MCP Analytics

社区

在您的 AI 聊天中内置的统计分析师——提供数据和问题，即可获得可引用、可重新运行的分析。

分类: 其他第 124 / 230
Stars: ★ 8 热门
传输方式: stdio（本地进程） · Streamable HTTP
运行环境: Node.js 18+ · 远程托管（无需本地环境）
凭据: 需要 API Key / 凭据
许可证: MIT
最近提交: 9 天前
工具数: 18

53FMRS · D

MCP Analytics 通过提供可引用、可重现且方法验证的统计报告，拓宽了 AI 助手在数据分析中的能力。其分层计算模型（从免费快照到深入的 Deck 研究）谨慎地仅在成功时收费。它提供多种传输方式、用于发现的无授权模式以及可浏览的工具库，因此易于上手。主要注意点：商业性质、云处理（不适用于敏感数据），以及它作为第三方服务并非官方。

最强项 · 安装易用性 13/20 最弱项 · 可靠性 8/20

可靠性

8/20

安全与权限

12/20

维护活跃度

8/20

文档质量

12/20

安装易用性

13/20

查看各项评分依据

可靠性 8/20: 该仓库自述为'公共列表与文档仓库'，API 服务端代码不在源码内，静态审查无法验证工具行为与声明一致，也没有提交的测试或 CI 证据；工具依赖远程云端构建（30–45 分钟队列），失败路径与错误诊断基本依赖服务端，本地不可控。给 8 分：快速路径（工具发现端点）有可复制的 curl 示例，但核心行为不可静态核实。
安全与权限 12/20: 凭据支持 OAuth2/PKCE 与 API key 两种方式，传输为 HTTPS，声明隔离容器与加密。未发现红线（无恶意代码、无令牌泄露、危险操作均经计费确认）。扣分点：服务端闭源，数据流实际进入第三方云处理，README 声称'无数据留存'与商业服务本质存在需信任的间隙；数据删除、留存策略仅有承诺无证据。
维护活跃度 8/20: 版本号 1.0.7、开放 issue（6 个）、MIT 许可（但仓库版权页声明 All Rights Reserved，与 MIT 标记相互矛盾）、有支持邮箱与安全文档链接。无可见发布节奏、依赖更新或安全响应流程证据，属于活跃但治理与版本证据不足，给 8 分。
文档质量 12/20: 文档分层良好：快速开始、按客户端（Claude/Cursor/Windsurf/Claude Code）配置示例、工具目录、tiers 定价说明、故障排查清单、匿名发现端点示例。扣分：工具参数 schema 未在仓库内列出（需在线查询）、'无数据留存'等关键声明无审查性证据、性能描述含糊（'Handles large datasets'）。
安装易用性 13/20: 安装路径非常清晰：npx 一行配置、HTTP 直连、OAuth 零配置三种方式，均附完整 JSON 配置示例，且有无需账号的工具浏览方式。但 15 分上限内未提供仓库内 CI+测试的执行证据，且 npm 包内容不可静态验证，给 13 分。

静态评测 · 未实际运行收录于 2026-09-08

查看 FMRS 评分方法 →

选型与风险

能访问什么执行命令或代码访问网络

适合谁

希望通过 AI 聊天界面获得严谨统计分析的商业分析师和数据科学爱好者。
需要可引用、可重现、带方法说明的分析用于论文、演示或合规汇报的用户。
希望拥有分析模块并能在新鲜数据上重复运行、无需重复付费的团队。
已在使用 Claude Desktop、Cursor、Windsurf 等 MCP 客户端并希望直接在工作流中分析数据的用户。

不适合谁

需要免费或开源解决方案的用户（该服务是商业软件，基于积分）。
仅需简单 SQL 查询或文件系统操作的用户（这些有更专业且免费的 MCP 服务器）。
希望完全本地处理数据、避免任何云端的用户（数据会发送至 API 进行处理）。
需要非常大规模数据处理或非统计性自定义编码的用户（平台专注于统计方法）。

所需权限

工具可读取上传的 CSV 或从已连接源（GA4、GSC）获取数据。
运行分析涉及调用远程云 API；需要网络访问。
通过 OAuth2（Auth0）或 API 密钥验证用户身份。
账单工具可在此 API 内影响积分使用（不对外部支付）。
如果支持，可能创建或更新远程连接器数据。

风险与副作用

由于数据在云中处理，存在数据泄露风险，即使有加密和临时处理，也应避免上传敏感信息。
商业服务依赖积分；构建失败时不扣费，但持续使用需要付费。
作为非官方服务器，其可能存在限流或服务中断。
在不了解其方法论的情况下过度依赖 AI 生成的分析，可能存在来自未验证工具的细微错误；但平台声称有验证机制。

安装接入

准备工作

运行环境：Node.js 18+ · 远程托管（无需本地环境）

MCP_ANALYTICS_API_KEY 必填密钥 MCP Analytics 的 API 密钥，以 mcp_ 开头，可在 account.mcpanalytics.ai 的账户设置中获取。

在 account.mcpanalytics.ai 注册并获取 API 密钥（以 mcp_ 开头）。您将获得 500 个欢迎积分，无需信用卡。
在您的 MCP 客户端（Claude Desktop、Cursor、Windsurf 等）中添加 mcpServers 配置。
或者，使用流式 HTTP 传输，通过 URL + API 密钥或 OAuth2 连接。
重启客户端，开始提问。

claude_desktop_config.json

{
  "mcpServers": {
    "mcpanalytics": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "mcpanalytics": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add mcpanalytics -e MCP_ANALYTICS_API_KEY=mcp_your_key_here -- npx -y @mcp-analytics/mcp-analytics

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

重启 MCP 客户端后，在工具列表中应能看到 create_analysis、discover_tools、datasets_upload 等工具；也可运行 npx -y @mcp-analytics/mcp-analytics 检查是否输出连接成功信息。

常见排障

确保您的配置文件为有效的 JSON。
完全重启 MCP 客户端。
验证您的 API 密钥以 mcp_ 开头。
检查开发控制台是否有错误。
在终端手动运行 npx 命令以查看错误（应输出“Connected to ...”）。
如需帮助，请联系 [email protected]。

试试这样问

连接成功后，可以直接对 AI 助手这样说：

上传 sales.csv 并分析哪些因素驱动收入增长
为这份数据 commission 一个 Deck 级别的客户流失分析
用 GA4 连接器的最新数据重新运行我的预测分析
我该用什么统计方法来检验这份调查数据？

工具能力 18

create_analysis 写入

根据您用自然语言提出的问题，按您选择的层级（快照、JSON、简报或完整报告）委托创建新的分析。

build_status 只读

跟踪构建进度：阶段进度、队列位置以及完成后的报告链接。

run_analysis 写入

在最新数据上运行您拥有的分析（或通过 discover_tools 发现的分析）。

modify_analysis 写入

将现有分析修改为新版本——重新表述问题或更改框架。

discover_tools 只读

浏览可运行的内容：您委托的分析及预构建库。

tools_schema 只读

获取分析的参数模式——运行前应始终调用此工具。

datasets_upload 写入

安全上传 CSV 数据（加密处理）。

datasets_list 只读

列出并搜索您上传的数据集。

展开其余 10 个工具

connectors_list 只读

列出可用的数据源连接（如 GA4、GSC）。

connectors_query 只读

从已连接的源拉取实时数据。

reports_view 只读

获取报告的可分享浏览器链接。

reports_list 只读

您的报告库——所有已交付的分析，支持自然语言搜索。

report_cards 只读

浏览已交付报告中的各个卡片（图表、表格、洞察）。

ask_library 只读

向所有已交付的分析提问，获取综合答案并附原文引用。

agent_advisor 只读

AI 帮助台——帮助匹配分析类型并解读结果。

billing 只读

查看使用量和积分管理。

account_link 只读

获取指向账户页面的链接，处理聊天中无法完成的操作。

about 只读

平台文档和信息（运作方式、层级、用法）。

使用场景

上传 CSV 并提问（如“广告支出是否推动销售？”）并获得统计答案。

对客户数据进行细分（聚类）或预测客户流失。

对时间序列数据进行下季度销售预测。

对调查数据执行假设检验或回归分析。

在团队或论文中分享可引用、可重现的报告（APA/MLA/BibTeX 引文）。

支持客户端

Claude Desktop

Cursor

Windsurf

Claude Code

依据项目文档列出，未经本站实测。

详细介绍

MCP Analytics 是 AI 聊天中的统计分析师。您提交数据（CSV 或实时连接器）并提问，一个由专业代理组成的团队会针对您的数据构建定制分析、验证方法，并返回一份可引用、可交互的报告。分析归您所有——它存放在您的私人库中，可以以更低成本在最新数据上重新运行，并可从 Claude、Cursor 或任何 MCP 客户端查询。支持多个深度层级，从即时快照分析到全面的数据报告（Deck），涵盖 t 检验、回归、聚类、时间序列等预构建模块。该平台优先考虑严谨的统计方法，而非花哨的图表。