VisiData MCP Server

VisiData MCP Server

Um servidor Model Context Protocol (MCP) que fornece acesso à funcionalidade do VisiData com capacidades aprimoradas de visualização e análise de dados.

🚀 Recursos

📊 Visualização de Dados

• create_correlation_heatmap - Gere matrizes de correlação com belas visualizações de mapa de calor
• create_distribution_plots - Crie gráficos de distribuição estatística (histograma, box, violino, kde)
• create_graph - Gráficos personalizados (dispersão, linha, barra, histograma) com suporte a agrupamento categórico

🧠 Análise Avançada de Habilidades

• parse_skills_column - Analise habilidades separadas por vírgula em habilidades individuais com codificação one-hot
• analyze_skills_by_location - Análise abrangente de frequência e distribuição de habilidades por localização
• create_skills_location_heatmap - Mapa de calor visual mostrando a distribuição de habilidades entre localizações
• analyze_salary_by_location_and_skills - Estatísticas salariais avançadas por localização e combinação de habilidades

🔧 Ferramentas Principais de Dados

• load_data - Carregue e inspecione arquivos de dados de vários formatos
• get_data_sample - Obtenha uma prévia dos seus dados com contagem de linhas configurável
• analyze_data - Realize análise abrangente de dados com tipos de coluna e estatísticas
• convert_data - Converta entre diferentes formatos de dados (CSV ↔ JSON ↔ Excel, etc.)
• filter_data - Filtre dados com base em condições (igual, contém, maior/menor que)
• get_column_stats - Obtenha estatísticas detalhadas para colunas específicas
• sort_data - Ordene dados por qualquer coluna em ordem crescente ou decrescente

📦 Instalação

🚀 Instalação Rápida (Recomendada)

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

Pré-requisitos: Python 3.10+ (o instalador verificará e orientará você se necessário)

Alternativa: Instalação via Python

pip install visidata-mcp

Instalação para Desenvolvimento

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

⚙️ Configuração

Claude Desktop

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

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

Cursor AI

Crie .cursor/mcp.json no seu projeto:

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

Reinicie seu aplicativo de IA após alterações de configuração.

🎯 Exemplo de Uso

Visualização de Dados

# 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")

Análise 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")

Operações Básicas de Dados

# 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 Dados Suportados

• Planilhas: CSV, TSV, Excel (XLSX/XLS)
• Dados Estruturados: JSON, JSONL, XML, YAML
• Bancos de Dados: SQLite
• Científicos: HDF5, Parquet, Arrow
• Arquivos: ZIP, TAR, GZ, BZ2, XZ
• Web: tabelas HTML

🔧 Solução de Problemas

Problemas Comuns

"No module named 'matplotlib'"

• Certifique-se de que está usando o caminho correto do servidor MCP
• Para desenvolvimento local: /path/to/visidata-mcp/venv/bin/visidata-mcp
• Reinicie seu aplicativo de IA após alterações de configuração

"0 tools available"

• Verifique o caminho do servidor MCP na sua configuração
• Verifique se o Python 3.10+ está instalado
• Reinicie completamente seu aplicativo de IA

Verificação

Teste sua instalação:

# Check if server starts
visidata-mcp

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

🎨 Principais Recursos

• ✅ Suporte completo a visualização com matplotlib, seaborn e scipy
• ✅ Análise avançada de habilidades para dados de mercado de trabalho e RH
• ✅ Correlação habilidades-localização análise e visualização
• ✅ Análise salarial por localização e combinação de habilidades
• ✅ Tratamento de erros aprimorado com validação de dependências
• ✅ Visualizações prontas para publicação (saída PNG 300 DPI)

📈 Casos de Uso

Análise de Mercado de Trabalho

• Análise de demanda de habilidades por localização geográfica
• Benchmarking salarial entre localizações e conjuntos de habilidades
• Visualização de tendências de mercado com análise de correlação

Fluxos de Trabalho de Ciência de Dados

• Pipeline completo de análise estatística
• Visualizações prontas para publicação
• Processamento avançado de texto para dados categóricos

Inteligência de Negócios

• Análise de desempenho baseada em localização
• Identificação de lacunas de habilidades
• Análise de remuneração e benchmarking

🛠 Desenvolvimento

# 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')"

📄 Licença

Licença MIT - veja LICENSE para detalhes.

🔗 Links

• Site do VisiData
• Model Context Protocol
• Repositório GitHub