Vizro MCP服务器

提供工具和模板，用于逐步创建可运行的Vizro图表或仪表板。

什么是MCP服务器？

MCP信息

镜像构建信息

可用工具（6个）

---## 工具详情#### 工具：**get_model_json_schema**获取指定Vizro模型的JSON模式。

返回：
    请求的Vizro模型的JSON模式

---#### 工具：**get_sample_data_info**若用户未提供数据，使用此工具获取示例数据信息。

使用以下数据用于相应目的：
    - iris：主要为数值型，含一个分类列，适用于散点图、直方图、箱线图等。
    - tips：包含数值型和分类列混合，适用于条形图、饼图等。
    - stocks：***价格数据，适用于折线图、散点图等随时间变化的图表。
    - gapminder：人口统计数据，适用于折线图、散点图等含地图或多分类的图表。

返回：
    包含数据集信息的数据信息对象

---#### 工具：**get_vizro_chart_or_dashboard_plan**获取创建Vizro图表或仪表板的说明。当被要求创建Vizro相关内容时，必须首先调用此工具。

必须始终先以advanced_mode=False调用，若JSON配置不足以满足需求，再以advanced_mode=True调用。

返回：
    创建Vizro图表或仪表板的说明

---#### 工具：**load_and_analyze_data**用于理解本地或远程数据文件。必须使用绝对路径或URL调用。

支持格式：
- CSV (.csv)
- JSON (.json)
- HTML (.html, .htm)
- Excel (.xls, .xlsx)
- OpenDocument电子表格 (.ods)
- Parquet (.parquet)

返回：
    包含DataFrame信息和元数据的DataAnalysisResults对象

---#### 工具：**validate_chart_code**验证用户创建的图表代码，可选在浏览器中打开PyCafe链接。

返回：
    包含状态和仪表板详情的ValidationResults对象

---#### 工具：**validate_dashboard_config**验证Vizro模型配置。当拥有完整的仪表板配置时，必须运行此工具。

若验证成功，工具将返回Python代码；若为远程文件，还会返回图表的py.cafe链接。若auto_open为True，PyCafe链接将自动在默认浏览器中打开。

返回：
    包含状态和仪表板详情的ValidationResults对象

---## 使用此MCP服务器

{
  "mcpServers": {
    "vizro": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp/vizro"
      ]
    }
  }
}

为什么使用Docker运行MCP服务器更安全？