前言¶
做數據分析的 Agent 工作流裏，統計檢驗是常見需求：兩組均值有沒有差異、分類變量是否相關、迴歸係數是否顯著。這些計算用 Python 的 scipy、statsmodels 都能做，但 Agent 每次要現寫腳本、拼函數、處理輸出格式。統計分析MCP服務器把這些能力預置成 30 個 MCP 工具，Agent 按工具名直接調用，不用每次現寫統計代碼。
這是什麼¶
統計分析MCP服務器是一個社區維護的 MCP 服務器，座標 @user_053d27d0/mcp-stats-engine-zx，發佈者 user_053d27d0，版本 1.0.1，分類 data-analysis。在 SkillHub 頁面上評分爲 100000、下載 1075 次。它解決的問題是：Agent 需要做統計分析時，無需現場編寫和調試統計腳本，直接調用現成的 MCP 工具完成檢驗與建模。
核心功能¶
服務器提供 30 個 MCP 工具，按官方簡介的能力歸納如下：
1、描述性統計：均值、方差、分位數等基礎彙總。
2、假設檢驗：t 檢驗、卡方檢驗、ANOVA、非參數檢驗、正態性檢驗。
3、迴歸分析：OLS 迴歸、Logistic 迴歸。
4、迴歸診斷：殘差分析、VIF（方差膨脹因子，用於檢驗多重共線性）。
5、時間序列：序列分解、ACF/PACF 自相關分析、ADF 平穩性檢驗、ARIMA 建模、Granger 因果檢驗。
需要說明的是：簡介只給出能力分類，各工具的具體參數 schema 官方資料未逐一列出，完整清單以加載後的工具列表爲準。
安裝與啓用¶
官方資料未提供逐條安裝命令，以下爲可覈實的配置信息：
服務器座標: @user_053d27d0/mcp-stats-engine-zx
版本: 1.0.1
來源: community
分類: data-analysis
配置字段: requires_api_key=false
requires_api_key=false 表示調用不需要額外申請 API Key。在支持 MCP 的客戶端裏，把該服務器按座標配置進 MCP 列表即可加載工具。Cursor、Codex CLI、Claude Code 的具體配置格式以各客戶端文檔爲準，官方資料未逐一說明，這裏不展開。
典型用法¶
官方資料未給出可復現的調用示例，下面是基於 MCP 協議的通用調用形態說明：
1、Agent 從加載的工具列表中選取工具，例如描述性統計或 t 檢驗。
2、按工具要求的參數傳入數據（數組、分組標籤、檢驗類型等），參數細節以加載後的工具 schema 爲準。
3、服務器返回檢驗結果，Agent 直接解讀 p 值、係數或統計量。
調用流程是標準 MCP 工具調用，參數名與返回格式以實際加載的 schema 爲準，官方資料未提供樣例輸入輸出，接入前建議先用小數據集驗證。
適用場景與注意¶
適合：在 Agent 工作流裏需要做統計檢驗、迴歸分析或時間序列分析，且希望跳過手寫統計代碼的場景。
注意：
1、該服務器爲社區來源（community），使用前建議自行覈對工具實現與統計正確性。
2、官方資料未列出每個工具的參數與返回格式，接入前先查看工具 schema。
3、30 個工具的完整清單以加載後的工具列表爲準，簡介只給出能力分類。
4、頁面顯示安裝數爲 0，實際可用性需以本地加載結果驗證。
結尾¶
統計分析MCP服務器把描述性統計、假設檢驗、迴歸診斷和時間序列分析封裝成 30 個 MCP 工具，適合需要統計能力的 Agent 工作流直接調用，省去每次現寫統計腳本的成本。官方地址：https://api.skillhub.cn/user_053d27d0/mcp-stats-engine-zx
