aigroup-econ-mcp 0.3.1

专业计量经济学MCP工具 - 让大模型直接进行数据分析

aigroup-econ-mcp - 专业计量经济学MCP工具

🎯 专为Roo-Code设计的计量经济学MCP服务 - 提供统计分析、回归建模、时间序列分析，无需复杂环境配置

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（Roo-Code用户）

一键启动MCP服务

# 使用uvx快速启动（推荐，无需安装）
uvx aigroup-econ-mcp

就这么简单！ MCP服务会自动：

✅ 下载最新版本 ✅ 配置轻量级依赖（仅~50MB） ✅ 启动并连接到Roo-Code ✅ 提供5个专业计量经济学工具

配置Roo-Code

如果需要手动配置RooCode的MCP服务，请在RooCode的设置中添加以下配置：

{
  "mcpServers": {
    "aigroup-econ-mcp": {
      "command": "uvx",
      "args": [
        "aigroup-econ-mcp"
      ],
      "env": {},
      "alwaysAllow": [
        "descriptive_statistics",
        "ols_regression",
        "hypothesis_testing",
        "time_series_analysis",
        "correlation_analysis"
      ]
    }
  }
}

配置说明：

• command: 使用uvx运行，无需本地安装
• args: 启动参数
• alwaysAllow: 允许访问的工具列表
• env: 环境变量（可留空）

配置完成后，RooCode将自动连接到aigroup-econ-mcp服务，您可以直接使用以下工具：

工具	功能	用途
descriptive_statistics	描述性统计分析	加载数据并自动计算统计量
ols_regression	OLS回归分析	回归建模和模型诊断
hypothesis_testing	假设检验	t检验、F检验、卡方检验、ADF检验
time_series_analysis	时间序列分析	平稳性检验、ARIMA模型、预测
correlation_analysis	相关性分析	变量间相关性分析和可视化

📦 安装方式

方式1：uvx（推荐，无需安装）

# 直接运行最新版本
uvx aigroup-econ-mcp

# 或指定版本
uvx aigroup-econ-mcp@1.0.0

优点：

⚡ 快速启动（几秒钟） 🔄 自动获取最新版本 💾 无需本地安装 🎯 轻量级依赖（~50MB，包含统计分析库）

方式2：pip安装

# 基础安装（包含所有计量经济学功能）
pip install aigroup-econ-mcp

# 运行
aigroup-econ-mcp

依赖说明：

• 核心依赖（默认）：pandas, numpy, scipy, mcp, statsmodels, matplotlib
• 轻量级：无需torch或其他重型依赖
• 推荐：直接使用基础安装，包含所有计量经济学功能！

✨ 核心特性

1️⃣ 智能数据分析 ✅ 自动清洗：自动处理缺失值和异常值 ✅ 统计计算：完整的描述性统计量 ✅ 可视化：自动生成图表和报告

2️⃣ 专业回归分析 📊 OLS回归：完整的回归诊断和残差分析 🔧 逐步回归：特征选择和模型优化 📈 模型评估：R²、调整R²、F检验等指标

3️⃣ 假设检验套件 🧪 多样化检验：t检验、F检验、卡方检验、ADF检验 📊 详细报告：统计量、p值、置信区间 💡 结果解读：自动生成检验结论和建议

4️⃣ 时间序列专业工具 ⏰ 平稳性检验：ADF、KPSS等完整检验套件 📈 ARIMA建模：自动定阶和参数估计 🔮 预测功能：点预测和区间预测

5️⃣ 结构化输出 📋 Pydantic模型：类型安全的数据结构 📊 丰富格式：表格、JSON、Markdown报告 🎯 错误处理：详细的错误信息和建议

🔧 故障排除

uvx安装卡住

问题：uvx aigroup-econ-mcp 卡住不动

解决：

• 确保使用最新版本
• 检查网络连接
• 尝试清除缓存：uvx --no-cache aigroup-econ-mcp

工具返回错误

问题：统计分析返回NoneType或错误

解决：

• 确保数据格式正确（列表或字典）
• 检查数据中是否有缺失值
• 查看详细错误信息和参数要求

RooCode中无法使用MCP工具

问题：在RooCode中看不到aigroup-econ-mcp工具

解决：

• 确保配置了正确的MCP服务配置
• 检查uvx是否正常工作：uvx --version
• 重启RooCode
• 查看RooCode的MCP服务日志

MCP服务连接失败

问题：MCP服务启动失败或连接超时

解决：

• 检查网络连接
• 尝试使用 uvx --no-cache aigroup-econ-mcp 清除缓存
• 确保Python版本>=3.8
• 查看详细错误日志

📂 项目结构

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/jackdark425/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RooCode集成

在RooCode的MCP配置文件中添加：

"aigroup-econ-mcp": {
  "command": "uvx",
  "args": [
    "aigroup-econ-mcp"
  ],
  "alwaysAllow": [
    "descriptive_statistics",
    "ols_regression",
    "hypothesis_testing",
    "time_series_analysis",
    "correlation_analysis"
  ],
  "disabled": true
}

📋 工具详细说明

descriptive_statistics

描述性统计分析工具

参数：

• data: 数值数据列表或字典
• variables: 变量名列表（可选）
• output_format: 输出格式（table/json）

返回：

• 基础统计量（均值、方差、偏度、峰度）
• 数据质量评估
• 可视化图表

ols_regression

OLS回归分析工具

参数：

• y_data: 因变量数据
• x_data: 自变量数据（列表或矩阵）
• feature_names: 变量名称（可选）
• add_constant: 是否添加常数项（默认true）
• output_detail: 输出详细程度（可选）

返回：

• 回归系数和统计显著性
• 模型拟合优度（R²、调整R²）
• 模型诊断（残差分析、异方差检验）
• 预测结果（如果提供预测数据）

hypothesis_testing

假设检验工具

参数：

• data1: 第一组数据
• data2: 第二组数据（可选）
• test_type: 检验类型（t_test/f_test/chi2_test/adf_test）
• alpha: 显著性水平（默认0.05）

返回：

• 检验统计量和p值
• 检验结果和置信区间
• 效应大小和统计功效

time_series_analysis

时间序列分析工具

参数：

• data: 时间序列数据
• analysis_type: 分析类型（stationarity/arima/forecast）
• lags: 滞后期数（默认12）
• forecast_steps: 预测步数（可选）

返回：

• 平稳性检验结果
• ARIMA模型参数
• 预测值和置信区间
• 模型诊断图表

correlation_analysis

相关性分析工具

参数：

• data: 变量数据字典
• method: 相关系数类型（pearson/spearman/kendall）
• plot: 是否生成可视化图表（默认true）

返回：

• 相关系数矩阵
• 显著性检验结果
• 相关性热力图

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。

🤝 贡献

欢迎提交Issue和Pull Request！

1. Fork项目
2. 创建功能分支
3. 提交更改
4. 开启Pull Request

📄 许可证

MIT License - 查看 LICENSE 了解详情

🙏 致谢

• Model Context Protocol (MCP) - 模型上下文协议
• Roo-Code - AI编程助手
• statsmodels - 统计分析库
• pandas - 数据处理库

📞 支持

💬 提交 GitHub Issues 📧 邮件：[e-mail] 📚 文档：查看项目文档和示例

立即开始: uvx aigroup-econ-mcp 🚀

---