Quick Data for Windows MCP

Um servidor otimizado para Windows para realizar análises de dados em arquivos JSON e CSV, projetado para integração com Claude Desktop.

GitHub

Experimente este MCPPatrocinado

Documentação

Quick Data for Windows MCP

Fork otimizado para Windows de disler/quick-data-mcp para Claude Desktop

Recursos universais de análise de dados para arquivos JSON/CSV - agora funcionando perfeitamente no Windows!

🚀 O que isto faz

Este é um fork otimizado para Windows do excelente projeto quick-data-mcp por @disler.

O projeto original fornece recursos poderosos de servidor MCP para análise de dados, e este fork aborda especificamente problemas de compatibilidade com Windows e desafios de integração com Claude Desktop.

**Esta é a minha primeira tentativa nisso. Sinta-se à vontade para dar sugestões e/ou críticas. Eu amei o quick data mcp para claude code. Não havia nada parecido disponível para claude desktop, então com a ajuda do claude code agora nós temos.

Principais melhorias em relação ao original:

✅ Tratamento de caminhos Windows - Suporte adequado a caminhos de arquivo do Windows
✅ Pronto para Claude Desktop - Lançadores em lote pré-configurados e configuração
✅ Gerenciamento de dependências - Scripts de instalação automatizados
✅ Solução de problemas - Guias completos para problemas comuns do Windows

✨ Recursos principais

Suporte universal de dados - Funciona com qualquer estrutura de arquivo CSV/JSON
Otimização de caminhos Windows - Trata caminhos de arquivo do Windows corretamente
Integração com Claude Desktop - Pré-configurado para configuração perfeita
Descoberta automática de esquema - Analisa seus dados e sugere análises
Mais de 32 ferramentas de análise - De estatísticas básicas a recursos avançados de ML
Visualizações interativas - Crie gráficos com Plotly
Gerenciamento de memória - Otimizado para grandes conjuntos de dados

🏁 Início rápido para Windows

Pré-requisitos

Windows 10/11
Python 3.9+ (Baixar aqui)
Claude Desktop (Baixar aqui)

Instalação

Baixe ou clone este repositório:

git clone https://github.com/Beaulewis1977/quick-data-for-windows-mcp.git
cd quick-data-for-windows-mcp

Instale as dependências:
```
install_dependencies.bat
```
Teste o servidor:
```
test_server.bat
```
Configure o Claude Desktop:

Copie a configuração corrigida para o Claude Desktop:
```
copy claude_desktop_config_fixed.json "%APPDATA%\Claude\claude_desktop_config.json"
```
IMPORTANTE: Edite o arquivo de configuração e atualize o caminho cwd para o seu diretório de instalação real.
Reinicie o Claude Desktop

🚨 Está com problemas?

Se você vir ModuleNotFoundError: No module named 'mcp', consulte o guia TROUBLESHOOTING.md.

💻 Uso no Claude Desktop

Após a configuração, comece com este comando de barra no Claude Desktop:

/quick-data-windows

Carregando seus dados

Load my sales data: C:\Users\YourName\Documents\sales_data.csv as "sales"

Análise básica

Show me correlations in the sales dataset
Create a bar chart of sales by region
Analyze the distribution of revenue column

Análise avançada

Validate data quality for sales dataset
Compare sales dataset with marketing dataset
Generate dashboard with revenue trends and regional breakdown

🔧 Ferramentas disponíveis

Gerenciamento de conjuntos de dados

load_dataset - Carregar arquivos CSV/JSON com descoberta automática de esquema
list_loaded_datasets - Visualizar todos os conjuntos de dados na memória
get_dataset_info - Obter informações detalhadas do conjunto de dados
clear_dataset / clear_all_datasets - Gerenciamento de memória

Análise principal

segment_by_column - Analisar segmentos de dados categóricos
find_correlations - Descobrir relações entre variáveis
analyze_distributions - Análise de distribuição estatística
detect_outliers - Identificar anomalias nos dados
suggest_analysis - Recomendações de análise com IA

Visualização

create_chart - Gerar gráficos interativos (barras, dispersão, linhas, histograma)
generate_dashboard - Painéis com múltiplos gráficos

Análise avançada

validate_data_quality - Pontuação abrangente de qualidade dos dados
compare_datasets - Análise comparativa de múltiplos conjuntos de dados
merge_datasets - Unir conjuntos de dados com estratégias flexíveis
calculate_feature_importance - Análise de importância de recursos de ML
export_insights - Exportar resultados em múltiplos formatos

📂 Formatos de arquivo suportados

Arquivos CSV

CSV padrão com cabeçalhos
Delimitadores personalizados detectados automaticamente
Suporte a codificação UTF-8
Manipulação de arquivos grandes com opções de amostragem

Arquivos JSON

Estruturas JSON planas
JSON aninhado (achatado automaticamente)
Formato JSON Lines
Formato de array de objetos

🛠️ Configuração

Configuração manual

Se a configuração automática não funcionar, edite manualmente a configuração do Claude Desktop:

Localização: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "quick-data-windows": {
      "command": "python",
      "args": [
        "C:\\path\\to\\your\\quick-data-for-windows-mcp\\main.py"
      ],
      "cwd": "C:\\path\\to\\your\\quick-data-for-windows-mcp",
      "env": {
        "LOG_LEVEL": "INFO",
        "PYTHONPATH": "C:\\path\\to\\your\\quick-data-for-windows-mcp\\src"
      }
    }
  }
}

Alternativa: usando o gerenciador de pacotes UV

Se você preferir UV (recomendado para gerenciamento de dependências Python):

{
  "mcpServers": {
    "quick-data-windows": {
      "command": "uv",
      "args": [
        "--directory",
        "C:\\path\\to\\your\\quick-data-for-windows-mcp",
        "run",
        "python",
        "main.py"
      ]
    }
  }
}

🧪 Testando o servidor

Teste o servidor de forma independente (antes da integração com Claude Desktop):

python main.py

Saída esperada:

Quick Data for Windows MCP v1.0.0
Server running on stdio...

📊 Exemplos de fluxos de trabalho

Análise de dados de vendas

1. Load sales_data.csv as "sales"
2. Show correlations in sales dataset
3. Create bar chart of sales by product_category 
4. Detect outliers in revenue column
5. Generate dashboard with top products and regional trends

Avaliação de qualidade dos dados

1. Load customer_data.csv as "customers"
2. Validate data quality for customers dataset
3. Analyze distributions for age column
4. Segment by customer_type column

🔍 Solução de problemas

Problemas comuns

Erros de "Module not found":

Certifique-se de que o Python está no seu PATH
Execute pip install -r requirements.txt manualmente
Verifique se o PYTHONPATH está definido corretamente na configuração

Erros de "File not found":

Use caminhos completos do Windows: C:\Users\...
Evite caminhos relativos como .\data\file.csv
Verifique as permissões dos arquivos

Claude Desktop não encontra o servidor:

Reinicie o Claude Desktop após alterações na configuração
Verifique a sintaxe do arquivo de configuração com um validador JSON
Confirme se os caminhos dos arquivos estão corretos (sem erros de digitação)

Obtendo ajuda

Verifique se o Python 3.9+ está instalado: python --version
Verifique as dependências: pip list | findstr pandas
Teste o servidor manualmente: python main.py
Verifique os logs do Claude Desktop para erros

🤝 Contribuindo

Esta é uma adaptação comunitária para Windows do projeto original quick-data-mcp. Contribuições são bem-vindas!

Configuração de desenvolvimento

# Clone and setup
git clone https://github.com/Beaulewis1977/quick-data-for-windows-mcp.git
cd quick-data-for-windows-mcp

# Install development dependencies
pip install -r requirements.txt
pip install pytest black ruff

# Run tests (when implemented)
pytest tests/

📝 Licença

Licença MIT - consulte o arquivo LICENSE para detalhes.

🙏 Agradecimentos

Este projeto é um fork otimizado para Windows do quick-data-mcp original por @disler.

Créditos do projeto original

Autor original: @disler
Repositório original: disler/quick-data-mcp
Propósito original: Servidor MCP para análise de dados com Claude Code
Licença: MIT (mantida neste fork)

Contribuições do fork para Windows

Compatibilidade com Windows: @Beaulewis1977
Integração com Claude Desktop: Melhorias impulsionadas pela comunidade
Solução de problemas e documentação: Aprimorado para usuários do Windows

Pilha de tecnologia

Model Context Protocol: Anthropic
Processamento de dados: pandas, numpy, plotly, scikit-learn
Plataforma: Otimizado para Windows + Claude Desktop

⭐ Por favor, dê estrela em ambos os repositórios:

Projeto original - Pela inovação principal
Este fork - Pelo suporte ao Windows

Agradecimentos especiais a @disler por criar o trabalho fundamental que tornou possível esta adaptação para Windows!

🔗 Links

Pronto para analisar seus dados com IA? Carregue um CSV e comece a explorar! 🚀