langgraph
基于MCP和LangGraph的数据分析Agent服务器
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：langgraph。 它的用途是：基于MCP和LangGraph的数据分析Agent服务器 完整的 Skill 内容见：https://321skill.com/skills/langgraph-langgraph-mcp-dataanalysis/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我分析一下上个月的销售数据CSV文件，找出销售额最高的三个品类，并生成一个趋势图。”，它会通过MCP调用本Skill，自动读取文件、进行数据聚合与排序、调用图表库生成可视化结果，并将分析摘要和图表返回给你。
介绍
这个Skill旨在解决数据分析过程中流程复杂、工具切换频繁的问题。它基于Model Context Protocol (MCP)协议，并结合LangGraph框架，构建了一个可以执行多步骤、有状态数据分析任务的智能体服务器。用户可以通过自然语言指令，让智能体完成从数据获取、清洗、分析到可视化的完整流程。
使用方式是通过Python启动该服务器，它将作为一个后台服务运行。用户可以在支持MCP协议的AI客户端（如Claude Desktop）中，通过配置连接到这个服务器，从而在对话中直接调用其数据分析能力。服务器内部利用LangGraph来编排和协调不同的数据处理工具与步骤。
它非常适合需要频繁进行数据探索、统计分析和报告生成的数据分析师、学术研究者以及需要处理经营数据的业务人员。对于需要将数据分析能力集成到现有AI工作流中的开发者来说，也是一个高效的工具。
建议在Python 3.9+环境中使用，并确保已安装必要的依赖。由于它基于MCP协议，使用前请确认你的AI客户端支持MCP服务器连接。初次使用建议从简单的数据查询和统计任务开始，逐步尝试更复杂的分析流程。
核心特点
与单一的数据分析库或脚本不同，它通过MCP协议将数据分析能力直接暴露给AI助手，实现了对话式交互；同时，利用LangGraph框架管理分析流程的状态和步骤，能够处理需要多轮交互和条件判断的复杂分析任务，而非单次函数调用。
注意事项
不适合需要极低延迟的实时数据分析场景，也不适合处理超大规模（如PB级）数据集。
常见问题
这个Skill和直接用Python的pandas或numpy有什么区别？
它通过MCP协议让你能在AI对话中直接调用数据分析功能，无需手动编写和运行脚本，并用LangGraph编排复杂分析流程，实现更智能的交互式分析。
需要什么前置知识才能使用？
需要了解基本的Python环境配置，并对MCP协议和LangGraph有概念性了解。具体的数据分析任务可通过自然语言描述。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/langgraph-langgraph-mcp-dataanalysis/raw/index.md 读取 langgraph 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/langgraph-langgraph-mcp-dataanalysis/raw/index.md（查看排版版本）