この記事の内容
実際に
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
Model Context Protocol(MCP)は、
この
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
利用可能なツール
ツールの | ツール名 | 説明 |
|---|---|---|
モデルツール |
| クエリ、 |
| 特定の | |
データセットツール |
| 条件で |
| 特定の | |
Spaceツール |
| SDKの |
| 特定の | |
論文ツール |
| 論文と |
| 厳選された | |
コレクションツール |
| さまざまな |
| 特定の |
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
2. Dataset Viewer MCP Server by privetin(GitHubで⭐ 15)
データセットを
利用可能なツール
ツール名 | 説明 |
|---|---|
| データセットが |
| データセットの |
| ページネーションに |
| データセットの |
| データセットの |
| データセット内の |
| SQLに |
| データセット全体を |
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
3. CMR-MCP NASA Earthdata Search Integration by PO.DAAC(NASA)(GitHubで⭐ 2)
NASAの
利用可能なツール
ツール名 | 説明 |
|---|---|
| キーワード、 |
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
CMR-MCPサーバーは、
4. Data.gov MCP Server by Joao Bondan(GitHubで⭐ 3)
この
利用可能なツール
ツール名 | 説明 |
|---|---|
| Data.gov上の |
| 特定の |
| Data.gov上の |
| Data.gov上の |
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/JavaScri
pt:MCPサーバーの 実装言語
設定要件
Data.gov APIは
この
5. Education Data MCP Server by ckz(GitHubで⭐ 0)
教育研究に
利用可能なツール
ツール名 | 説明 |
|---|---|
| APIから |
| APIから |
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 TypeScri
pt:型安全な 実装言語
設定要件
Urban Institute's Education Data APIは
Education Data MCP Serverは、
6. Fiscal Data MCP Server by QuantGeekDev(Alex Andru)(GitHubで⭐ 1)
洗練された
利用可能なツール
ツール名 | 説明 |
|---|---|
| 指定した |
利用可能なMCPリソース
リソース名 | 説明 |
|---|---|
| 過去30日分の |
利用可能なMCPプロンプト
プロンプト名 | 説明 |
|---|---|
| 書式付きの |
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 TypeScri
pt: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
Fiscal Data MCP Serverを
データの探索・分析ツール
7. Claude MCP Data Explorer by tofunori(GitHubで⭐ 3)
この
利用可能なツール
ツール名 | 説明 |
|---|---|
| 分 |
| データ処理と |
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、
8. MCP Pandas by Alistair Walsh(GitHubで⭐ 3)
この
利用可能なツール
ツール名 | 説明 |
|---|---|
| CSVファイルに |
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
PYTHONUNBUFFERED=1:Pythonの
出力を 直接ターミナルに 送ります
MCP Pandasは、
9. MCP Server for Data Exploration by ReadingPlus.AI LLC(GitHubで⭐ 343)
包括的な
利用可能なツール
ツール名 | 説明 |
|---|---|
| CSVファイルを |
| データ分析用の |
プロンプトテンプレート
プロンプト名 | 説明 |
|---|---|
| データ探索タスクに |
外部APIとテクノロジー
Pandas:データの
操作と 分析 NumPy:数値計算
SciPy:科学技術計算
Scikit-learn:機械学習アルゴリズム
Statsmodels:統計モデルと
検定
設定要件
APIキーは
この
10. Acryl DataによるDataHub MCP Server(GitHubで27 ⭐)
この
利用可能なツール
ツール名 | 説明 |
|---|---|
| DataHubの |
| 特定の |
| リネージグラフを |
| 任意の |
外部APIとテクノロジー
DataHub API:メタデータ取得用の
GraphQL API GraphQL:API向けクエリ言語
acryl-datahub:DataHub用Pythonクライアントライブラリ
Python FastMCP:MCP向けPythonフレームワーク
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、
11. bmorphismによるPenrose MCP Server
この
利用可能なツール
ツール名 | 説明 |
|---|---|
| 数学的概念の |
| 数学的オブジェクトと |
| 数学的オブジェクトの |
| ドメイン、 |
| 利用可能な |
| 利用可能な |
| 利用可能な |
外部APIとテクノロジー
Penrose System:数学図を
作成する システム TypeScri
pt: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
Penrose MCP Serverは、
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 | 主要テクノロジー | APIキーの | 最適な |
|---|---|---|---|---|
Hugging Face MCP | AIリソースの | Hugging Face API、httpx | HF Token | モデルの |
Dataset Viewer | データセットの | HF Dataset Viewer API、httpx | HF Token | 探索的データ分析、 |
CMR-MCP | 地球科学データ | earthaccess、NASA CMR | なし | 気候研究、 |
Data.gov MCP | 政府データ | CKAN API、Axios | なし | 公共政策研究、 |
Education Data | 教育統計 | Urban Institute API、Axios | なし | 教育研究、 |
Fiscal Data | 財務省データ | US Treasury API、Zod | なし | 経済分析、 |
Claude Data Explorer | データ探索 | Pandas、NumPy、PapaParser | なし | 探索的データ分析、 |
MCP Pandas | データ分 | Pandas、FastAPI、Docker | なし | 統計分析、 |
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 |
DataHub | メタデータ管理 | DataHub API、GraphQL | DataHub GMS Token | データの |
Penrose | 数学的可視化 | Penrose System、SVG | なし | 数学図の |
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 | 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
MCPサーバー | Claude Desktop | Cursor | Cline | 記載されている |
|---|---|---|---|---|
Hugging Face MCP | ✅ | ✅ | ✅ | Smithery CLI |
Dataset Viewer | ✅ | ❌ | ❌ | 任意の |
CMR-MCP | ✅ | ❌ | ❌ | 任意の |
Data.gov MCP | ✅ | ❌ | ✅ | 任意の |
Education Data | ✅ | ❌ | ✅ | 任意の |
Fiscal Data | ✅ | ❌ | ❌ | 任意の |
Claude Data Explorer | ✅ | ❌ | ❌ | 任意の |
MCP Pandas | ✅ | ❌ | ❌ | 任意の |
Data Exploration | ✅ | ❌ | ❌ | 任意の |
DataHub | ✅ | ✅ | ❌ | 任意の |
Penrose | ✅ | ❌ | ❌ | 任意の |
これらのMCPサーバーを組み合わせて使う
これらの
1. 気候研究の包括的なワークフロー
シナリオ:過去の
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
2. 教育政策研究のパイプライン
シナリオ:学校への
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
3. AI研究と実装のワークフロー
シナリオ:
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
データサイエンスツールの進化
ここで
現在の
データソースや
SnykでAI生成の分析を保護
AIツールは
無料プランの