$ loading_
通过自然语言完成数据加载、模型训练与实验跟踪的数据科学工具
该工具材料显示其为开源、无密钥、未声明远程端点的独立数据科学 MCP 服务，整体未见明确高风险红旗。主要风险点在于其声明具备训练模型与处理数据的本地执行/数据访问能力，以及社区采用度低、维护状态未知，建议在隔离环境中审阅源码后使用。
材料明确标注“无”密钥/环境变量，未见要求提供 API key、Token 或其他敏感凭证；基于现有信息，凭证泄露或滥用面较低。
未声明任何远程端点，描述中也未显示需要将数据发送到外部服务；按材料事实看，暂无明确的用户数据外发路径。
系统检查项已明确包含 executes-code，且工具声明可加载数据、训练模型、跟踪实验，这通常意味着会在本机执行计算任务或启动相关处理流程。该能力属于此类 MCP 工具的常规高权限面，应注意资源消耗、命令执行边界及隔离运行。
描述显示其具备“load data”和实验跟踪能力，通常意味着需要读取本地数据文件并可能写入模型产物、日志或实验记录。材料未说明精确访问范围，暂未见明显过度授权证据，但仍应视为具备本地数据读写能力并限制其工作目录。
正面因素是开源且采用 MIT 许可证，源码可审计，这显著降低了供应链不透明风险；但来源为 third_party_registry，社区采用度仅 0 star，维护状态未知，代表成熟度与持续维护信号偏弱，建议先审查仓库内容与依赖清单。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP DS Toolkit Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
加载 sales_train.csv，识别目标列 churn，完成数据清洗、特征编码与训练/验证集划分，比较逻辑回归、随机森林和 XGBoost 的效果，并输出最佳模型的评估指标与特征重要性。
返回建模流程摘要、各模型对比结果、最佳模型评估指标及关键特征说明。
读取 user_behavior.xlsx，分析缺失值、异常值和主要分布特征，按渠道与地区做分组统计，找出影响转化率的关键变量，并给出后续分析建议。
输出数据质量检查结果、分组分析摘要、关键影响因素和可执行建议。
对 customer_risk 数据集进行三组模型实验，分别调整特征集合与超参数，记录每次实验的配置、指标和结论，并汇总成可复现的实验报告。
生成实验跟踪记录、结果对比表以及便于复现的总结报告。
可在运行时动态创建并执行多语言自定义工具，供 MCP 客户端直接调用。