MCP Analytics 是一款通过 MCP（Model Context Protocol）协议集成到 AI 聊天客户端的统计分析平台。用户只需提供数据和一个问题，平台会调度一组专业智能体（规格起草、构建、验证、修复、部署）生成针对该数据的定制分析，并返回可引用、可交互的报告。

用途

MCP Analytics 旨在让 AI 助手具备专业统计分析能力。用户可以在 Claude、Cursor、Windsurf 或任何支持 MCP 的客户端中，直接对 CSV 文件或实时数据源进行统计分析、预测和机器学习建模，无需编写代码。

主要能力

自然语言分析：用日常语言描述分析需求，平台自动生成定制分析。
多档深度：提供四档分析深度（snapshot、json、brief、deck），从即时快照到完整研究，深度越高采用越严谨的统计方法（假设检验、回归、诊断等）。
预置模块：内置 t 检验、回归、流失分析、客户细分、预测、客户 LTV、A/B 测试、时间序列、生存分析等模块，可在不到一分钟内查看完整报告。
数据连接：支持 CSV 上传、公开 URL，以及 Google Analytics 4 和 Google Search Console 的实时 OAuth 连接器（更多连接器即将推出）。连接后每次重跑自动拉取最新数据。
可引用报告：一键生成 APA / MLA / Chicago / BibTeX 引用，适合论文、演示和监管文件。
可复现：固定随机种子、Docker 隔离、命名方法，相同输入始终产生相同输出。
源码嵌入：每份报告嵌入 R 源代码，读者可自行运行验证。
个人库：所有委托分析保存在私有库中，可从任意 MCP 客户端查询，一键在新数据上重跑，按需分享。
跨库提问：ask_library 工具可对所有已交付分析提出一个问题，获得带引用的综合回答。

获取 API Key：在 account.mcpanalytics.ai 免费注册，获取以 mcp_ 开头的 API Key，赠送 9,000 欢迎积分，无需信用卡。
安装配置：支持 Claude Desktop、Cursor、Windsurf、Claude Code 等 stdio MCP 客户端（需 Node.js 18+），也支持 Streamable HTTP 传输。配置方式包括编辑 claude_desktop_config.json、.cursor/mcp.json 或运行 npx 命令。
开始分析：重启 MCP 客户端后，用自然语言提问，例如“上传 sales.csv 并找出收入驱动因素”“预测下季度销售”。

工作流程：上传数据（datasets_upload）→ 委托分析（create_analysis，指定问题、数据集和深度档位）→ 跟踪构建（build_status）→ 获取报告（reports_view / report_cards）→ 重跑（run_analysis）。