mcpanalyst (Animaesh)

MCP数据服务

提供方 animaesh

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude DesktopClaude
查看接入方式

MCP性能分析服务器是一款为信用卡和抵押贷款组合提供灵活性能分析的综合性服务器,支持生命周期分析、日历趋势和当前性能快照等功能。

一句话选型结论

按资料字段整理

mcpanalyst (Animaesh) 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude Desktop、Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 3 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量3暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

金融分析Python本地部署性能监控数据分析SQL查询DuckDB

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uv run python tests\test_performance_analytics.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 3 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 3 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
mcpanalyst (Animaesh)当前 3 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方animaesh上游标注的维护方 animaesh
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

6.3 KB
来自项目仓库与上游目录的原文,未做删改

MCP性能分析服务器

一个全面的模型上下文协议(MCP)服务器,为信用卡和抵押贷款组合提供灵活的性能分析。

🎯 概述

该项目实现了 统一性能分析服务器 有3个专门的工具,为金融产品提供复古分析、日历趋势和当前性能快照。使用DuckDB构建,用于对Parquet文件进行快速SQL查询。

✨ 特性

  • 3专用工具

  • get_vintage_performance() -基于MOB的生命周期分析

  • get_calendar_performance_trends() -日历月趋势
  • get_current_cohort_snapshot() -最新性能仪表板

  • 6综合指标

  • 核销率(每个未结账户)

  • 拖欠率(30+DPD)
  • 平均余额
  • 关闭率(每个未结账户)
  • 提前还款率(仅抵押贷款)
  • 信用卡使用率(仅限卡)

  • 灵活的分析维度

  • 时间:MOB与日历月

  • 度量基础:单位vs美元
  • 累计:期间与累计
  • 比较:细分市场、复古季或两者兼而有之

🚀 快速开始

先决条件

  • Python 3.10+
  • uv 包管理器
  • VS代码(可选,用于开发)

安装```bash

Clone the repository

git clone
cd mcp-analyst

Install dependencies (automatically handled by uv)

uv pip install fastmcp duckdb pandas pyarrow numpy


### 运行测试```bash
# Run comprehensive test suite
cd "D:\October 2025\mcp\Code Examples\mcp-analyst"
uv run python tests\test_performance_analytics.py

# Run serialization validation test
uv run python tests\test_serialization.py

添加到Claude桌面

将此添加到您的 claude_desktop_config.json:```json
{
"mcpServers": {
"performance-analytics": {
"command": "uv",
"args": [
"--directory",
"D:\October 2025\mcp\Code Examples\mcp-analyst",
"run",
"python",
"servers/performance_analytics_server.py"
]
}
}
}


然后重新启动Claude Desktop。

## 📊 使用示例

### 示例1:复古性能分析```python
# Create cohort and analyze MOB-based writeoff rates
get_vintage_performance(
cohort_id="cohort_cmp_20251207",
product_type="card",
metric="writeoff_rate_per_open",
metric_basis="units",
cumulative=True,
comparison_dimension="segment"
)

示例2:日历趋势```python

Track delinquency rates across calendar months

get_calendar_performance_trends(
cohort_id="cohort_cmp_20251207",
product_type="card",
metric="delinquency_rate",
metric_basis="units",
comparison_dimension="segment"
)


### 示例3:当前仪表板```python
# Get latest performance snapshot across all metrics
get_current_cohort_snapshot(
cohort_id="cohort_cmp_20251207",
product_type="card",
comparison_dimension="segment"
)

🏗️ 建筑

统一服务器设计

单个服务器处理两种产品(卡和抵押贷款),无需重复工具:

  • product_type 参数路由到正确的数据文件
  • 度量注册表集中了所有定义
  • 基于参数的动态SQL生成

DuckDB优化

  • 使用即时JOIN直接查询Parquet文件
  • 不需要中间非标准化数据集
  • 大型队列的查询时间低于1000毫秒
  • 累积指标的高效窗口功能

文件夹结构```

mcp-analyst/
├── servers/
│ ├── performance_analytics_server.py # Main analytics server
│ ├── client_cohort_server.py # Cohort management
│ ├── card_origination_server.py
│ ├── mortgage_origination_server.py
│ └── ... (other servers)
├── tests/
│ ├── test_performance_analytics.py # Comprehensive test suite
│ ├── test_serialization.py # JSON serialization validation
│ └── ... (other tests)
├── docs/
│ ├── TEST_RESULTS_SUMMARY.md
│ ├── PERFORMANCE_TOOL_DESIGN.md
│ ├── SERIALIZATION_BUG_FIX.md
│ ├── QUICK_REFERENCE.md
│ └── ... (other documentation)
└── data/
├── card_performance_snapshots.parquet
├── mortgage_performance_snapshots.parquet
└── ... (data files)


## 🧪 测试覆盖率

**成功率:** 100%(8/8测试通过)\
**执行时间:** 约2秒

### 测试类别

- ✅ 指标注册表(6个指标)
- ✅ 参数验证(12种组合)
- ✅ 工具1:复古表演(卡片-8个场景)
- ✅ 工具1:复古表现(抵押贷款-3种情况)
- ✅ 工具2:日历趋势(卡片-2个场景)
- ✅ 工具2:日历趋势(抵押贷款-3种情况)
- ✅ 工具3:当前快照(卡-2种情况)
- ✅ 工具3:当前快照(抵押贷款-1场景)

## 📈 性能指标

|分析类型|查询时间|数据量|结果|
|--------------|------------|-------------|---------|
|复古性能(卡片)|50-84ms |48000张快照|✅ |
|复古性能(抵押贷款)|~80ms|3924张快照|✅ |
|日历趋势|32-50ms|每月汇总|✅ |
|当前快照|72-109ms|最新日期多指标|✅ |

**平均查询时间:** 约82毫秒

## 🛠️ 发展

### 关键技术

- **FastMCP** -MCP服务器框架
- **DuckDB** -高性能SQL引擎
- **熊猫** -数据操纵
- **PyArrow** -拼花文件处理
- **数值Python** -数值运算

### 运行开发服务器```bash
cd "D:\October 2025\mcp\Code Examples\mcp-analyst\servers"
fastmcp dev performance_analytics_server.py

添加新指标

  1. 将度量定义添加到 METRIC_DEFINITIONS 在 performance_analytics_server.py
  2. 指定周期/累计和单位/美元的计算SQL
  3. 添加产品兼容性
  4. 在中创建测试用例 test_performance_analytics.py

📚 文档

  • 快速参考 -使用指南和示例
  • 性能工具设计 -架构和设计决策
  • 测试结果总结 -全面的测试文档
  • 序列化错误修复 -JSON序列化解决方案
  • DuckDB优化 -性能优化详细信息

🐛 已知问题和解决方案

JSON序列化(已修复✅)

问题: 在Claude Desktop中导致序列化错误的Numpy类型\
解决方案: 在所有工具中显式转换为原生Python类型\
状态: 已修复并通过序列化测试进行了验证

🤝 贡献

这是一个用于投资组合分析的个人项目。如有疑问或建议,请联系存储库所有者。

📝 许可证

[在此处添加您的许可证]

🙏 致谢

  • 采用FastMCP框架构建
  • 用于高性能分析的DuckDB
  • 模型上下文协议(MCP)规范

📞 联系

[在此处添加您的联系信息]


状态: ✅ 生产就绪\
最后更新时间: 2025年12月7日\
版本: 1.0.0

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
mcpanalyst (Animaesh) 怎么安装?

在客户端按下面的安装命令接入:uv run python tests\test_performance_analytics.py。装完在客户端配置里引用同一个包或端点。

mcpanalyst (Animaesh) 怎么在 Claude Desktop、Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

mcpanalyst (Animaesh) 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

mcpanalyst (Animaesh) 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

mcpanalyst (Animaesh) 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

mcpanalyst (Animaesh) 能提供哪些能力?

资料显示约 3 个工具;能力标签包括 金融数据、数据分析、Python、Claude、性能监控。具体工具清单以官方文档为准。

mcpanalyst (Animaesh) 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

mcpanalyst (Animaesh) 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。