aigroup-econ-mcp 0.4.2__py3-none-any.whl → 1.3.3__py3-none-any.whl

aigroup_econ_mcp/tools/__init__.py

@@ -3,16 +3,17 @@
 """
 
 from . import regression, statistics, time_series, machine_learning, panel_data
-from . import validation, cache, monitoring, file_parser
+from . import validation, cache, monitoring, file_parser, tool_descriptions
 
 __all__ = [
-    "regression", 
-    "statistics", 
-    "time_series", 
-    "machine_learning", 
+    "regression",
+    "statistics",
+    "time_series",
+    "machine_learning",
     "panel_data",
     "validation",
-    "cache", 
+    "cache",
     "monitoring",
-    "file_parser"
+    "file_parser",
+    "tool_descriptions"
 ]

aigroup_econ_mcp/tools/data_loader.py

@@ -1,11 +1,12 @@
 """
 数据加载辅助模块
-提供通用的CSV文件加载功能
+提供通用的文件加载功能，支持CSV、JSON和TXT格式
 """
 
 from typing import Dict, List, Union
 from pathlib import Path
 import pandas as pd
+from .file_parser import FileParser
 
 
 async def load_data_if_path(
@@ -16,7 +17,7 @@ async def load_data_if_path(
     智能加载数据：如果是字符串则作为文件路径加载，否则直接返回
     
     Args:
-        data: 数据字典或CSV文件路径
+        data: 数据字典或文件路径（支持CSV/JSON/TXT）
         ctx: MCP上下文对象（可选，用于日志）
         
     Returns:
@@ -40,23 +41,28 @@ async def load_data_if_path(
             if not path.exists():
                 raise ValueError(f"文件不存在: {data}")
             
-            # 读取CSV文件
-            df = pd.read_csv(path)
+            # 使用FileParser解析文件（支持CSV/JSON/TXT自动检测）
+            parsed = FileParser.parse_file_path(str(path), "auto")
             
-            # 转换为字典格式
-            result = {col: df[col].tolist() for col in df.columns}
+            # 返回数据字典
+            result = parsed["data"]
             
             if ctx:
-                await ctx.info(f"✅ CSV文件加载成功：{len(df.columns)}个变量，{len(df)}个观测")
+                await ctx.info(
+                    f"✅ {parsed['format'].upper()}文件加载成功："
+                    f"{parsed['n_variables']}个变量，{parsed['n_observations']}个观测"
+                )
             
             return result
             
         except FileNotFoundError:
             raise ValueError(f"文件不存在: {data}")
         except Exception as e:
-            raise ValueError(f"CSV文件读取失败: {str(e)}")
+            raise ValueError(f"文件读取失败: {str(e)}")
     
     # 其他类型报错
+    raise TypeError(f"不支持的数据类型: {type(data)}，期望Dict或str")
+
 
 async def load_single_var_if_path(
     data: Union[List[float], str],
@@ -67,9 +73,9 @@ async def load_single_var_if_path(
     智能加载单变量数据：如果是字符串则作为文件路径加载，否则直接返回
     
     Args:
-        data: 数据列表或CSV文件路径
+        data: 数据列表或文件路径（支持CSV/JSON/TXT）
         ctx: MCP上下文对象（可选，用于日志）
-        column_name: CSV文件中要读取的列名（可选，默认读取第一列）
+        column_name: 文件中要读取的列名（可选，默认读取第一列）
         
     Returns:
         数据列表
@@ -92,32 +98,41 @@ async def load_single_var_if_path(
             if not path.exists():
                 raise ValueError(f"文件不存在: {data}")
             
-            # 读取CSV文件
-            df = pd.read_csv(path)
+            # 使用FileParser解析文件
+            parsed = FileParser.parse_file_path(str(path), "auto")
+            data_dict = parsed["data"]
             
             # 确定要读取的列
             if column_name:
-                if column_name not in df.columns:
-                    raise ValueError(f"列'{column_name}'不存在于CSV文件中。可用列: {list(df.columns)}")
-                result = df[column_name].tolist()
+                if column_name not in data_dict:
+                    raise ValueError(
+                        f"列'{column_name}'不存在于文件中。"
+                        f"可用列: {list(data_dict.keys())}"
+                    )
+                result = data_dict[column_name]
             else:
                 # 默认读取第一列
-                result = df.iloc[:, 0].tolist()
+                first_col = parsed["variables"][0]
+                result = data_dict[first_col]
                 if ctx:
-                    await ctx.info(f"未指定列名，使用第一列: {df.columns[0]}")
+                    await ctx.info(f"未指定列名，使用第一列: {first_col}")
             
             if ctx:
-                await ctx.info(f"✅ CSV文件加载成功：{len(result)}个观测")
+                await ctx.info(
+                    f"✅ {parsed['format'].upper()}文件加载成功：{len(result)}个观测"
+                )
             
             return result
             
         except FileNotFoundError:
             raise ValueError(f"文件不存在: {data}")
         except Exception as e:
-            raise ValueError(f"CSV文件读取失败: {str(e)}")
+            raise ValueError(f"文件读取失败: {str(e)}")
     
     # 其他类型报错
     raise TypeError(f"不支持的数据类型: {type(data)}，期望List或str")
+
+
 async def load_x_data_if_path(
     data: Union[List[List[float]], str],
     ctx = None
@@ -126,7 +141,7 @@ async def load_x_data_if_path(
     智能加载自变量数据：如果是字符串则作为文件路径加载，否则直接返回
     
     Args:
-        data: 自变量数据（二维列表）或CSV文件路径
+        data: 自变量数据（二维列表）或文件路径（支持CSV/JSON/TXT）
         ctx: MCP上下文对象（可选，用于日志）
         
     Returns:
@@ -150,22 +165,31 @@ async def load_x_data_if_path(
             if not path.exists():
                 raise ValueError(f"文件不存在: {data}")
             
-            # 读取CSV文件
-            df = pd.read_csv(path)
+            # 使用FileParser解析文件
+            parsed = FileParser.parse_file_path(str(path), "auto")
+            data_dict = parsed["data"]
             
             # 转换为二维列表格式
-            result = df.values.tolist()
+            variables = parsed["variables"]
+            n_obs = parsed["n_observations"]
+            
+            result = []
+            for i in range(n_obs):
+                row = [data_dict[var][i] for var in variables]
+                result.append(row)
             
             if ctx:
-                await ctx.info(f"✅ 自变量CSV文件加载成功：{len(result)}个观测，{len(result[0]) if result else 0}个自变量")
+                await ctx.info(
+                    f"✅ 自变量{parsed['format'].upper()}文件加载成功："
+                    f"{len(result)}个观测，{len(variables)}个自变量"
+                )
             
             return result
             
         except FileNotFoundError:
             raise ValueError(f"文件不存在: {data}")
         except Exception as e:
-            raise ValueError(f"自变量CSV文件读取失败: {str(e)}")
+            raise ValueError(f"自变量文件读取失败: {str(e)}")
     
     # 其他类型报错
-    raise TypeError(f"不支持的数据类型: {type(data)}，期望List[List[float]]或str")
-    raise TypeError(f"不支持的数据类型: {type(data)}，期望Dict或str")
+    raise TypeError(f"不支持的数据类型: {type(data)}，期望List[List[float]]或str")