VegaLite MCP 서버

“VegaLite” MCP 서버는 무엇을 하나요?

VegaLite MCP 서버는 Model Context Protocol(MCP) 서버 구현체로, 대형 언어 모델(LLM)에게 Vega-Lite 구문을 활용한 데이터 시각화 인터페이스를 제공합니다. 이 서버를 통해 AI 어시스턴트 및 애플리케이션은 표 형식 데이터 저장, Vega-Lite 사양에 따른 시각화(차트, 그래프 등) 생성과 같은 작업을 위임할 수 있습니다. 개발자는 프로그래밍 방식으로 데이터를 시각화할 수 있어 워크플로우가 강화되며, LLM은 데이터셋 관리와 맞춤형 시각적 출력 생성이 모두 가능해져 데이터 분석, 보고, 연구에 필수적인 역할을 합니다. 서버는 데이터가 포함된 전체 Vega-Lite 사양(텍스트 모드) 또는 base64로 인코딩된 시각화 PNG 이미지(이미지 모드) 중 하나로 결과를 반환해, 다양한 연동 환경에 유연하게 대응할 수 있습니다.

프롬프트 목록

저장소에 프롬프트 템플릿이 별도로 나와 있지 않습니다.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

리소스 목록

저장소에 별도의 MCP 리소스가 문서화되어 있지 않습니다.

도구 목록

• save_data
  • 나중에 시각화할 수 있도록 데이터 집계 테이블을 서버에 저장합니다.
  • 입력:
    • name (string): 저장할 데이터 테이블명.
    • data (array): 데이터 테이블을 나타내는 객체 배열.
  • 반환: 성공 메시지.
• visualize_data
  • Vega-Lite 구문을 사용해 데이터 테이블을 시각화합니다.
  • 입력:
    • data_name (string): 시각화할 데이터 테이블명.
    • vegalite_specification (string): Vega-Lite 사양을 나타내는 JSON 문자열.
  • 반환: --output_type이 text면 데이터가 포함된 전체 Vega-Lite 사양, png면 base64 인코딩된 PNG 이미지 반환.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

MCP 서버 활용 사례

• 데이터 분석 및 시각화
  • 개발자와 데이터 과학자가 데이터셋을 업로드하고 Vega-Lite 사양을 활용해 바 차트, 산점도 등 다양한 시각화를 프로그래밍 방식으로 생성할 수 있습니다.
• 자동 보고서 생성
  • LLM이 데이터를 저장하고 차트를 자동으로 생성해 비즈니스 인텔리전스 또는 연구용 보고서 시각화를 자동화할 수 있습니다.
• 인터랙티브 데이터 탐색
  • 새로운 데이터 테이블을 저장하고 필요 시 즉시 시각화해 데이터 중심 프로젝트의 워크플로우를 간소화할 수 있습니다.
• 교육 도구
  • 교육 플랫폼에 통합해 학생이나 사용자가 데이터셋을 직접 시각화하고 데이터 시각화 원리를 체험하며 학습할 수 있습니다.

설정 방법

Windsurf

저장소에 Windsurf용 별도 설정 안내가 없습니다.

Claude

1. claude_desktop_config.json 파일을 엽니다.
2. mcpServers 오브젝트를 찾습니다.
3. 다음 JSON 스니펫을 활용해 VegaLite MCP 서버를 추가하세요:

   {
     "mcpServers": {
       "datavis": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-datavis-server",
           "run",
           "mcp_server_datavis",
           "--output_type",
           "png" // 또는 "text"
         ]
       }
     }
   }
   

4. 설정 파일을 저장하세요.
5. Claude Desktop을 재시작하고 서버가 정상 작동하는지 확인하세요.

API 키 보안

API 키 보안 관련 별도의 안내나 예시는 저장소에 제공되지 않습니다.

Cursor

저장소에 Cursor용 별도 설정 안내가 없습니다.

Cline

저장소에 Cline용 별도 설정 안내가 없습니다.

FlowHunt 플로우에서 MCP 활용법

FlowHunt에서 MCP 서버 연동하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, 우선 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같이 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "MCP-name": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면 AI 에이전트가 MCP의 모든 기능과 도구를 활용할 수 있습니다. “MCP-name"은 실제 MCP 서버 이름(예: “vegalite”, “data-vis” 등)으로, URL도 본인 MCP 서버 주소로 변경해 입력하세요.

개요

위 표 기준, VegaLite MCP 서버는 도구와 개요 측면에서는 충실하게 문서화되어 있으나, 프롬프트·리소스·보안 설정 정보가 부족해 즉시 통합 점수는 제한적입니다.

의견

MCP VegaLite 서버는 LLM 기반 데이터 시각화를 위한 인터페이스가 명확한 직관적 서버입니다. 다만, 프롬프트 템플릿, 리소스, 보안 안내 부재로 고도화·운영 환경 적용에는 한계가 있습니다. 데이터 저장·시각화라는 핵심 도구는 우수하나, 전체 완성도와 확장성 측면에서 아쉬움이 있습니다.

평가: 5/10

MCP 점수