Каталог MCP
embeddedlayers/mcp-analytics

embeddedlayers/mcp-analytics

Name: embeddedlayers/mcp-analytics
Availability: InStock
Author: embeddedlayers

MCP сервер для adhoc анализа данных: загрузите CSV или подключите Shopify/Stripe/GA4, задайте вопрос — агенты построят кастомный модуль с интерактивным отчетом и AI-выводами. Модуль можно перезапускать на свежих данных. Для аналитиков и бизнеса.

Github NPM Сайт сервера

README

19 инструментов

Версии

Установить сервер

MCP Analytics

A statistical analyst in your AI chat. Bring a dataset and a question, get back a citable, re-runnable report with its method named.

MCP Analytics is a Model Context Protocol server that answers business and statistical questions about your data, as deep as each question needs:

Answer: a quick question about the data, read from all of it, shown with how we got it, and saved.
Analytics: a tested statistical method runs on the data, and we interpret it with charts and a written report.
Custom Analytics: a question only your business asks, built for your data from proven models, yours to re-run on next month's file.

Intelligent routing picks the depth: you describe the question, and the server says which path answers it and why. Analytics is repeatable: same data, same numbers. Every report names its method and the code that ran it, and runs again on new data.

It is for business and statistical questions about data, not a general-purpose assistant.

Website: mcpanalytics.ai · Free tools you can try in the browser: mcpanalytics.ai/free

Инструменты были проиндексированы: 21.10.2026

about

Получает информацию о платформе, цены, статистику использования или документацию.

Параметры

topicstringобязательный
Тема: платформа, цены, текущее использование, руководство или раздел документации.

agent_advisor

Разговорный ИИ, который направляет анализ и интерпретирует результаты.

Параметры

messagestringобязательный
Ваш вопрос или запрос

billing

Проверяет баланс кредитов, статус подписки или открывает биллинговый портал.

Параметры

actionenum
Платёжное действие

connectors_list

Перечисляет доступные коннекторы данных - GA4, Google Search Console и другие.

Параметры

Без параметров.

connectors_query

Извлекает данные в реальном времени из подключенного источника с помощью URI вида connector://.

Параметры

uristringобязательный
URI коннектора (например, connector://mcpanalytics_gsc/search_analytics?...)

datasets_download

Генерирует одноразовый токен для безопасной загрузки наборов данных.

Параметры

uuidstringобязательный
UUID набора данных

datasets_list

Перечисляет и ищет загруженные наборы данных с нечетким сопоставлением.

Параметры

limitinteger
Максимум результатов.
searchstring
Ищет по имени, описанию или тегам.

datasets_read

Читает содержимое датасета: просматривает строки, столбцы и типы.

Параметры

rowsinteger
Количество строк для предпросмотра
secretstring
Секретный ключ набора данных.
uuidstringобязательный
UUID набора данных

datasets_update

Обновляет метаданные набора данных - название, описание, теги, видимость.

Параметры

uuidstringобязательный
UUID набора данных

datasets_upload

Генерирует безопасный токен загрузки для CSV-файлов. Возвращает UUID и команду curl для пользователя.

Параметры

expires_ininteger
Срок действия токена в секундах

discover_tools

Находит инструменты анализа, соответствующие вашим данным или вопросу. Семантический поиск по более чем 50 статистическим и ML инструментам.

Параметры

datasetstring
UUID набора данных для сопоставления инструментов.
querystring
Текстовый запрос с описанием того, что вы хотите проанализировать.

module_request

Запрашивает создание пользовательского аналитического модуля для вашего сценария использования.

Параметры

descriptionstringобязательный
Чтобы выполнить перевод по вашим правилам, мне нужен сам исходный текст. После его получения я проведу следующий анализ: 1. Структурный разбор: выделю предложения, термины, имена собственные, ссылки и форматирование (например, /org/project), чтобы сохранить их точно. 2. Тональность: определю, где нужен разговорный стиль (как у разработчика), а где — нейтральный технический. 3. Лексика: заменю канцеляризмы и отглагольные существительные на глаголы (например, «осуществление» → «выполняет»), уберу модальные хеджирования («может», «способен») и клише («важно понимать», «играет ключевую роль»). 4. Пунктуация: заменю длинные тире на дефисы, расставлю запятые и точки согласно русским нормам. 5. Проверка соответствия правилам: исключу обороты «данный», «является», «представляет собой», «стоит отметить», «позволяет осуществить» и т.п. Что мне нужно от вас: - Исходный текст для перевода (одно или несколько предложений). - Язык перевода (по умолчанию — русский, судя по примерам). - Если есть специфические термины или контекст (например, документация API, код, маркетинговый текст) — укажите, чтобы я подобрал точные эквиваленты. Напишите текст, и я начну анализ и перевод.

report_cards

Получает данные отдельной карточки из отчёта для рендеринга.

Параметры

processing_idstringобязательный

reports_list

Выводит список отчетов анализа с метаданными.

Параметры

limitinteger
Максимум результатов.

reports_search

Ищет отчёты по ID задания, имени инструмента или ключевому слову.

Параметры

job_idsstring[]
Фильтрует по идентификаторам обработки.
querystring
Поисковый запрос

reports_view

Просматривает конкретный отчёт по идентификатору обработки.

Параметры

processing_idstringобязательный
Обрабатывает ID из tools_run.

tools_info

Получает подробную информацию о конкретном инструменте анализа: вариантах использования, предположениях, требованиях к данным.

Параметры

tool_namestringобязательный
Название инструмента

tools_run

Выполняет инструмент анализа. Возвращает URL интерактивного HTML-отчёта, которым можно поделиться.

Параметры

taskListobjectобязательный
Содержит входные данные: dataset, userContext, column_mapping, module_parameters
tool_namestringобязательный
Название инструмента для выполнения

tools_schema

Получает JSON-схему для инструмента: column_mapping и module_parameters требуются перед tools_run.

Параметры

tool_namestringобязательный
Название инструмента

1.0.0основная

27.03.2026

Выберите клиент, чтобы установить embeddedlayers/mcp-analytics:

Любой клиент

Конфиг добавления MCP сервера стандартный, обычно он не меняется вообще, поэтому подходит практически к любому ИИ клиенту, поддерживающему MCP.

{
  "mcpServers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

Cursor

Перейдите по ссылке и сервер автоматически будет добавлен в Cursor. Либо откройте/создайте файл ~/.cursor/mcp.json(%USERPROFILE%\.cursor\mcp.json на Windows) и добавьте конфиг сервера:

{
  "mcpServers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

VS Code

Создайте .vscode/mcp.json в проекте (ключ верхнего уровня — servers):

{
  "servers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

Либо добавьте сервер через терминал:

code --add-mcp "{\"name\":\"embeddedlayers-mcp-analytics-tmgh6ligho\",\"type\":\"stdio\",\"command\":\"npx\",\"args\":[\"-y\",\"@mcp-analytics/mcp-analytics\"],\"env\":{\"MCP_ANALYTICS_API_KEY\":\"mcp_your_key_here\"}}"

Claude Desktop

Откройте Settings → Developer → Edit Config — это откроет файл claude_desktop_config.json:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

Впишите сервер и полностью перезапустите Claude Desktop:

{
  "mcpServers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

Claude Code

Добавьте сервер одной командой в терминале:

claude mcp add embeddedlayers-mcp-analytics-tmgh6ligho --env MCP_ANALYTICS_API_KEY=mcp_your_key_here -- npx -y @mcp-analytics/mcp-analytics

Либо через JSON-конфиг:

claude mcp add-json embeddedlayers-mcp-analytics-tmgh6ligho "{\"command\":\"npx\",\"args\":[\"-y\",\"@mcp-analytics/mcp-analytics\"],\"env\":{\"MCP_ANALYTICS_API_KEY\":\"mcp_your_key_here\"}}"

Codex

Добавьте сервер командой в терминале:

codex mcp add embeddedlayers-mcp-analytics-tmgh6ligho --env MCP_ANALYTICS_API_KEY=mcp_your_key_here -- npx -y @mcp-analytics/mcp-analytics

Либо вручную в ~/.codex/config.toml(%USERPROFILE%\.codex\config.toml на Windows):

[mcp_servers.embeddedlayers-mcp-analytics-tmgh6ligho]
command = "npx"
args = ["-y", "@mcp-analytics/mcp-analytics"]

[mcp_servers.embeddedlayers-mcp-analytics-tmgh6ligho.env]
MCP_ANALYTICS_API_KEY = "mcp_your_key_here"

Perplexity

MCP доступен подписчикам Perplexity Pro / Max / Enterprise. Локальные серверы — только в приложении для macOS.

Откройте Настройки аккаунта → Connectors.
Установите вспомогательное приложение PerplexityXPC (один раз).
Нажмите Add Connector → вкладка Simple.
В поле Server Name укажите embeddedlayers/mcp-analytics, а в поле команды запуска — строку ниже:

npx -y @mcp-analytics/mcp-analytics

Нажмите Save и дождитесь статуса Running.

Windsurf

Откройте Windsurf Settings → Cascade → MCP Servers или отредактируйте файл ~/.codeium/windsurf/mcp_config.json:

{
  "mcpServers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

Cline

В панели Cline нажмите иконку MCP Servers → Configure → Configure MCP Servers (или отредактируйте ~/.cline/mcp.json) и добавьте сервер:

{
  "mcpServers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

Continue

Создайте файл в .continue/mcpServers/ (например embeddedlayers-mcp-analytics-tmgh6ligho.yaml) или добавьте блок в config.yaml. MCP работает только в режиме agent:

mcpServers:
  - name: embeddedlayers-mcp-analytics-tmgh6ligho
    command: npx
    args:
      - "-y"
      - "@mcp-analytics/mcp-analytics"
    env:
      MCP_ANALYTICS_API_KEY: mcp_your_key_here

Zed

Выполните agent: add context server или откройте настройки (zed: open settings file) и добавьте сервер в объект context_servers:

{
  "context_servers": {
    "embeddedlayers-mcp-analytics-tmgh6ligho": {
      "command": "npx",
      "args": [
        "-y",
        "@mcp-analytics/mcp-analytics"
      ],
      "env": {
        "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
      }
    }
  }
}

Конфиг для установки сервера

{
  "command": "npx",
  "args": [
    "-y",
    "@mcp-analytics/mcp-analytics"
  ],
  "env": {
    "MCP_ANALYTICS_API_KEY": "mcp_your_key_here"
  }
}

Нужен npx

Сервер запускается через npx
Без него ничего работать не будет.

Как установить npx

Информация о сервере

Номер в рейтинге: #197
Звезд на Github: 8
Форков на Github: 1
Загрузок: 240
Язык реализации: Python
Лицензия: MIT
Официальный сервер: Нет
Дата обновления данных: 21.10 в 04:06
Идентификатор: vaE2rpK7sHkW0Gc0
Категории: Визуализация данных

embeddedlayers/mcp-analytics

MCP Analytics

Похожие MCP-сервера

Ratnaditya-J/csvglow

YuChenSSR/mindmap-mcp-server

nteract/semiotic

KyuRish/mcp-dashboards

jinzcdev/markmap-mcp-server

1luvc0d3/metabase-mcp