Skip to main content

In this article

データの収集・分析・可視化に役立つData Science向けMCPサーバー11選

著者
Headshot of Stephen Thoemmes

Stephen Thoemmes

0 分で読めます

Model Context Protocol（MCP）は、AIモデルを外部システムやデータソースと連携するための標準的なフレームワークです。複雑なデータセットを扱うデータサイエンティストにとって、MCPはAIアシスタントが専門的なデータツールやデータソースに直接接続できるようにする、実用的なメリットをもたらします。特に興味深いのは、Claudeのようなツールを利用するLLMと、データサイエンス機能を提供するサーバーとの間に、一貫性のある接続を確立できる点です。

この記事では、データセットの発見や探索から高度な数学的可視化まで、データサイエンスのワークフロー向けに設計された11のMCPサーバーを厳選してご紹介します。

データセットの発見・アクセスツール

1. Hugging Face MCP Server Shreyas Karnik（GitHubで⭐ 52）による

この優れたサーバーを使うと、Hugging Face Hubにある膨大なAIリソースを利用できます。AIアシスタントからモデル、データセット、論文などに読み取り専用でアクセスできます。

利用可能なツール

ツールのカテゴリ

ツール名

説明

モデルツール

search-models

クエリ、作成者、タグ、件数で絞り込んでモデルを検索します。


get-model-info

特定のモデルに関する詳細情報を取得します。

データセットツール

search-datasets

条件で絞り込んでデータセットを検索します。


get-dataset-info

特定のデータセットに関する詳細情報を取得します。

Spaceツール

search-spaces

SDKの種類などの条件でSpaceを検索します。


get-space-info

特定のSpaceに関する詳細情報を取得します。

論文ツール

get-paper-info

論文とその実装に関する情報を取得します。


get-daily-papers

厳選された日次論文のリストを取得します。

コレクションツール

search-collections

さまざまな条件でコレクションを検索します。


get-collection-info

特定のコレクションに関する詳細情報を取得します。

外部APIとテクノロジー

  • Hugging Face Hub API：プラットフォーム上の90万件以上のモデル、20万件以上のデータセット、30万件以上のデモアプリケーションにアクセス

  • httpx：Python向け非同期HTTPクライアント

  • Python 3.13以降：最新のPython実装

設定要件

  • HF_TOKEN（任意）：レート制限の緩和やプライベートリポジトリへのアクセスに使うHugging Face APIトークン

Hugging Face MCP Serverを使うと、ClaudeをHugging Faceの広大なエコシステムに精通したリサーチアシスタントとして活用できます。データサイエンティストは、何千ものリソースを手作業で検索する手間を省き、自然言語のクエリで関連するモデル、データセット、研究論文を見つけられます。

2. Dataset Viewer MCP Server by privetin（GitHubで⭐ 15）

データセットをすべてダウンロードせずに分析したいデータサイエンティスト向けに、このサーバーはHugging Face Dataset Viewer APIへの直接アクセスを提供します。

利用可能なツール

ツール名

説明

validate

データセットが存在し、アクセス可能かどうかを確認します。

get_info

データセットの詳細情報を取得します。

get_rows

ページネーションに対応したデータセットの内容を取得します。

get_first_rows

データセットの分割データから先頭の数行を取得します。

get_statistics

データセットの分割データに関する統計情報を取得します。

search_dataset

データセット内のテキストを検索します。

filter

SQLに似た条件で行を絞り込みます。

get_parquet

データセット全体をParquet形式でダウンロードします。

外部APIとテクノロジー

  • Hugging Face Dataset Viewer API：Hubでホストされているデータセットへのプログラムからのアクセス

  • httpx：同期・非同期の両方のAPIに対応するHTTPクライアント

  • Python 3.12以降：最新のPython実装

設定要件

  • HUGGINGFACE_TOKEN（任意）：プライベートデータセットへのアクセス時のみ必要

このサーバーは探索的データ分析に優れており、データセットをすべてダウンロードせずに、その構造を参照して把握できます。検索、フィルタリング、データの一部抽出ができるため、全データのダウンロードが現実的でない大規模データセットを扱う際に特に役立ちます。

3. CMR-MCP NASA Earthdata Search Integration by PO.DAAC（NASA）（GitHubで⭐ 2）

NASAのPhysical Oceanography Distributed Active Archive Center（PO.DAAC）が開発したこのサーバーは、AIアシスタントをNASAの広大な地球科学データカタログに接続します。

利用可能なツール

ツール名

説明

search_datasets

キーワード、日付範囲、フィルターを使って、Common Metadata Repository（CMR）内のNASAデータセットを検索します

外部APIとテクノロジー

  • earthaccess（0.14.0以降）：NASAの地球科学データに簡単にアクセスするためのPythonライブラリ

  • NASA Common Metadata Repository（CMR）：NASAの高性能メタデータシステム

  • FastMCP：MCPサーバー実装用のPython SDK

  • Python 3.10以降：最新のPython実装

設定要件

明示的なAPIキーは不要ですが、データセットによっては、基盤となるearthaccessライブラリでNASA Earthdata Loginの認証情報を使用する場合があります。

CMR-MCPサーバーは、地球科学者や気候研究者に特化したゲートウェイを提供します。NASAのデータカタログに自然言語でクエリできるため、重要な気候、海洋、大気のデータセットを簡単に発見できます。環境データサイエンスに携わる人にとって、大きな助けとなるでしょう。

4. Data.gov MCP Server by Joao Bondan（GitHubで⭐ 3）

この専用サーバーを使うと、米国政府のオープンデータポータルData.govで公開されている膨大な政府データセットにスムーズにアクセスできます。

利用可能なツール

ツール名

説明

package_search

Data.gov上のパッケージ（データセット）を検索します。

package_show

特定のデータセットに関する詳細情報を取得します。

group_list

Data.gov上のグループや組織を一覧表示します。

tag_list

Data.gov上のタグやカテゴリを一覧表示します。

外部APIとテクノロジー

  • Data.gov CKAN API：Comprehensive Knowledge Archive Networkを基盤とする、Data.govの中核API

  • Axios：APIリクエスト用のPromiseベースHTTPクライアント

  • TypeScript/JavaScript：MCPサーバーの実装言語

設定要件

Data.gov APIは認証なしで一般公開されているため、APIキーは不要です。

このサーバーは政府データへのアクセスを広く開き、連邦、州、地方の各機関のデータから、研究者やデータサイエンティストが関連するデータセットをすばやく見つけられるようにします。世界中の多くの政府データポータルを支えるCKANとの連携は、公共政策の研究や機関横断のデータ統合に特に役立ちます。

5. Education Data MCP Server by ckz（GitHubで⭐ 0）

教育研究に特化したこのサーバーは、Urban InstituteのEducation Data APIを、Claudeを活用する研究者や政策分析担当者に提供します。

利用可能なツール

ツール名

説明

get_education_data

APIから教育データの詳細情報を取得します。

get_education_data_summary

APIから集計済みの教育データを取得します。

外部APIとテクノロジー

  • Urban Institute's Education Data API：学校、学区、カレッジ、大学に関する情報を網羅した教育データAPI

  • Axios：APIリクエスト用のHTTPクライアント

  • TypeScript：型安全な実装言語

設定要件

Urban Institute's Education Data APIは一般公開されているため、APIキーは不要です。

Education Data MCP Serverは、教育研究者や政策分析担当者に幅広い可能性をもたらします。米国各地の学校、学区、カレッジ、大学に関するデータを使い、Claudeとの自然言語でのやり取りを通じて、入学者数の傾向分析、実績指標の比較、資金配分のパターン調査、教育成果の予測モデルの作成などを行えます。

6. Fiscal Data MCP Server by QuantGeekDev（Alex Andru）（GitHubで⭐ 1）

洗練されたこのサーバーは、米国財務省のFiscal Data APIに接続し、AIアシスタントから政府の財務データに直接アクセスできるようにします。

利用可能なツール

ツール名

説明

get_daily_treasury_statement

指定した日付の財務省データを取得します

利用可能なMCPリソース

リソース名

説明

Treasury Data Resource

過去30日分の財務省データにアクセスできます

利用可能なMCPプロンプト

プロンプト名

説明

daily_treasury_report

書式付きの財務省レポートを生成します

外部APIとテクノロジー

  • U.S. Treasury Fiscal Data API：米国政府の財務運営に関する情報を提供するREST API

  • Zod：TypeScriptファーストのスキーマ検証ライブラリ

  • TypeScript：ESモジュールを使った実装言語

設定要件

U.S. Treasury Fiscal Data APIは一般公開されているため、APIキーは不要です。

Fiscal Data MCP Serverを使うと、経済学者、金融アナリスト、政策研究者は自然言語で米国財務省のデータにアクセスできます。サーバーの高度なキャッシュ機能は、過去30日分の財務省データを保持して1時間ごとに更新するため、APIに繰り返し問い合わせることなく、直近の財務情報を効率よく取得できます。

データの探索・分析ツール

7. Claude MCP Data Explorer by tofunori（GitHubで⭐ 3）

この優れたサーバーを使うと、Claude内でCSVデータを直接分析でき、データ探索に強力なツールを活用できます。

利用可能なツール

ツール名

説明

load-csv

分析用にCSVデータをメモリに読み込みます

run-script

データ処理と分析のコードを実行します

外部APIとテクノロジー

  • Pandas：データ操作・分析ライブラリ

  • NumPy：数値計算ライブラリ

  • Scikit-learn：機械学習ライブラリ

  • SciPy：科学技術計算ライブラリ

  • Statsmodels：統計モデリングライブラリ

  • MatplotlibとSeaborn：データ可視化ライブラリ

  • PapaParser：JavaScript向け高速CSVパーサー

  • Plotly.js：インタラクティブな可視化ライブラリ

設定要件

  • LOG_LEVEL（任意）：ログの詳細度を設定します

Claude MCP Data Explorerは、MCPがデータサイエンスのワークフローにもたらす大きな可能性を示しています。Claude内でCSVを直接読み込んで分析できるため、探索的データ分析のたびに複数のアプリケーションを切り替える必要がありません。Python版とJavaScript版の両方を提供するマルチ実装方式により、さまざまな用途や環境に柔軟に対応できます。

8. MCP Pandas by Alistair Walsh（GitHubで⭐ 3）

この堅牢なサーバーは、コンテナ化されたアーキテクチャを通じて、pandasの強力な機能をMCPエコシステムにもたらします。

利用可能なツール

ツール名

説明

analyze_data

CSVファイルに対してさまざまなデータ分析処理を行います

外部APIとテクノロジー

  • Pandas：データ分析・操作ライブラリ

  • FastAPI：API構築用の最新Webフレームワーク

  • Docker：コンテナ化テクノロジー

  • NumPy：数値計算ライブラリ

  • MatplotlibとSeaborn：可視化ライブラリ

設定要件

APIキーは不要です。設定にはDocker環境変数を使用します。

  • PYTHONUNBUFFERED=1：Pythonの出力を直接ターミナルに送ります

MCP Pandasは、MCPプロトコルを通じて高機能なデータ分析を提供するという課題を、洗練された方法で解決します。コンテナ化されたアーキテクチャにより、一貫性のある環境と分離を実現し、FastAPIサービスがpandasの処理を効率的に実行します。この方法なら、基本的な統計から複雑な可視化まで、pandasの機能をClaudeから直接活用できます。

9. MCP Server for Data Exploration by ReadingPlus.AI LLC（GitHubで⭐ 343）

包括的な機能を備えたこのサーバーは、複雑なデータセットを明快で実用的なインサイトに変え、専属のデータサイエンティストアシスタントとして活躍します。

利用可能なツール

ツール名

説明

load_csv

CSVファイルをDataFrameに読み込む

run_script

データ分析用のPythonスクリプトを実行する

プロンプトテンプレート

プロンプト名

説明

explore-data

データ探索タスクに特化

外部APIとテクノロジー

設定要件

APIキーは不要。ローカルのデータファイルとPythonライブラリで動作します。

このサーバーは、220万件超のデータセットを使用したカリフォルニア州の不動産分析や、200万件超のデータセットを使用したロンドンの気象分析など、実際のデータセットで実用性が実証されています。科学技術計算向けPythonライブラリを幅広く備えているため、さまざまな分野の探索的データ分析に活用できる汎用性の高いツールです。

10. Acryl DataによるDataHub MCP Server（GitHubで27 ⭐）

この高度なサーバーは、AIエージェントをDataHubに接続します。DataHubは、データの検出、可観測性、ガバナンスを実現する強力なオープンソースのメタデータプラットフォームです。

利用可能なツール

ツール名

説明

get_entity

DataHubのURNを指定して、エンティティの詳細なメタデータを取得します。

get_dataset_queries

特定のデータセットに関連付けられたSQLクエリを取得します。

get_lineage

リネージグラフをたどり、上流または下流の依存関係を確認します。

search

任意のフィルターを使って、すべてのエンティティタイプを横断検索します。

外部APIとテクノロジー

設定要件

  • DATAHUB_GMS_URL：DataHub GMSインスタンスのURL

  • DATAHUB_GMS_TOKEN：DataHub認証トークン

DataHub MCP Serverは、データサイエンティストにメタデータ管理の力をもたらします。ClaudeをDataHubに接続すると、組織全体のデータ環境を自然言語で探索できます。会話形式でやり取りするだけで、関連するデータセットをすばやく見つけ、データリネージを把握し、SQLクエリを調べ、ガバナンス情報を確認できます。

11. bmorphismによるPenrose MCP Server

このユニークなサーバーは、カーネギーメロン大学で開発された、プログラムによって美しい数学図を作成するシステムPenroseと連携します。

利用可能なツール

ツール名

説明

create_domain

数学的概念のためのドメイン固有言語の定義を作成

create_substance

数学的オブジェクトとその関係を定義

create_style

数学的オブジェクトの視覚的表現ルールを処理

generate_diagram

ドメイン、サブスタンス、スタイルの定義に基づいて図を生成

list_domains

利用可能な数学ドメインを一覧表示

list_substances

利用可能なサブスタンス定義を一覧表示

list_styles

利用可能なスタイル定義を一覧表示

外部APIとテクノロジー

  • Penrose System：数学図を作成するシステム

  • TypeScript：実装言語

  • SVG生成：図用の拡大縮小可能なベクター画像を作成

  • Base64エンコード：埋め込み用にSVGコンテンツをエンコード

設定要件

APIキーは不要。スタンドアロンサービスとして動作します。

Penrose MCP Serverは、数学的可視化に特化したツールです。Penroseとの連携により、データサイエンティストや数学者は自然言語で説明するだけで、プロ品質の図を作成できます。この機能は、教育コンテンツの作成、研究成果の発信、データ間の関係性のモデリングに特に役立ちます。

比較分析

対象分野、テクノロジー、要件、ユースケース

MCPサーバー

主な対象

主要テクノロジー

APIキーの要件

最適なユースケース

Hugging Face MCP

AIリソースの発見

Hugging Face API、httpx

HF Token（任意）

モデルの発見、データセットの探索、研究論文の分析

Dataset Viewer

データセットの検査

HF Dataset Viewer API、httpx

HF Token（任意）

探索的データ分析、データセットのフィルタリング、効率的なデータ抽出

CMR-MCP

地球科学データ

earthaccess、NASA CMR

なし

気候研究、海洋学研究、大気データ分析

Data.gov MCP

政府データ

CKAN API、Axios

なし

公共政策研究、機関横断のデータ統合、政府関連の分析

Education Data

教育統計

Urban Institute API、Axios

なし

教育研究、政策分析、入学者数の傾向調査

Fiscal Data

財務省データ

US Treasury API、Zod

なし

経済分析、政府財政の調査、傾向分析

Claude Data Explorer

データ探索

Pandas、NumPy、PapaParser

なし

探索的データ分析、データ可視化、統計分析

MCP Pandas

データ分析

Pandas、FastAPI、Docker

なし

統計分析、データ可視化、探索的データ分析

Data Exploration

データサイエンスアシスタント

Pandas、scikit-learn、SciPy

なし

複雑なデータ分析、可視化、機械学習の準備

DataHub

メタデータ管理

DataHub API、GraphQL

DataHub GMS Token

データの発見、リネージ分析、メタデータ探索

Penrose

数学的可視化

Penrose System、SVG

なし

数学図の作成、教育コンテンツ、研究成果の発信

ツール数と特化機能

MCPサーバー

ツール数

データセットへのアクセス

分析機能

可視化

メタデータ管理

Hugging Face MCP

10

✅

❌

❌

✅

Dataset Viewer

8

✅

✅

❌

✅

CMR-MCP

1

✅

❌

❌

✅

Data.gov MCP

4

✅

❌

❌

✅

Education Data

2

✅

✅

❌

❌

Fiscal Data

1 + リソース

✅

✅

❌

❌

Claude Data Explorer

2

✅

✅

✅

❌

MCP Pandas

1

✅

✅

✅

❌

Data Exploration

2 + プロンプト

✅

✅

✅

❌

DataHub

4

❌

❌

❌

✅

Penrose

7

❌

❌

✅

❌

MCPエコシステムの連携対応

互換性が取り消し線で示されていても、動作する場合があります。リポジトリ内で明示的に互換性が記載されていないだけです。

MCPサーバー

Claude Desktop

Cursor

Cline

記載されている連携

Hugging Face MCP

✅

✅

✅

Smithery CLI

Dataset Viewer

✅

❌

❌

任意のMCPクライアント

CMR-MCP

✅

❌

❌

任意のMCPクライアント

Data.gov MCP

✅

❌

✅

任意のMCPクライアント

Education Data

✅

❌

✅

任意のMCPクライアント

Fiscal Data

✅

❌

❌

任意のMCPクライアント

Claude Data Explorer

✅

❌

❌

任意のMCPクライアント

MCP Pandas

✅

❌

❌

任意のMCPクライアント

Data Exploration

✅

❌

❌

任意のMCPクライアント

DataHub

✅

✅

❌

任意のMCPクライアント

Penrose

✅

❌

❌

任意のMCPクライアント

これらのMCPサーバーを組み合わせて使う

これらのMCPサーバーは組み合わせて使うことで、それぞれの強みを活かした相乗効果のあるワークフローを生み出します。具体的な活用例を見てみましょう。

1. 気候研究の包括的なワークフロー

シナリオ：過去の気象パターンと経済的影響との相関を分析する気候科学者。

  • CMR-MCPを使って、関連するNASAの地球観測データセットを見つけます。

  • Dataset Viewerを使い、データセット全体をダウンロードせずに、気候データの特定の内容を調べます。

  • Claude Data ExplorerまたはMCP Pandasを使って、詳細な統計分析を行います。

  • Fiscal Data MCPを取り入れて、経済的影響を分析します。

  • Penrose MCPで数学的な関係を可視化します。

この統合ワークフローにより、気候科学者はClaudeとの自然言語でのやり取りを通じて、データの発見、分析、経済要因との相関付け、可視化までをシームレスに行えます。

2. 教育政策研究のパイプライン

シナリオ：学校への資金配分、人口統計上の要因、生徒の成績の関係を調査する教育研究者。

  • まずEducation Data MCPで、詳細な教育統計を取得します。

  • Data.gov MCPで関連する政府データセットを見つけ、分析に背景情報を加えます。

  • Data Explorationサーバーで詳細な分析を行います。

  • DataHub MCP。でメタデータを管理し、データリネージを追跡します。

  • Penrose MCP。で数学的な可視化を作成します。

この組み合わせにより、データの発見から分析、可視化、情報発信まで、教育政策研究を包括的に支援する環境が整います。

3. AI研究と実装のワークフロー

シナリオ：特定の用途に向けて最先端のAIモデルを調査するデータサイエンティスト。

  • Hugging Face MCPで、関連するモデル、データセット、研究論文を見つけます。

  • Dataset Viewer。で有望なデータセットを調べます。

  • MCP PandasまたはClaude Data Explorer。でデータの準備と分析を行います。

  • DataHub MCP。でモデルの実験とデータリネージを追跡します。

  • Penrose MCP。で説明用の数学図を作成します。

このワークフローは、文献レビューから実験、情報発信に至る各段階を支えるツールを提供し、AIの研究と実装のプロセスを効率化します。

データサイエンスツールの進化

ここで紹介したMCPサーバーは、データサイエンスにおける新たなパラダイムの最前線を示しています。AIアシスタントが、専門ツールやデータソースをつなぐ統合インターフェースとして機能する世界です。この変化は、データサイエンティストの働き方を根本から変える可能性を秘めています。

現在のエコシステムは、データセットの発見（Hugging Face MCP、CMR-MCP）から探索（Dataset Viewer）、分析（Claude Data Explorer、MCP Pandas）、メタデータ管理（DataHub）、可視化の作成（Penrose）まで、データサイエンスのワークフローに不可欠な領域をすでにカバーしています。MCPエコシステムの成熟が進むにつれ、さらに緊密な連携と、データサイエンスツールキット全体を網羅する幅広い対応が期待できます。

データソースや分析ツールがますます複雑になるなか、MCPサーバーはデータサイエンティストに未来への有望な展望を示します。ツールの操作方法を習得することから、適切な問いを立て、結果を解釈することへと、重点が移る世界です。その結果、より効率的で利用しやすく、洞察に富んだデータサイエンスが実現します。人間がテクノロジーに合わせるのではなく、テクノロジーが人間のワークフローに適応するのです。

SnykでAI生成の分析を保護

AIツールはデータサイエンスのワークフローに変革をもたらしていますが、堅牢なセキュリティ対策も欠かせません。AI支援によるコード生成を利用するデータサイエンティストは、生成されたコードに潜むセキュリティ脆弱性に注意する必要があります。Snykはデータサイエンスコードを包括的にスキャンし、IDE内で脆弱性を特定します。

無料プランの利用制限に縛られないエンタープライズレベルの保護をお求めなら、Secure Developerプロジェクトを通じて、Snykのプレミアムツールのエンタープライズアクセスをお申し込みください。条件を満たすオープンソースプロジェクトは無料で利用でき、データサイエンスのワークフローを革新的かつ安全に保つための高度なセキュリティ機能を提供します。セキュリティを重視するコミュニティにすでに参加しているプロジェクトもぜひご覧ください。

Snykの開発者向けセキュリティトレーニング

必要なときに、専門家から実際のコードを使って学べます。

無料で学ぶ