VisiData MCP Server

Interactúa con VisiData, una herramienta multitarea de hoja de cálculo en terminal para descubrir y organizar datos tabulares en varios formatos como CSV, JSON y Excel.

GitHubPrueba este MCPPatrocinado

Documentación

Servidor VisiData MCP

Un servidor Model Context Protocol (MCP) que proporciona acceso a la funcionalidad de VisiData con capacidades mejoradas de visualización y análisis de datos.

🚀 Características

📊 Visualización de Datos

  • create_correlation_heatmap - Genera matrices de correlación con hermosas visualizaciones de mapas de calor
  • create_distribution_plots - Crea gráficos de distribución estadística (histograma, caja, violín, kde)
  • create_graph - Gráficos personalizados (dispersión, línea, barras, histograma) con soporte de agrupación categórica

🧠 Análisis Avanzado de Habilidades

  • parse_skills_column - Analiza habilidades separadas por comas en habilidades individuales con codificación one-hot
  • analyze_skills_by_location - Análisis completo de frecuencia y distribución de habilidades por ubicación
  • create_skills_location_heatmap - Mapa de calor visual que muestra la distribución de habilidades entre ubicaciones
  • analyze_salary_by_location_and_skills - Estadísticas avanzadas de salario por ubicación y combinación de habilidades

🔧 Herramientas Básicas de Datos

  • load_data - Carga e inspecciona archivos de datos de varios formatos
  • get_data_sample - Obtén una vista previa de tus datos con un número configurable de filas
  • analyze_data - Realiza un análisis completo de datos con tipos de columna y estadísticas
  • convert_data - Convierte entre diferentes formatos de datos (CSV ↔ JSON ↔ Excel, etc.)
  • filter_data - Filtra datos según condiciones (igual, contiene, mayor/menor que)
  • get_column_stats - Obtén estadísticas detalladas para columnas específicas
  • sort_data - Ordena datos por cualquier columna en orden ascendente o descendente

📦 Instalación

🚀 Instalación Rápida (Recomendada)

npm install -g @moeloubani/visidata-mcp@beta

Requisitos previos: Python 3.10+ (el instalador verificará y te guiará si es necesario)

Alternativa: Instalación con Python

pip install visidata-mcp

Instalación de Desarrollo

git clone https://github.com/moeloubani/visidata-mcp.git
cd visidata-mcp
pip install -e .

⚙️ Configuración

Claude Desktop

Agrega a ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "visidata": {
      "command": "visidata-mcp"
    }
  }
}

Cursor AI

Crea .cursor/mcp.json en tu proyecto:

{
  "mcpServers": {
    "visidata": {
      "command": "visidata-mcp"
    }
  }
}

Reinicia tu aplicación de IA después de los cambios de configuración.

🎯 Ejemplo de Uso

Visualización de Datos

# Create a correlation heatmap
create_correlation_heatmap("sales_data.csv", "correlation_heatmap.png")

# Generate distribution plots for all numeric columns
create_distribution_plots("sales_data.csv", "distributions.png", plot_type="histogram")

# Create a scatter plot with categorical grouping
create_graph("sales_data.csv", "price", "sales", "scatter_plot.png", 
            graph_type="scatter", category_column="region")

Análisis de Habilidades

# Parse comma-separated skills into individual columns
parse_skills_column("jobs.csv", "required_skills", "skills_parsed.csv")

# Analyze skills distribution by location
analyze_skills_by_location("jobs.csv", "required_skills", "location", "skills_analysis.json")

# Create skills-location heatmap
create_skills_location_heatmap("jobs.csv", "required_skills", "location", "skills_heatmap.png")

# Comprehensive salary analysis
analyze_salary_by_location_and_skills("jobs.csv", "salary", "location", "required_skills", "salary_analysis.xlsx")

Operaciones Básicas de Datos

# Load and analyze data
load_data("data.csv")
get_data_sample("data.csv", 10)
analyze_data("data.csv")

# Transform data
convert_data("data.csv", "data.json")
filter_data("data.csv", "revenue", "greater_than", "1000", "high_revenue.csv")
sort_data("data.csv", "date", False, "sorted_data.csv")

📊 Formatos de Datos Soportados

  • Hojas de cálculo: CSV, TSV, Excel (XLSX/XLS)
  • Datos estructurados: JSON, JSONL, XML, YAML
  • Bases de datos: SQLite
  • Científicos: HDF5, Parquet, Arrow
  • Archivos: ZIP, TAR, GZ, BZ2, XZ
  • Web: Tablas HTML

🔧 Solución de Problemas

Problemas Comunes

"No module named 'matplotlib'"

  • Asegúrate de estar usando la ruta correcta del servidor MCP
  • Para desarrollo local: /path/to/visidata-mcp/venv/bin/visidata-mcp
  • Reinicia tu aplicación de IA después de los cambios de configuración

"0 tools available"

  • Verifica la ruta del servidor MCP en tu configuración
  • Comprueba que Python 3.10+ esté instalado
  • Reinicia tu aplicación de IA por completo

Verificación

Prueba tu instalación:

# Check if server starts
visidata-mcp

# Test with Python
python -c "from visidata_mcp.server import main; print('✅ Server ready')"

🎨 Características Clave

  • ✅ Soporte completo de visualización con matplotlib, seaborn y scipy
  • ✅ Análisis avanzado de habilidades para datos de mercado laboral y RRHH
  • ✅ Análisis y visualización de correlación habilidades-ubicación
  • ✅ Análisis de salario por ubicación y combinación de habilidades
  • ✅ Manejo mejorado de errores con validación de dependencias
  • ✅ Visualizaciones listas para publicación (salida PNG de 300 DPI)

📈 Casos de Uso

Análisis del Mercado Laboral

  • Análisis de demanda de habilidades por ubicación geográfica
  • Comparación de salarios entre ubicaciones y conjuntos de habilidades
  • Visualización de tendencias del mercado con análisis de correlación

Flujos de Trabajo de Ciencia de Datos

  • Pipeline completo de análisis estadístico
  • Visualizaciones listas para publicación
  • Procesamiento avanzado de texto para datos categóricos

Inteligencia de Negocios

  • Análisis de rendimiento basado en ubicación
  • Identificación de brechas de habilidades
  • Análisis y comparación de compensaciones

🛠 Desarrollo

# Install for development
git clone https://github.com/moeloubani/visidata-mcp.git
cd visidata-mcp
pip install -e .

# Build package
python -m build

# Run tests
python -c "from visidata_mcp.server import main; print('✅ Ready')"

📄 Licencia

Licencia MIT - consulta LICENSE para más detalles.

🔗 Enlaces