量化研究员 MCP 服务器

一个实现量化研究知识图谱管理的 MCP 服务器，提供对研究项目、数据集、变量、假设、统计检验、模型和结果的结构化表示。该服务器帮助量化研究人员组织数据、跟踪分析、评估假设并从数值数据中生成洞察。

功能特性

• 持久化研究上下文：跨多个分析会话维护研究实体与关系的结构化知识图谱
• 研究会话管理：通过唯一 ID 跟踪研究分析会话并记录进度演变
• 假设检验：追踪假设及其关联检验与结论
• 数据集管理：组织数据集中的描述性统计量与变量
• 统计分析：记录统计检验、模型及其结果
• 变量关系：追踪变量间的相关性、预测性等关系
• 研究问题追踪：将数据分析与特定研究问题关联
• 数据可视化：记录基于数据集和结果创建的可视化图表
• 模型性能：监控统计模型性能指标
• 研究发现归档：将研究发现与支撑性统计证据关联
• 研究方法归档：追踪方法论决策与研究路径

实体类型

量化研究员 MCP 服务器识别以下实体类型：

• project：整体研究项目
• dataset：用于分析的数据集合
• variable：数据集中的具体可测量属性
• hypothesis：可检验的正式陈述
• statisticalTest：应用于数据的分析方法
• result：统计分析结果
• analysisScript：执行分析的代码
• visualization：数据可视化呈现
• model：统计/数学模型
• literature：学术文献
• researchQuestion：指导研究的正式问题
• finding：研究结果或结论
• participant：研究对象
• status：实体状态值（active, completed, pending, abandoned）
• priority：优先级值（high, low）

关系类型

实体间可通过以下关系类型建立连接：

• correlates_with：变量间的统计相关性
• predicts：自变量对因变量的预测关系
• tests：统计检验验证假设
• analyzes：对数据集执行的分析
• produces：分析产生的结果
• visualizes：可视化展示数据或结果
• contains：层级包含关系
• part_of：实体间的组成关系
• depends_on：依赖关系
• supports：支持假设或发现的证据
• contradicts：反驳假设或发现的证据
• derived_from：实体间的衍生关系
• controls_for：控制混淆变量的方法
• moderates：变量对关系的调节作用
• mediates：变量对关系的中介作用
• implements：脚本实现的统计检验/模型
• compares：组间/变量间的统计比较
• includes：模型包含的变量
• validates：对模型或结果的验证
• cites：文献引用
• has_status：关联实体与当前状态（active, completed, pending, abandoned）
• has_priority：关联实体与优先级（high, low）
• precedes：表示流程或活动间的先后顺序

可用工具

量化研究员 MCP 服务器提供以下研究知识交互工具：

startsession

启动新的量化研究会话，生成唯一会话 ID 并显示当前研究项目、数据集、模型、可视化及历史会话。通过 has_status 关系显示状态信息，通过 has_priority 关系显示优先级，并根据流程顺序关系识别待开展的研究活动。

loadcontext

加载特定实体（项目、数据集、变量等）的详细上下文，按实体类型显示相关信息。包含状态信息、优先级及流程顺序关系。

endsession

通过结构化多阶段流程记录研究会话结果：

1. summary：记录会话摘要、时长及项目焦点
2. datasetUpdates：记录数据集更新
3. newAnalyses：记录新执行的统计分析
4. newVisualizations：追踪新创建的可视化
5. hypothesisResults：记录假设检验结果
6. modelUpdates：记录统计模型更新
7. statusUpdates：记录实体状态变更
8. projectStatus：更新项目整体状态、优先级分配及顺序关系
9. assembly：会话数据的最终汇编

buildcontext

在知识图谱中创建新实体、关系或观察项：

• entities：添加研究实体（项目、数据集、变量、状态、优先级等）
• relations：创建实体间关系（包括 has_status, has_priority, precedes）
• observations：为现有实体添加观察项

deletecontext

从知识图谱移除实体、关系或观察项：

• entities：移除研究实体
• relations：移除实体间关系（包括状态、优先级及顺序关系）
• observations：移除特定观察项

advancedcontext

从知识图谱检索信息：

• graph：获取完整知识图谱
• search：按查询条件搜索节点
• nodes：按名称获取特定节点
• related：查找关联实体
• status：按状态值（active, completed, pending, abandoned）查找实体
• priority：按优先级（high, low）查找实体
• sequence：识别研究流程的顺序关系

领域特定功能

量化研究员 MCP 服务器包含专用于量化研究的领域功能：

• getProjectOverview：项目全景视图（研究问题、方法、数据集、变量）
• getDatasetAnalysis：数据集内容分析（变量、描述统计、数据质量）
• getHypothesisTests：假设检验及其结果回顾
• getVariableRelationships：检查变量间相关性、预测性等关系
• getStatisticalResults：统计分析结果摘要
• getVisualizationGallery：查看为数据和结果创建的可视化
• getModelPerformance：评估统计模型性能指标
• getResearchQuestionResults：按研究问题组织分析与结果
• getVariableDistribution：检查单个变量的分布特性
• getStatusOverview：查看特定状态（active, completed, pending, abandoned）的所有实体
• getPriorityItems：识别高优先级研究任务
• getResearchSequence：基于 precedes 关系可视化研究流程顺序

示例指令

启动会话

为我的气候影响研究项目开启新的量化研究会话。

加载研究上下文

加载气候影响研究项目的上下文，以便查看当前统计分析状态。

记录会话结果

已完成气候影响研究的数据分析。运行了三个新回归模型检验温度与作物产量的关系，创建了两个相关性模式可视化图表，验证了关于降雨影响的假设。已将温度分析标记为完成，并将区域变异分析设为高优先级。控制区域变异后模型性能提升了15%。

管理研究知识

创建名为"年降水量"的新变量，归属于"气候测量"数据集，观察项注明其呈正态分布（均值34.5英寸）。将其状态设为active，并设定其流程顺序在"作物产量分析"之前。

将"数据清洗"流程状态更新为"completed"，并添加观察项说明已妥善处理所有异常值。

使用场景

本 MCP 服务器使量化研究人员能够：

• 保持分析连续性：跨多个研究会话追踪分析与结果
• 组织统计证据：将假设与支撑性统计检验关联
• 记录变量关系：追踪变量间的相关、预测或影响关系
• 追踪模型开发：记录统计模型演进及其性能
• 支持结果解读：将统计发现与研究问题和理论框架关联
• 确保方法严谨：记录方法论决策与分析路径
• 准备研究报告：组织支撑研究发现统计证据
• 追踪研究进度：监控研究生命周期中的实体状态
• 优先研究任务：聚焦高优先级研究活动
• 排序研究流程：规划研究步骤的逻辑顺序

配置

与 Claude Desktop 配合使用

在 claude_desktop_config.json 中添加：

通过 GitHub 安装并使用 npx 运行

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "npx",
      "args": [
        "-y",
        "github:tejpalvirk/quantitativeresearch"
      ]
    }
  }
}

全局安装直接运行

首先全局安装包：

npm install -g github:tejpalvirk/quantitativeresearch

然后配置 Claude Desktop：

{
  "mcpServers": {
    "quantitativeresearch": {
      "command": "contextmanager-quantitativeresearch"
    }
  }
}

docker 方式

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

构建

从源码构建

# 克隆仓库
git clone https://github.com/tejpalvirk/contextmanager.git
cd contextmanager

# 安装依赖
npm install

# 构建服务器
npm run build

# 运行服务器
cd quantitativeresearch
node quantitativeresearch_index.js

Docker 方式：

docker build -t mcp/quantitativeresearch -f quantitativeresearch/Dockerfile .

许可协议

本 MCP 服务器采用 MIT 许可证。您可自由使用、修改和分发本软件，需遵守 MIT 许可条款。详见项目仓库中的 LICENSE 文件。

环境变量

量化研究 MCP 服务器支持以下自定义数据存储位置的环境变量：

• MEMORY_FILE_PATH：知识图谱数据存储路径

  • 支持绝对或相对路径（相对路径基于当前工作目录）
  • 默认值：./quantitativeresearch/memory.json

• SESSIONS_FILE_PATH：会话数据存储路径

  • 支持绝对或相对路径
  • 默认值：./quantitativeresearch/sessions.json

使用示例：

# 在当前目录存储数据
MEMORY_FILE_PATH="./quantitative-memory.json" SESSIONS_FILE_PATH="./quantitative-sessions.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# 在指定绝对路径存储数据
MEMORY_FILE_PATH="/path/to/data/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch

# 在用户主目录存储数据
MEMORY_FILE_PATH="$HOME/contextmanager/quantitative-memory.json" npx github:tejpalvirk/contextmanager-quantitativeresearch