Retentioneering MCP
MCP сервер и скиллы для продуктовой аналитики: пути пользователей, воронки, сегменты и графы переходов по событийным логам
- 946 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Выполняет код анализа и читает ваши событийные данные локально
- Может включать анонимную телеметрию использования по умолчанию
Установка
- Работает в
Ручная установка
pip install retentioneeringСтавит пакет с движком и MCP сервером. Нужен Python 3.10 и выше.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Выполняет код анализа и читает ваши событийные данные локально
- Может включать анонимную телеметрию использования по умолчанию
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Retentioneering это Python-инструментарий, который поднимает событийный лог в объект Eventstream и строит по нему графы переходов, матрицы шагов, воронки и поведенческие сегменты. Встроенный MCP сервер открывает эти инструменты агенту: вы спрашиваете на обычном языке, а агент вызывает конкретные проверенные функции анализа. В комплекте идут агентские скиллы с готовыми рецептами разбора и правилами, что помогает агенту не выдумывать вычисления, а повторять надежные шаги. Данные остаются на вашей машине, движок работает на DuckDB, результаты можно выгрузить в статичный HTML-отчет.
Для кого. Для продуктовых аналитиков и менеджеров, которые разбирают поведение пользователей по событийным данным.
Подходит, если
- Нужно понять, где пользователи застревают или уходят из воронки
- Нужно сравнить пути двух когорт или групп эксперимента
- Хотите, чтобы агент сам считал переходы и сегменты по вашему логу
Не подходит, если
- Нет событийных данных с колонками пользователь, событие и время
- Нужна только агрегированная веб-статистика без пользовательских последовательностей
Пример запроса к агенту
Загрузи мой лог событий и покажи, на каких шагах пользователи чаще всего отваливаются до покупкиMCP
- Транспорт
- sse
- Авторизация
- не нужна
Ограничения
MCP сервер в статусе беты и работает в локальном Python-ядре Jupyter, в облачных ноутбуках вроде Colab он не запускается. Нужен Python 3.10 и выше. По умолчанию может включаться анонимная телеметрия использования, ее можно отключить.
Как отключить. Остановите MCP сервер и удалите пакет: pip uninstall retentioneering. Скопированные папки скиллов уберите из каталога скиллов агента.
Частые вопросы
Данные уходят на сервер вендора?
Нет, анализ идет в вашем окружении, событийные данные не покидают машину. Отдельно может собираться анонимная телеметрия использования, ее отключают.
Чем скиллы отличаются от MCP сервера?
Скиллы это инструкции и рецепты разбора для агента, а MCP сервер дает агенту прямой доступ к функциям анализа вашего Eventstream.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыMCP Jitsu настраивает и отлаживает конвейеры данных: назначения, потоки, функции, живые события и синхронизации.
MCP-сервер Dremio: агент смотрит таблицы, ищет закономерности в данных и разбирает нагрузку кластера.
Агент запрашивает метрики, логи и трассы из GreptimeDB на SQL, TQL и RANGE, с запретом записи и маскировкой чувствительных данных
Официальный MCP-сервер Tableau: агент ищет источники данных, отправляет к ним запросы и открывает дашборды и метрики Pulse
MCP-сервер подключает Claude Code и Codex к открытой сессии R или Python в RStudio и Positron, где лежат ваши данные
datawrapper-mcp — графики Datawrapper через агента
datawrapper-mcp
MCP-сервер и приложение для Datawrapper: агент создает, обновляет, публикует и выгружает в PNG графики по вашим данным
Коротко о README
README представляет Retentioneering как открытый инструментарий для воспроизводимой продуктовой аналитики по кликстриму и логам событий. Пятая версия переписана на движок DuckDB и новые виджеты, добавлен MCP сервер для агентов. Аналитик загружает данные в Eventstream и получает интерактивные графы поведения, матрицы шагов, воронки и сегменты прямо в ноутбуке. Все считается на своей машине, отчеты выгружаются в HTML. Лицензия Apache 2.0.