详细内容或原文请订阅后点击阅览
这是我建立MCP来自动化数据科学工作
为您的数据科学团队构建模型上下文协议（MCP）的分步指南（以及为什么适应AI是该领域保持领先地位的关键）。
来源:KDnuggets我作为数据科学家的大部分时间看起来都这样：
- Stakeholder: "Can you tell us how much we made in advertising revenue in the last month and what percentage of that came from search ads?"Me: "Run an SQL query to extract the data and hand it to them."Stakeholder: "I see. What is our revenue forecast for the next 3 years?"Me: "Consolidate data from multiple sources, speak to the finance team, and build a model that forecasts revenue."
如上所述的任务是企业利益相关者的临时请求。他们需要大约3-5个小时才能完成，并且通常与我正在从事的核心项目无关。
当这些与数据相关的问题出现时，他们通常要求我推动当前项目的截止日期或工作额外的工作时间来完成工作。这就是AI进来的地方。
一旦提供了Chatgpt和Claude之类的AI模型，该团队的效率就得到了提高，我对临时利益相关者请求做出响应的能力也得到了提高。 AI急剧减少了我花费的时间编写代码，生成SQL查询，甚至与不同的团队合作以获取所需信息。此外，在将光标（像光标）与我们的代码库集成在一起之后，效率的提高进一步提高了。我刚刚在上面解释的任务现在可以完成两倍。
chatgpt Claude 光标最近，当MCP服务器开始流行时，我对自己说：
我可以构建一个使这些数据科学工作流动自动化的MCP吗？
我花了两天的时间构建此MCP服务器，在本文中，我将分解：
＃ 此视频 // 此链接