性能型号。使用经常提供的auto设置可能会导致不一致或意外的结果。
我们的文档提供了单独的详细步骤 克劳德桌面版, 光标 和 VS Code.
基本配置
以下内容适用于熟悉MCP服务器设置并熟悉基本配置设置的人员。您必须下载并安装了要配置并用作MCP主机的LLM应用程序。
Quick setup for Vizro-MCP using uv
您必须先安装 紫外线.
接下来，打开终端窗口并键入 uv 以确认可用。要找到通往 uvx，键入以下内容：
which uv复制返回的路径，并将以下内容添加到用于为LLM应用程序配置MCP服务器的JSON文件中。一定要用上面返回的uv路径替换给定的占位符：
{
"mcpServers": {
"vizro-mcp": {
"command": "/placeholder-path/uvx",
"args": [
"vizro-mcp"
]
}
}
}快速安装
| 主持人 | 先决条件 | 链接 |
|---|
Quick setup for Vizro-MCP using Docker
您必须先安装 码头工人.
接下来，将以下内容添加到用于为LLM应用程序配置MCP服务器的JSON文件中。
{
"mcpServers": {
"vizro-mcp": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"mcp/vizro"
]
}
}
}在Docker中使用本地数据
使用以下扩展配置将一个或多个数据目录装载到容器中。替换 ` （文件夹语法）或 （文件语法），其中包含计算机上数据的绝对路径。为了保持一致性，我们建议 dst 路径匹配 src` 路径。
{
"mcpServers": {
"vizro-mcp": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"--mount",
"type=bind,src=,dst=",
"--mount",
"type=bind,src=,dst=",
"mcp/vizro"
]
}
}
}快速安装
| 主持人 | 先决条件 | 链接 | 备注 |
|---|
免责声明
透明度和信任
MCP服务器是一个相对较新的概念，重要的是要透明地了解这些工具的功能，这样用户就可以做出明智的选择。总体而言，Vizro MCP服务器只读取数据，从不写入、删除或修改计算机上的任何数据。
第三方API
用户对通过其主机LLM应用程序所做的任何事情负责。
用户有责任获得访问任何第三方生成人工智能工具所需的任何和所有权利，并遵守其中的任何适用条款或条件。
用户对第三方生成人工智能工具和Vizro的使用和安全负全部责任。
法律信息
User acknowledgments
用户承认并同意：
任何第三方生成人工智能工具（“GenAI工具”）生成的任何结果、选项、数据、建议、分析、代码或其他信息（“输出”）可能包含一些不准确、偏见、非法、潜在侵权或其他不恰当的内容，这些内容可能是错误的、歧视性的或误导性的。
麦肯锡公司：
（i） 明确否认任何输出的准确性、充分性、及时性、可靠性、适销性、特定目的的适用性、非侵权性、安全性或完整性，
（ii）对此类输出中的任何错误、遗漏或其他缺陷、延迟或中断，或依赖于此采取的任何行动不承担责任，以及
（iii）对于因用户使用GenAI工具和输出而导致的任何涉嫌侵犯或侵犯任何第三方权利的行为，概不负责。
输出应由用户验证和确认，在没有人为监督的情况下不得使用，也不得作为影响个人的决策的唯一依据。
用户仍然对输出的使用负全部责任，特别是，用户需要根据上下文和用例确定所需的人为监督程度，并向用户人员和其他受影响的用户告知GenAI输出的性质。用户还应对其决定、行为、Vizro和Vizro MCP的使用以及遵守适用的法律、规则和法规负全部责任，包括但不限于确认输出不侵犯任何第三方权利。
Warning and safety usage for generative AI models
Vizro MCP被生成式人工智能模型使用，因为大型语言模型（LLM）代表了人工智能领域的重大进步。然而，与任何强大的工具一样，连接到生成性人工智能模型也存在潜在的风险。
我们建议用户在使用Vizro MCP之前研究并了解所选型号。我们还建议用户在使用之前检查MCP服务器代码。
鼓励用户将人工智能生成的内容视为补充，始终运用人类判断，谨慎对待，查看相关免责声明页面，并考虑以下因素：
Hallucination and misrepresentation
Generative models can potentially generate information while appearing factual, being entirely fictitious or misleading.
供应商模型可能缺乏实时知识或上次更新后的事件。Vizro MCP输出可能会有所不同，您应该始终验证关键信息。用户有责任辨别生成内容的准确性、一致性和可靠性。
Unintended and sensitive output
The outputs from these models can be unexpected, inappropriate, or even harmful. Users as human in the loop is an essential part. Users must check and interpret the final output. It is necessary to approach the generated content with caution, especially when shared or applied in various contexts.
Data privacy
Your data is sent to model vendors if you connect to LLMs via their APIs. For example, if you connect to the model from OpenAI, your data will be sent to OpenAI via their API. Users should be cautious about sharing or inputting any personal or sensitive information.
Bias and fairness
Generative AI can exhibit biases present in their training data. Users need to be aware of and navigate potential biases in generated outputs and be cautious when interpreting the generated content.
Malicious use
These models can be exploited for various malicious activities. Users should be cautious about how and where they deploy and access such models.
It's crucial for users to remain informed, cautious, and ethical in their applications.
