前言¶
做数据分析的 Agent 工作流里，统计检验是常见需求：两组均值有没有差异、分类变量是否相关、回归系数是否显著。这些计算用 Python 的 scipy、statsmodels 都能做，但 Agent 每次要现写脚本、拼函数、处理输出格式。统计分析MCP服务器把这些能力预置成 30 个 MCP 工具，Agent 按工具名直接调用，不用每次现写统计代码。
这是什么¶
统计分析MCP服务器是一个社区维护的 MCP 服务器，坐标 @user_053d27d0/mcp-stats-engine-zx，发布者 user_053d27d0，版本 1.0.1，分类 data-analysis。在 SkillHub 页面上评分为 100000、下载 1075 次。它解决的问题是：Agent 需要做统计分析时，无需现场编写和调试统计脚本，直接调用现成的 MCP 工具完成检验与建模。
核心功能¶
服务器提供 30 个 MCP 工具，按官方简介的能力归纳如下：
1、描述性统计：均值、方差、分位数等基础汇总。
2、假设检验：t 检验、卡方检验、ANOVA、非参数检验、正态性检验。
3、回归分析：OLS 回归、Logistic 回归。
4、回归诊断：残差分析、VIF（方差膨胀因子，用于检验多重共线性）。
5、时间序列：序列分解、ACF/PACF 自相关分析、ADF 平稳性检验、ARIMA 建模、Granger 因果检验。
需要说明的是：简介只给出能力分类，各工具的具体参数 schema 官方资料未逐一列出，完整清单以加载后的工具列表为准。
安装与启用¶
官方资料未提供逐条安装命令，以下为可核实的配置信息：
服务器坐标: @user_053d27d0/mcp-stats-engine-zx
版本: 1.0.1
来源: community
分类: data-analysis
配置字段: requires_api_key=false
requires_api_key=false 表示调用不需要额外申请 API Key。在支持 MCP 的客户端里，把该服务器按坐标配置进 MCP 列表即可加载工具。Cursor、Codex CLI、Claude Code 的具体配置格式以各客户端文档为准，官方资料未逐一说明，这里不展开。
典型用法¶
官方资料未给出可复现的调用示例，下面是基于 MCP 协议的通用调用形态说明：
1、Agent 从加载的工具列表中选取工具，例如描述性统计或 t 检验。
2、按工具要求的参数传入数据（数组、分组标签、检验类型等），参数细节以加载后的工具 schema 为准。
3、服务器返回检验结果，Agent 直接解读 p 值、系数或统计量。
调用流程是标准 MCP 工具调用，参数名与返回格式以实际加载的 schema 为准，官方资料未提供样例输入输出，接入前建议先用小数据集验证。
适用场景与注意¶
适合：在 Agent 工作流里需要做统计检验、回归分析或时间序列分析，且希望跳过手写统计代码的场景。
注意：
1、该服务器为社区来源（community），使用前建议自行核对工具实现与统计正确性。
2、官方资料未列出每个工具的参数与返回格式，接入前先查看工具 schema。
3、30 个工具的完整清单以加载后的工具列表为准，简介只给出能力分类。
4、页面显示安装数为 0，实际可用性需以本地加载结果验证。
结尾¶
统计分析MCP服务器把描述性统计、假设检验、回归诊断和时间序列分析封装成 30 个 MCP 工具，适合需要统计能力的 Agent 工作流直接调用，省去每次现写统计脚本的成本。官方地址：https://api.skillhub.cn/user_053d27d0/mcp-stats-engine-zx
