数据集查看器 MCP 服务器

用于与 Hugging Face 数据集查看器 API 交互的 MCP 服务器，提供浏览和分析托管在 Hugging Face Hub 上的数据集的功能。

功能

资源

• 使用 dataset:// URI 方案访问 Hugging Face 数据集
• 支持数据集配置和拆分
• 提供对数据集内容的分页访问
• 处理私有数据集的身份验证
• 支持搜索和过滤数据集内容
• 提供数据集统计信息和分析

工具

服务器提供了以下工具：

1. validate

   • 检查数据集是否存在且可访问
   • 参数：
     • dataset: 数据集标识符（例如 'stanfordnlp/imdb'）
     • auth_token（可选）：用于私有数据集

2. get_info

   • 获取有关数据集的详细信息
   • 参数：
     • dataset: 数据集标识符
     • auth_token（可选）：用于私有数据集

3. get_rows

   • 获取数据集的分页内容
   • 参数：
     • dataset: 数据集标识符
     • config: 配置名称
     • split: 拆分名称
     • page（可选）: 页面编号（从零开始）
     • auth_token（可选）：用于私有数据集

4. get_first_rows

   • 从数据集拆分中获取第一行
   • 参数：
     • dataset: 数据集标识符
     • config: 配置名称
     • split: 拆分名称
     • auth_token（可选）：用于私有数据集

5. get_statistics

   • 获取关于数据集拆分的统计信息
   • 参数：
     • dataset: 数据集标识符
     • config: 配置名称
     • split: 拆分名称
     • auth_token（可选）：用于私有数据集

6. search_dataset

   • 在数据集中搜索文本
   • 参数：
     • dataset: 数据集标识符
     • config: 配置名称
     • split: 拆分名称
     • query: 要搜索的文本
     • auth_token（可选）：用于私有数据集

7. filter

   • 使用类似 SQL 的条件过滤行
   • 参数：
     • dataset: 数据集标识符
     • config: 配置名称
     • split: 拆分名称
     • where: SQL WHERE 子句（例如 "score > 0.5"）
     • orderby（可选）: SQL ORDER BY 子句
     • page（可选）: 页面编号（从零开始）
     • auth_token（可选）：用于私有数据集

8. get_parquet

   • 下载整个数据集为 Parquet 格式
   • 参数：
     • dataset: 数据集标识符
     • auth_token（可选）：用于私有数据集

安装

先决条件

• Python 3.12 或更高版本
• uv - 快速的 Python 包安装程序和解析器

设置

1. 克隆仓库：

git clone https://github.com/privetin/dataset-viewer.git
cd dataset-viewer

2. 创建虚拟环境并安装：

# 创建虚拟环境
uv venv

# 激活虚拟环境
# 在 Unix 上：
source .venv/bin/activate
# 在 Windows 上：
.venv\Scripts\activate

# 开发模式下安装
uv add -e .

配置

环境变量

• HUGGINGFACE_TOKEN: 访问私有数据集所需的 Hugging Face API 令牌

Claude Desktop 集成

将以下内容添加到您的 Claude Desktop 配置文件中：

在 Windows 上: %APPDATA%\Claude\claude_desktop_config.json

在 MacOS 上: ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "dataset-viewer": {
      "command": "uv",
      "args": [
        "run",
        "dataset-viewer"
      ]
    }
  }
}

使用示例

1. 验证数据集：

{
  "dataset": "stanfordnlp/imdb"
}

2. 获取数据集信息：

{
  "dataset": "stanfordnlp/imdb"
}

3. 搜索数据集内容：

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train",
  "query": "great movie"
}

4. 过滤并排序行：

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train",
  "where": "label = 'positive'",
  "orderby": "text DESC",
  "page": 0
}

5. 获取数据集统计信息：

{
  "dataset": "stanfordnlp/imdb",
  "config": "plain_text",
  "split": "train"
}

许可证

MIT 许可证 - 详情请参阅 LICENSE 文件。