Kaggle MCP Server

🚀 LLMアプリケーションにKaggle APIの機能をシームレスに提供するModel Context Protocol (MCP) サーバー

✨ 主な機能

🏆 コンペティション管理

• コンペティション一覧取得 - 高度なフィルタリング機能付き
• 詳細情報取得 - 特定のコンペティションの完全な情報
• ファイルダウンロード - 進捗表示付きでデータをダウンロード

📊 データセット操作

• データセット検索 - Kaggleの膨大なコレクションから検索
• メタデータ取得 - ファイル構造を含む詳細な情報
• ダウンロード - 自動展開機能付き

🤖 モデル探索

• モデル一覧 - フィルタリング機能付きで探索
• モデル情報 - パフォーマンス指標とメタデータ

📚 スマートリソース

• アクティブコンペ - リアルタイム更新されるリソース
• 人気データセット - 自動キュレーションされた情報
• トレンドトピック - 最新の技術動向とテクニック
• 締切カレンダー - コンペティション締切の一覧
• 初心者ガイド - 学習パスと推奨コンペ
• プラットフォーム統計 - Kaggleの統計情報

🚀 クイックスタート

インストール

# uv使用（推奨）
uv sync

認証設定

方法1: 環境変数（推奨）

export KAGGLE_USERNAME=あなたのユーザー名
export KAGGLE_KEY=あなたのAPIキー

方法2: 設定ファイル

# ~/.kaggle/kaggle.json を作成
{
    "username": "あなたのユーザー名", 
    "key": "あなたのAPIキー"
}

💡 API認証情報の取得: Kaggleアカウント設定 → Create New Token

サーバー起動

# uv使用
uv run -m kaggle_mcp_server

# 開発モード（ホットリロード付き）
uv run mcp dev src/kaggle_mcp_server/server.py

# 直接実行
python -m kaggle_mcp_server

MCP設定

以下設定をすればMCPサーバとして使えます。

</path/to/kaggle-mcp-server>には、Kaggle MCP Serverの絶対パスを指定してください。

{
  "mcpServers": {
    "kaggle-mcp-server": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "</path/to/kaggle-mcp-server>",
        "-m",
        "kaggle_mcp_server"
      ]
    }
  }
}

🛠️ 利用可能なツール

ツール	説明	使用例
list_competitions	コンペティション一覧取得	テーブルデータカテゴリのMLコンペを検索
get_competition_details	コンペティション詳細情報	Titanicコンペの詳細情報を取得
download_competition_files	コンペティションファイルDL	住宅価格予測のトレーニングデータをDL
search_datasets	データセット検索	時系列予測用のデータセットを検索
get_dataset_details	データセット詳細とファイル構造	特定データセットの構造を調査
download_dataset	データセットファイルDL	練習用の人気データセットを取得
list_models	利用可能なモデル探索	NLPタスク用の事前学習モデルを検索

📚 MCPリソース

リソースURI	説明	自動更新
kaggle://competitions/active	現在アクティブなコンペティション	✅
kaggle://datasets/popular	トレンドと人気のデータセット	✅
kaggle://trends/hot-topics	トレンディングトピックと技術	✅
kaggle://calendar/deadlines	コンペティション締切カレンダー	✅
kaggle://beginner/getting-started	初心者向けガイドと学習パス	✅
kaggle://meta/platform-stats	Kaggleプラットフォーム統計	✅

💻 使用例

コンペティション検索

# LLMが自動的に使用:
"賞金の良いアクティブな機械学習コンペを教えて"

# 実行されるツール: list_competitions（適切なフィルタ付き）

データセット発見

# 自然言語リクエスト:
"売上予測の練習用に時系列データセットが欲しい"

# 実行フロー: search_datasets → get_dataset_details → download_dataset

クイックデータアクセス

# シンプルなリクエスト:
"Titanicデータセットをダウンロードして"

# 使用ツール: search_datasets → download_dataset（自動展開付き）

🤝 コントリビューション

1. リポジトリをフォーク
2. フィーチャーブランチ作成: git checkout -b feature/素晴らしい機能
3. 変更を加えてテスト追加
4. テストスイート実行: uv run python test_server.py
5. 変更をコミット: git commit -m '素晴らしい機能を追加'
6. ブランチにプッシュ: git push origin feature/素晴らしい機能
7. プルリクエストを開く

よくあるエラー

• 401 Unauthorized: API認証情報を確認
• 403 Forbidden: コンペがプライベートまたは期限切れ
• 404 Not Found: コンペ/データセットIDが不正
• Rate Limited: 待機してリトライ、またはAPIクォータ確認

📄 ライセンス

このプロジェクトはMITライセンスの下で公開されています - 詳細はLICENSEファイルを参照してください。

🙏 謝辞

• Kaggleチーム - 優秀なAPIの提供
• FastMCP - 堅牢なMCPフレームワーク
• Model Context Protocol - LLM統合の標準化