aigroup-econ-mcp 0.4.1__tar.gz → 0.4.2__tar.gz

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: aigroup-econ-mcp
-Version: 0.4.1
+Version: 0.4.2
 Summary: 专业计量经济学MCP工具 - 让大模型直接进行数据分析
 Project-URL: Homepage, https://github.com/aigroup/aigroup-econ-mcp
 Project-URL: Repository, https://github.com/aigroup/aigroup-econ-mcp.git

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "aigroup-econ-mcp"
-version = "0.4.1"
+version = "0.4.2"
 description = "专业计量经济学MCP工具 - 让大模型直接进行数据分析"
 readme = "README.md"
 requires-python = ">=3.10"

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/src/aigroup_econ_mcp/__init__.py

@@ -10,7 +10,7 @@ AIGroup 计量经济学 MCP 服务
 - 模型诊断
 """
 
-__version__ = "0.4.1"
+__version__ = "0.4.2"
 __author__ = "AIGroup"
 __description__ = "专业计量经济学MCP工具 - 让大模型直接进行数据分析"
 

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/src/aigroup_econ_mcp/server.py

@@ -38,7 +38,7 @@ from .tools.tool_handlers import (
 )
 
 # 导入装饰器
-from .tools.decorators import econometric_tool
+from .tools.base import with_file_support_decorator as econometric_tool
 
 
 # 应用上下文

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/src/aigroup_econ_mcp/tools/base.py

@@ -1,16 +1,26 @@
 """
-工具模块基类
-提供统一的优化组件集成和错误处理
+工具模块基类和装饰器
+整合了工具基类、装饰器、错误处理和优化组件
 """
 
 import functools
 from typing import Any, Dict, List, Optional, Callable, Type
+from functools import wraps
+from mcp.server.session import ServerSession
+from mcp.server.fastmcp import Context
+from mcp.types import CallToolResult, TextContent
+
 from .validation import ValidationError, validate_econometric_data, validate_model_parameters
 from .cache import cache_result, cache_model, global_econometric_cache
 from .monitoring import monitor_performance, track_progress, global_performance_monitor
+from .file_parser import FileParser
 from ..config import get_config, econometric_config
 
 
+# ============================================================================
+# 错误类定义
+# ============================================================================
+
 class EconometricToolError(Exception):
     """计量经济学工具错误基类"""
     
@@ -45,6 +55,177 @@ class ConfigurationError(EconometricToolError):
     pass
 
 
+# ============================================================================
+# 装饰器函数
+# ============================================================================
+
+def with_file_input(tool_type: str):
+    """
+    为工具函数添加文件输入支持的装饰器
+    
+    支持两种输入方式：
+    1. file_path: CSV/JSON文件路径
+    2. file_content: 文件内容字符串
+    
+    Args:
+        tool_type: 工具类型 ('single_var', 'multi_var_dict', 'regression', 'panel', 'time_series')
+    
+    使用示例:
+        @with_file_input('regression')
+        async def my_tool(ctx, y_data=None, x_data=None, file_path=None, file_content=None, file_format='auto', **kwargs):
+            # 如果提供了file_path或file_content，数据会被自动填充
+            pass
+    """
+    def decorator(func: Callable) -> Callable:
+        @wraps(func)
+        async def wrapper(*args, **kwargs):
+            # 提取上下文和文件参数
+            ctx = args[0] if args else kwargs.get('ctx')
+            file_path = kwargs.get('file_path')
+            file_content = kwargs.get('file_content')
+            file_format = kwargs.get('file_format', 'auto')
+            
+            # 优先处理file_path
+            if file_path:
+                try:
+                    await ctx.info(f"检测到文件路径输入: {file_path}")
+                    
+                    # 从文件路径解析
+                    parsed = FileParser.parse_file_path(file_path, file_format)
+                    
+                    await ctx.info(
+                        f"文件解析成功：{parsed['n_variables']}个变量，"
+                        f"{parsed['n_observations']}个观测"
+                    )
+                    
+                    # 转换为工具格式
+                    converted = FileParser.convert_to_tool_format(parsed, tool_type)
+                    
+                    # 更新kwargs
+                    kwargs.update(converted)
+                    
+                    await ctx.info(f"数据已转换为{tool_type}格式")
+                    
+                except Exception as e:
+                    await ctx.error(f"文件解析失败: {str(e)}")
+                    return CallToolResult(
+                        content=[TextContent(type="text", text=f"文件解析错误: {str(e)}")],
+                        isError=True
+                    )
+            
+            # 如果没有file_path但有file_content，处理文件内容
+            elif file_content:
+                try:
+                    await ctx.info("检测到文件内容输入，开始解析...")
+                    
+                    # 解析文件内容
+                    parsed = FileParser.parse_file_content(file_content, file_format)
+                    
+                    await ctx.info(
+                        f"文件解析成功：{parsed['n_variables']}个变量，"
+                        f"{parsed['n_observations']}个观测"
+                    )
+                    
+                    # 转换为工具格式
+                    converted = FileParser.convert_to_tool_format(parsed, tool_type)
+                    
+                    # 更新kwargs
+                    kwargs.update(converted)
+                    
+                    await ctx.info(f"数据已转换为{tool_type}格式")
+                    
+                except Exception as e:
+                    await ctx.error(f"文件解析失败: {str(e)}")
+                    return CallToolResult(
+                        content=[TextContent(type="text", text=f"文件解析错误: {str(e)}")],
+                        isError=True
+                    )
+            
+            # 调用原函数
+            return await func(*args, **kwargs)
+        
+        return wrapper
+    return decorator
+
+
+def with_error_handling(func: Callable) -> Callable:
+    """
+    为工具函数添加统一错误处理的装饰器
+    """
+    @wraps(func)
+    async def wrapper(*args, **kwargs):
+        ctx = args[0] if args else kwargs.get('ctx')
+        tool_name = func.__name__
+        
+        try:
+            return await func(*args, **kwargs)
+        except Exception as e:
+            await ctx.error(f"{tool_name}执行出错: {str(e)}")
+            return CallToolResult(
+                content=[TextContent(type="text", text=f"错误: {str(e)}")],
+                isError=True
+            )
+    
+    return wrapper
+
+
+def with_logging(func: Callable) -> Callable:
+    """
+    为工具函数添加日志记录的装饰器
+    """
+    @wraps(func)
+    async def wrapper(*args, **kwargs):
+        ctx = args[0] if args else kwargs.get('ctx')
+        tool_name = func.__name__
+        
+        await ctx.info(f"开始执行 {tool_name}")
+        result = await func(*args, **kwargs)
+        await ctx.info(f"{tool_name} 执行完成")
+        
+        return result
+    
+    return wrapper
+
+
+def with_file_support_decorator(
+    tool_type: str,
+    enable_error_handling: bool = True,
+    enable_logging: bool = True
+):
+    """
+    组合装饰器：为计量经济学工具添加文件支持和其他标准功能
+    
+    Args:
+        tool_type: 工具类型
+        enable_error_handling: 是否启用错误处理
+        enable_logging: 是否启用日志记录
+    
+    使用示例:
+        @with_file_support_decorator('regression')
+        async def ols_regression(ctx, y_data=None, x_data=None, **kwargs):
+            # 只需要编写核心业务逻辑
+            pass
+    """
+    def decorator(func: Callable) -> Callable:
+        wrapped = func
+        
+        if enable_error_handling:
+            wrapped = with_error_handling(wrapped)
+        
+        wrapped = with_file_input(tool_type)(wrapped)
+        
+        if enable_logging:
+            wrapped = with_logging(wrapped)
+        
+        return wrapped
+    
+    return decorator
+
+
+# ============================================================================
+# 工具基类
+# ============================================================================
+
 class EconometricTool:
     """
     计量经济学工具基类
@@ -206,16 +387,27 @@ class EconometricTool:
         return global_econometric_cache.result_cache.get_function_cache_stats(self.tool_name) or {}
 
 
+# ============================================================================
 # 便捷装饰器函数
-def econometric_tool(tool_name: str = None):
+# ============================================================================
+
+def econometric_tool_with_optimization(tool_name: str = None):
     """
-    计量经济学工具装饰器
+    计量经济学工具装饰器（带优化）
+    
+    应用缓存、性能监控和错误处理
     
     Args:
         tool_name: 工具名称
         
     Returns:
         Callable: 装饰器函数
+        
+    使用示例:
+        @econometric_tool_with_optimization('my_analysis')
+        def my_analysis(data):
+            # 自动获得缓存、监控和错误处理
+            pass
     """
     def decorator(func):
         name = tool_name or func.__name__
@@ -261,11 +453,18 @@ def validate_input(data_type: str = "generic"):
 
 # 导出主要类和函数
 __all__ = [
+    # 错误类
     "EconometricToolError",
     "DataValidationError", 
     "ModelFittingError",
     "ConfigurationError",
+    # 基类
     "EconometricTool",
-    "econometric_tool",
+    # 装饰器
+    "with_file_input",
+    "with_error_handling",
+    "with_logging",
+    "with_file_support_decorator",
+    "econometric_tool_with_optimization",
     "validate_input"
 ]

{aigroup_econ_mcp-0.4.1 → aigroup_econ_mcp-0.4.2}/src/aigroup_econ_mcp/tools/file_parser.py

@@ -1,12 +1,13 @@
 """
-文件解析模块
-支持CSV和JSON格式文件的智能解析和数据转换
+文件解析与输入处理模块
+整合了文件解析、数据转换和输入处理功能
 """
 
 import json
 import csv
-from typing import Dict, List, Any, Union, Tuple, Optional
+from typing import Dict, List, Any, Union, Tuple, Optional, Callable
 from pathlib import Path
+from functools import wraps
 import io
 import base64
 
@@ -540,6 +541,204 @@ class FileParser:
         return recommendations
 
 
+# ============================================================================
+# 文件输入处理组件
+# ============================================================================
+
+class FileInputHandler:
+    """
+    文件输入处理组件
+    
+    使用组件模式，为任何工具函数添加文件输入支持
+    """
+    
+    @staticmethod
+    def process_input(
+        file_content: Optional[str],
+        file_format: str,
+        tool_type: str,
+        data_params: Dict[str, Any]
+    ) -> Dict[str, Any]:
+        """
+        处理文件输入并转换为工具参数
+        
+        Args:
+            file_content: 文件内容
+            file_format: 文件格式
+            tool_type: 工具类型
+            data_params: 当前数据参数
+        
+        Returns:
+            更新后的参数字典
+        """
+        # 如果没有文件输入，直接返回原参数
+        if file_content is None:
+            return data_params
+        
+        # 解析文件
+        parsed = FileParser.parse_file_content(file_content, file_format)
+        
+        # 转换为工具格式
+        converted = FileParser.convert_to_tool_format(parsed, tool_type)
+        
+        # 合并参数（文件数据优先）
+        result = {**data_params, **converted}
+        
+        return result
+    
+    @staticmethod
+    def with_file_support(tool_type: str):
+        """
+        装饰器：为工具函数添加文件输入支持
+        
+        Args:
+            tool_type: 工具类型（single_var, multi_var_dict, regression, panel等）
+        
+        Returns:
+            装饰后的函数
+        
+        使用示例：
+            @FileInputHandler.with_file_support('regression')
+            async def my_regression_tool(y_data, x_data, file_content=None, file_format='auto'):
+                # 函数会自动处理file_content并填充y_data和x_data
+                pass
+        """
+        def decorator(func: Callable) -> Callable:
+            @wraps(func)
+            async def wrapper(*args, **kwargs):
+                # 提取文件相关参数
+                file_content = kwargs.get('file_content')
+                file_format = kwargs.get('file_format', 'auto')
+                
+                if file_content is not None:
+                    # 处理文件输入
+                    processed = FileInputHandler.process_input(
+                        file_content=file_content,
+                        file_format=file_format,
+                        tool_type=tool_type,
+                        data_params=kwargs
+                    )
+                    
+                    # 更新kwargs
+                    kwargs.update(processed)
+                
+                # 调用原函数
+                return await func(*args, **kwargs)
+            
+            return wrapper
+        return decorator
+
+
+class FileInputMixin:
+    """
+    文件输入混入类
+    
+    为类提供文件输入处理能力
+    """
+    
+    def parse_file_input(
+        self,
+        file_content: Optional[str],
+        file_format: str = "auto"
+    ) -> Optional[Dict[str, Any]]:
+        """解析文件输入"""
+        if file_content is None:
+            return None
+        return FileParser.parse_file_content(file_content, file_format)
+    
+    def convert_for_tool(
+        self,
+        parsed_data: Dict[str, Any],
+        tool_type: str
+    ) -> Dict[str, Any]:
+        """转换为工具格式"""
+        return FileParser.convert_to_tool_format(parsed_data, tool_type)
+    
+    def get_recommendations(
+        self,
+        parsed_data: Dict[str, Any]
+    ) -> Dict[str, Any]:
+        """获取工具推荐"""
+        return FileParser.auto_detect_tool_params(parsed_data)
+
+
+class UnifiedFileInput:
+    """
+    统一文件输入接口
+    
+    所有工具通过此类统一处理文件输入
+    """
+    
+    @staticmethod
+    async def handle(
+        ctx: Any,
+        file_content: Optional[str],
+        file_format: str,
+        tool_type: str,
+        original_params: Dict[str, Any]
+    ) -> Dict[str, Any]:
+        """
+        统一处理文件输入
+        
+        Args:
+            ctx: MCP上下文
+            file_content: 文件内容
+            file_format: 文件格式
+            tool_type: 工具类型
+            original_params: 原始参数
+        
+        Returns:
+            处理后的参数
+        """
+        if file_content is None:
+            return original_params
+        
+        try:
+            # 记录日志
+            await ctx.info("检测到文件输入，开始解析...")
+            
+            # 解析文件
+            parsed = FileParser.parse_file_content(file_content, file_format)
+            
+            # 记录解析结果
+            await ctx.info(
+                f"文件解析成功：{parsed['n_variables']}个变量，"
+                f"{parsed['n_observations']}个观测，"
+                f"数据类型={parsed['data_type']}"
+            )
+            
+            # 转换为工具格式
+            converted = FileParser.convert_to_tool_format(parsed, tool_type)
+            
+            # 合并参数
+            result = {**original_params}
+            result.update(converted)
+            
+            # 记录转换结果
+            if tool_type == 'regression':
+                await ctx.info(
+                    f"数据已转换：因变量={converted.get('y_variable')}，"
+                    f"自变量={converted.get('feature_names')}"
+                )
+            elif tool_type == 'panel':
+                await ctx.info(
+                    f"面板数据已识别：{len(set(converted.get('entity_ids', [])))}个实体，"
+                    f"{len(set(converted.get('time_periods', [])))}个时间点"
+                )
+            else:
+                await ctx.info(f"数据已转换为{tool_type}格式")
+            
+            return result
+            
+        except Exception as e:
+            await ctx.error(f"文件解析失败: {str(e)}")
+            raise ValueError(f"文件解析失败: {str(e)}")
+
+
+# ============================================================================
+# 便捷函数和参数定义
+# ============================================================================
+
 def parse_file_input(
     file_content: Optional[str] = None,
     file_format: str = "auto"
@@ -557,4 +756,74 @@ def parse_file_input(
     if file_content is None:
         return None
     
-    return FileParser.parse_file_content(file_content, file_format)
+    return FileParser.parse_file_content(file_content, file_format)
+
+
+async def process_file_for_tool(
+    ctx: Any,
+    file_content: Optional[str],
+    file_format: str,
+    tool_type: str,
+    **kwargs
+) -> Dict[str, Any]:
+    """
+    为工具处理文件输入的便捷函数
+    
+    使用示例：
+        params = await process_file_for_tool(
+            ctx=ctx,
+            file_
+content=file_content,
+            file_format=file_format,
+            tool_type='regression',
+            y_data=y_data,
+            x_data=x_data,
+            feature_names=feature_names
+        )
+        # params 现在包含处理后的所有参数
+    """
+    return await UnifiedFileInput.handle(
+        ctx=ctx,
+        file_content=file_content,
+        file_format=file_format,
+        tool_type=tool_type,
+        original_params=kwargs
+    )
+
+
+def create_file_params(
+    description: str = "CSV或JSON文件内容"
+) -> Dict[str, Any]:
+    """
+    创建标准的文件输入参数定义
+    
+    Args:
+        description: 参数描述
+    
+    Returns:
+        参数定义字典，可直接用于Field()
+    """
+    return {
+        "file_content": {
+            "default": None,
+            "description": f"""{description}
+            
+📁 支持格式：
+- CSV: 带表头的列数据，自动检测分隔符
+- JSON: {{"变量名": [数据], ...}} 或 [{{"变量1": 值, ...}}, ...]
+
+💡 使用方式：
+- 提供文件内容字符串（可以是base64编码）
+- 系统会自动解析并识别变量
+- 优先使用file_content，如果提供则忽略其他数据参数"""
+        },
+        "file_format": {
+            "default": "auto",
+            "description": """文件格式
+            
+可选值：
+- "auto": 自动检测（默认）
+- "csv": CSV格式
+- "json": JSON格式"""
+        }
+    }

aigroup_econ_mcp-0.4.2/src/aigroup_econ_mcp/tools/machine_learning.py

@@ -0,0 +1,60 @@
+"""
+机器学习集成模块 - 统一导出接口
+提供基于scikit-learn的机器学习算法，用于经济数据分析
+
+此模块作为统一入口，导出所有机器学习相关功能：
+- ml_models: 数据模型定义
+- ml_ensemble: 集成学习方法（随机森林、梯度提升树）
+- ml_regularization: 正则化回归（Lasso、Ridge）
+- ml_evaluation: 评估和比较功能
+"""
+
+# 导入数据模型
+from .ml_models import (
+    MLModelResult,
+    RandomForestResult,
+    GradientBoostingResult,
+    RegularizedRegressionResult,
+    CrossValidationResult,
+    FeatureImportanceResult
+)
+
+# 导入集成学习方法
+from .ml_ensemble import (
+    random_forest_regression,
+    gradient_boosting_regression
+)
+
+# 导入正则化回归
+from .ml_regularization import (
+    lasso_regression,
+    ridge_regression
+)
+
+# 导入评估和比较功能
+from .ml_evaluation import (
+    cross_validation,
+    feature_importance_analysis,
+    compare_ml_models
+)
+
+# 导出所有公共接口
+__all__ = [
+    # 数据模型
+    "MLModelResult",
+    "RandomForestResult",
+    "GradientBoostingResult",
+    "RegularizedRegressionResult",
+    "CrossValidationResult",
+    "FeatureImportanceResult",
+    # 集成学习
+    "random_forest_regression",
+    "gradient_boosting_regression",
+    # 正则化回归
+    "lasso_regression",
+    "ridge_regression",
+    # 评估和比较
+    "cross_validation",
+    "feature_importance_analysis",
+    "compare_ml_models"
+]