搜索「CSV」的结果

io.github.subhatta123/twilize

生成 Tableau .twb/.twbx 工作簿：47 个工具覆盖图表、仪表板、规则与 CSV 流水线。

io.github.AshwanthramKL/whoop-mcp

面向 MCP 客户端的 WHOOP v2 只读数据：本地 SQLite 缓存与 CSV/JSONL/Parquet 导出。

io.github.enzoemir1/adops-mcp

Google Ads + Meta Ads 的 CSV 优先分析：报表、异常检测与预算优化。

io.github.igormilovanovic/data-converter

在 200 多种格式对之间转换：JSON、CSV、XML、YAML、PDF、Excel、DOCX 等。

io.github.LunarPerovskite/docalyze

读取并分析本地文档（PDF、Excel、CSV、Word、PowerPoint、图片），无需 API Key。

io.github.XJTLUmedia/markdown-formatter

AI 答案复制器——将 Markdown 转换为 PDF、DOCX、HTML、LaTeX、CSV、JSON、XML、XLSX、RTF、PNG。

io.github.pablixnieto2/etld-mcp-server

确定性的 B2B 数据中间件：CSV、EDI、SEC 与金融数据的瀑布式解析，零幻觉。

io.github.dbsectrainer/mcp-data-pipeline-connector

基于 DuckDB 的通用数据连接器，支持 CSV、Postgres 与 REST API。

io.github.rog0x/json

为 AI 智能体提供 JSON/YAML/CSV 校验、差异对比与转换。

io.github.rflukerii-dev/docbot-mcp

CSV、JSON 与 Markdown 之间的双向转换工具。

io.github.standardbeagle/dart-query

Dart AI 任务管理 MCP，支持批量操作、DartQL 选择器与 CSV 导入，几乎不产生上下文损耗。

io.github.gluip/chart-canvas

创建交互式可视化图表，并查询数据源（SQLite、CSV、Parquet、JSON）。

io.github.vinhphatfsg/transform-rules-mcp

按 YAML 规则完成 CSV/JSON 数据转换的 MCP 服务器。

io.github.docling-project/docling/docling

用 Docling 理解任意受支持格式文档的内容——PDF（原生数字或扫描件）、DOCX、PPTX、XLSX、HTML、Markdown、AsciiDoc、CSV、图片、音频与 XML——把它们统一转换为 DoclingDocument（Markdown 或结构化 JSON）。当你需要读取、解析、转换、提取或切分无法直接阅读的文档时使用，例如“这份 PDF 里有什么”“转成 markdown”“提取表格”“为 RAG 切块”“读这份扫描文档”“解析这个 DOCX/PPTX”。涵盖 docling CLI、Python SDK（DocumentConverter 与 PipelineOptions）、远程 Service Client（自托管或托管的 docling-serve），以及用于最小依赖体积的 docling-slim install extras。

io.github.bytedance/deer-flow/data-analysis

当用户上传 Excel（.xlsx/.xls）或 CSV 文件并希望做数据分析、生成统计、创建摘要、透视表、SQL 查询或任何结构化数据探索时使用。支持多 Sheet Excel 工作簿、聚合、过滤、连接，并将结果导出为 CSV/JSON/Markdown。

io.github.code-yeongyu/oh-my-openagent/data-scientist

以混合引擎策略进行专业数据处理：优先使用常驻内核引擎——DuckDB 加上常驻的 Python 技术栈（Polars/numpy/matplotlib），在 harness 支持的 js/py eval 内核中保持常驻，其他环境则用 bun/uv 单次执行——并按动作决定放置方式（内存内、流式、远端就地）。触发词：analyze the data、what is in this CSV/parquet/json、summarize this、group by、filter rows、sort by、join these files、merge datasets、time series trend、compare yesterday and today、distribution/histogram、correlation、clean duplicates、handle missing values、dataset larger than RAM、SQL query on files、DataFrame operations、chart/plot this data、DuckDB vs Polars selection、quick data exploration CLI。不适用于：纯文本/代码查看、配置文件或极小的内联计算。

io.github.github/awesome-copilot/geofeed-tuner

当用户提到 IP 地理定位馈送、RFC 8805、geofeed，或想创建、调优、验证、发布 CSV 格式的自建 IP 地理定位馈送时使用。目标用户为网络运营商、ISP、移动运营商、云服务商、托管公司、IXP 或卫星服务商，涉及 IP 地理定位准确性或 geofeed 编写最佳实践。帮助创建、完善和改进 CSV 格式的 IP 地理定位馈送，给出超出 RFC 8805 合规要求的定制化建议。不适用于私有或内部 IP 地址管理，仅面向可公网路由的 IP。

io.github.microsoft/skills-for-fabric/sqldw-consumption-cli

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 和 Mirrored Database 执行只读 T-SQL 查询。对任何 lakehouse 数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。当用户想要：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。针对 Fabric notebook 单元格（%%sql 或其他 notebook magic）请使用 `spark-authoring-cli` 而非本技能。触发语：warehouse、SQL query、T-SQL、query warehouse、show warehouse tables、show lakehouse tables、query lakehouse、lakehouse table、how many rows、count rows、SQL endpoint、describe warehouse schema、generate T-SQL script、warehouse performance、export SQL data、connect to warehouse、lakehouse data、explore lakehouse。

io.github.microclaw/microclaw/sql

编写、运行并解释 SQL 查询，并借助 sqlite3 CLI 对 CSV/SQLite 数据做快速本地分析。当用户要求编写或修复 SQL 查询、查询 .db/.sqlite 文件，或用 SQL 分析 CSV（联表、分组、窗口函数）时使用。触发词包括 SQL、query、SELECT、JOIN、GROUP BY、sqlite、database table、查询、数据库、写个 sql、联表、分组。

io.github.aipoch/medical-research-skills/pdf-extract-experimental-materials

从 PDF（或由 PDF 提取的文本/Markdown）中提取实验材料与仪器信息，生成三张 CSV 表；当论文/报告包含 Materials and Methods、Key Resources Table、Reagents、Antibodies、Consumables、Software、Equipment、Instruments 或 Reagent Preparation 等章节时使用。

io.github.LeoYeAI/openclaw-master-skills/pdf-convert-compdf

PDF 转换工具包，具备 AI 版面分析与 OCR 能力。将 PDF 转换为 Word、Markdown、JSON、PPT、CSV、HTML 与 XML，便于 LLM 无缝处理数据

io.github.microsoft/skills-for-fabric/sqldw-consumption-cli

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 与 Mirrored Database 执行只读 T-SQL 查询。任何湖仓数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。适用场景：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。触发词：“warehouse”“SQL query”“T-SQL”“query warehouse”“show warehouse tables”“show lakehouse tables”“query lakehouse”“lakehouse table”“how many rows”“count rows”“SQL endpoint”“describe warehouse schema”“generate T-SQL script”“warehouse performance”“export SQL data”“connect to warehouse”“lakehouse data”“explore lakehouse”。

io.github.phuryn/pm-skills/dummy-dataset

生成逼真的测试数据集，可自定义列、约束与输出格式（CSV、JSON、SQL、Python 脚本）。在创建测试数据、构建模拟数据集或为开发与演示生成样例数据时使用。

io.github.tech-leads-club/agent-skills/security-ownership-map

分析 git 仓库以构建安全所有权拓扑（人与文件映射），计算 bus factor 与敏感代码归属，并导出 CSV/JSON 供图数据库与可视化使用。仅当用户明确想要基于 git 历史的安全向所有权或 bus factor 分析时使用（例如：无主的敏感代码、安全维护者、针对风险的 CODEOWNERS 实况核查、敏感热点文件、所有权聚类）。不要用于通用维护者清单、非安全的所有权问题或威胁建模（用 security-threat-model）。