aigroup-econ-mcp 0.1.1

专业计量经济学MCP工具 - 让大模型直接进行数据分析

AIGroup 计量经济学 MCP 工具

专业计量经济学MCP工具 - 让大模型直接进行数据分析

功能特性

• 📊 描述性统计分析 - 自动计算均值、方差、偏度、峰度等统计量
• 📈 回归分析 - OLS回归、逐步回归、模型诊断
• 🧪 假设检验 - t检验、F检验、卡方检验、ADF检验
• ⏰ 时间序列分析 - 平稳性检验、ARIMA模型、预测
• 🔄 结构化输出 - 完整的Pydantic模型支持
• 🎯 上下文管理 - 进度报告、日志记录、错误处理

快速开始

使用uvx安装运行（推荐）

# 一键安装和运行
uvx aigroup-econ-mcp

# 指定端口运行
uvx aigroup-econ-mcp --port 8080 --debug

# 使用不同的传输协议
uvx aigroup-econ-mcp --transport streamable-http --host 0.0.0.0 --port 8000

本地开发

# 克隆项目
git clone https://github.com/aigroup/aigroup-econ-mcp
cd aigroup-econ-mcp

# 开发模式运行
uv run aigroup-econ-mcp --port 8000 --debug

# 或使用uvx
uvx -p . aigroup-econ-mcp

与Claude Desktop集成

在Claude Desktop的配置文件中添加：

{
  "mcpServers": {
    "aigroup-econ-mcp": {
      "command": "uvx",
      "args": ["aigroup-econ-mcp", "--transport", "stdio"]
    }
  }
}

使用示例

描述性统计分析

# 计算基础统计量
result = await descriptive_statistics({
    "GDP": [100, 110, 120, 115, 125],
    "Inflation": [2.1, 2.3, 1.9, 2.4, 2.0]
})

OLS回归分析

# 回归分析
result = await ols_regression(
    y_data=[100, 110, 120, 115, 125],
    x_data=[[2.1, 4.5], [2.3, 4.2], [1.9, 4.0], [2.4, 4.3], [2.0, 4.1]],
    feature_names=["inflation", "unemployment"]
)

假设检验

# 假设检验
result = await hypothesis_testing(
    data1=[100, 110, 120, 115, 125],
    data2=[95, 105, 115, 120, 130],
    test_type="t_test"
)

时间序列分析

# 时间序列分析
result = await time_series_analysis([100, 110, 120, 115, 125, 130, 128, 135])

可用资源

示例数据集

resource://dataset/sample/economic_growth
resource://dataset/sample/stock_returns
resource://dataset/sample/time_series

提示模板

prompt://economic_analysis?data_description=...&analysis_type=descriptive

项目结构

aigroup-econ-mcp/
├── src/aigroup_econ_mcp/
│   ├── __init__.py              # 包初始化
│   ├── server.py                # MCP服务器核心
│   ├── cli.py                   # 命令行入口
│   └── tools/
│       ├── __init__.py
│       ├── statistics.py        # 统计分析工具
│       ├── regression.py        # 回归分析工具
│       └── time_series.py       # 时间序列工具
├── pyproject.toml               # 项目配置
├── README.md
└── examples/

依赖要求

• Python 3.8+
• pandas >= 1.5.0
• numpy >= 1.21.0
• statsmodels >= 0.13.0
• scipy >= 1.7.0
• matplotlib >= 3.5.0
• mcp >= 1.0.0

开发

环境设置

# 安装开发依赖
uv add --dev pytest pytest-asyncio black isort mypy ruff

# 运行测试
uv run pytest

# 代码格式化
uv run black src/
uv run isort src/

# 类型检查
uv run mypy src/

# 代码检查
uv run ruff check src/

构建和发布

# 构建包
uv build

# 发布到PyPI
uv publish

许可证

MIT License

贡献

欢迎贡献代码！请查看贡献指南了解详情。

支持

如有问题或建议，请通过GitHub Issues联系我们。

致谢

感谢Model Context Protocol (MCP)社区提供的优秀工具和文档。