🚀 使用Claude AI和MCP协议分析泰坦尼克号数据集
本项目聚焦于利用Claude AI和MCP协议对泰坦尼克号乘客数据集进行分析。详细阐述了项目的安装、配置及使用方法，助力用户深入挖掘数据价值。
🚀 快速开始
本项目旨在借助MCP（模型上下文协议）将泰坦尼克号数据集集成到Claude中，让Claude能够动态解答关于数据的复杂问题。我们提供了预处理的数据和特定功能，方便用户进行深入分析。
✨ 主要特性
- 利用Claude AI和MCP协议分析泰坦尼克号数据集。
- 提供预处理数据及特定功能，支持深入分析。
- 每次查询时服务器加载最新数据，Claude可直接处理预处理后的数据，支持自定义问题分析。
📦 安装指南
步骤1：克隆项目仓库
使用Git克隆此仓库到本地：
git clone https://github.com/yourusername/titanic-mcp.git
步骤2：安装依赖项
进入项目目录并安装所需的Python包：
pip install -r requirements.txt
步骤3：启动MCP服务器
运行以下命令以启动MCP服务器：
python server.py
💻 使用示例
基础用法
连接到Claude Desktop
- 打开Claude Desktop。
- 在设置菜单中选择“开发者”选项，然后编辑配置文件（
claude_desktop_config.json）。 - 添加以下内容以配置MCP服务器：
{ "mcpServers": { "TitanicServerMCP": { "command": "python", "args": ["path/to/titanic-mcp/server.py"] } } } - 保存配置文件并重启Claude Desktop。
使用资源和工具
- 资源：
titanic://passengers：完整的泰坦尼克号乘客数据集。titanic://statistics：预计算的生存率统计数据。
- 工具：
search_passenger：通过姓名搜索特定乘客的信息。
高级用法
以下是你可以使用Claude进行的一些典型查询：
- “显示泰坦尼克号上的幸存者统计信息。”
- “比较一等舱和三等舱乘客的生存率百分比。”
- “查找姓氏为‘Astor’的乘客信息。”
- “分析社会阶层与生存率之间的相关性。”
📚 详细文档
系统要求
- Python：需要安装最新版本的Python以运行MCP服务器。
- Claude Desktop：确保你已经安装了兼容版本的Claude桌面程序。
- 数据文件：提供泰坦尼克号乘客数据集（CSV格式）。
优缺点
优点
- 数据更新：每次查询时，服务器都会加载最新的数据。
- 结构化数据：Claude可以直接处理预处理后的数据。
- 动态分析：支持针对数据的自定义问题。
缺点
- 数据量限制：大型数据集可能超出Claude上下文窗口大小。
- 资源更新频率：资源仅在请求时加载。
可能的扩展
- 参数化资源：例如，
titanic://passengers/{class}。 - 高级分析工具：添加复杂的统计计算功能。
- 可视化支持：集成生成图表和图形的功能。
- 数据库连接：将数据源从CSV文件扩展到数据库。
- 预测模型：预加载机器学习模型以提供生存概率预测。
感谢使用本项目！如需更多信息，请访问我们的GitHub仓库或联系维护人员。