antvis/mcp-server-chart 评测：让 LLM 直接产出 26 种图表的 MCP 服务

它解决什么问题，谁需要它

大模型能写代码，但让它直接生成一张可用的图表，中间隔着绘图库的选择、坐标轴的配置、数据格式的转换。mcp-server-chart 把这层工作收进一个 MCP 服务器里。它对外暴露 26 个生成图表的工具，每个工具对应一种图表类型，从常见的柱状图、折线图、饼图，到专门的箱线图、小提琴图、桑基图、词云，甚至包括思维导图和组织架构图。使用场景是让 Claude、Cursor、Cline 这类桌面应用通过 MCP 协议调用这些工具，模型只需要传数据和图表类型，服务器负责渲染出图。这个项目来自 AntV 团队，也就是蚂蚁集团可视化开源方案 G2、G2Plot 背后的团队，所以底层的渲染能力不是从零开始的。适合的人群是那些已经在用 MCP 客户端，并且频繁需要把分析结果可视化的工程师或数据分析师。如果你只是偶尔画一张图，直接写 Python 脚本可能更快，这个服务的价值在于把可视化变成模型可以自主调用的能力。

架构与数据流：MCP 工具如何变成图表

从仓库结构和文档描述看，这是一个用 TypeScript 编写的 MCP 服务器。它遵循 MCP 协议，通过标准接口暴露工具列表。每个工具，比如 generate_bar_chart，接收数据字段和图表参数，内部调用 AntV 的渲染能力生成图表。文档里有一张技术示意图，标题为 mcp-server-chart technical digram，但具体渲染流程没有在 README 中展开。可以确认的是，工具列表是固定的，每个工具对应一种图表类型，没有提供自定义图表的通用接口。数据流大概是这样的：模型根据用户问题决定用哪个工具，把数据以结构化形式传给工具，服务端处理并返回图表结果。对于地理类图表，比如 generate_district_map、generate_path_map 和 generate_pin_map，文档明确说明它们使用 AMap 服务，也就是高德地图，并且当前只支持中国范围内的地图生成。这是一个重要的架构约束，不是所有图表都走同一套渲染管线。

部署与接入：从 npx 到环境变量

安装方式非常直接，不需要本地编译。在 Mac 系统上，MCP 客户端配置指向 npx 命令即可：{"mcpServers":{"mcp-server-chart":{"command":"npx","args":["-y","@antv/mcp-server-chart"]}}}。Windows 系统则需要通过 cmd 包装：{"mcpServers":{"mcp-server-chart":{"command":"cmd","args":["/c","npx","-y","@antv/mcp-server-chart"]}}}。这意味着一台机器只要有 Node.js 环境，就能跑起来。README 还提到支持 SSE 或 Streamable transport 方式运行，适合需要远程接入的场景。CLI 选项部分没有给出具体参数，但环境变量部分列出了三个可配置项。VIS_REQUEST_SERVER 用于私有化部署，SERVICE_ID 用于生成记录，DISABLED_TOOLS 用于工具过滤。其中 DISABLED_TOOLS 很实用，如果你不想让模型调用某些图表类型，比如地图类，可以通过这个变量关掉，减少误用风险。

26 种图表工具的实际覆盖范围

工具列表覆盖了大部分常规数据可视化需求。基础的有 generate_area_chart、generate_bar_chart、generate_column_chart、generate_line_chart、generate_pie_chart、generate_scatter_chart 和 generate_histogram_chart。统计分析类有 generate_boxplot_chart、generate_violin_chart 和 generate_radar_chart。关系与流程类包括 generate_sankey_chart、generate_network_graph、generate_fishbone_diagram、generate_flow_diagram 和 generate_venn_chart。层级展示类有 generate_treemap_chart、generate_mind_map 和 generate_organization_chart。特殊用途包括 generate_liquid_chart 用于百分比展示，generate_word_cloud_chart 用于文本频率，generate_spreadsheet 可以渲染普通表格或数据透视表。地图类有三个，generate_district_map、generate_path_map 和 generate_pin_map，但全部依赖高德。这个覆盖面对于一般业务分析足够，但缺少一些高级图表，比如地理热力图或 3D 图表。另外，generate_spreadsheet 的行为值得注意，当传入 rows 或 values 字段时呈现为透视表，否则为普通表格，这说明工具对输入结构有约定，模型需要理解这些约定才能正确使用。

关键限制：地图功能只覆盖中国，且依赖高德

这个项目最明显的边界在地理可视化。README 用 NOTE 明确写道，地理可视化图表生成工具使用 AMap 服务，目前只支持中国范围内的地图生成。这意味着 generate_district_map、generate_path_map 和 generate_pin_map 对海外用户基本不可用，即使在中国，如果你需要高德之外的地图数据源，也没有替换选项。另一个限制是，整个服务是面向 MCP 客户端的，它不是一个独立的图表生成 API。你不能直接通过 HTTP 请求调用它，必须有一个支持 MCP 的宿主应用。文档提到可以在 Dify 中使用，但如果你没有这类客户端，这个项目对你没有直接价值。还有一点，工具的输入是结构化的数据，模型必须把用户的问题转换成正确的数据格式，如果数据字段不匹配，生成的图表可能出错或不符合预期。文档没有提供每个工具的参数 schema，这意味着模型需要依靠工具描述来推断参数，实际使用中可能遇到模型传错参数的情况。

与直接调用 AntV 库的对比

一个自然的替代方案是绕过 MCP，直接在代码里调用 AntV 的 G2 或 G2Plot 库。区别在于控制粒度。直接调用库，你可以完全控制图表的每一个配置项，包括坐标轴刻度、颜色映射、动画效果、交互行为。mcp-server-chart 是封装好的工具，你只能选择图表类型并传入数据，渲染细节由服务端决定，无法微调。另一个对比对象是让模型自己写 HTML 或 SVG 代码来画图，这种方式灵活但容易出错，模型生成的代码经常需要调试。mcp-server-chart 的价值在于把渲染过程标准化，模型不需要知道绘图代码怎么写，只需要选择正确的工具。代价是灵活性受限，如果你需要高度定制的图表，这个服务可能不够用。还有一个实际差异是部署环境，直接用库是进程内调用，没有网络依赖，而 mcp-server-chart 作为独立进程运行，需要管理进程生命周期和传输层。

维护与升级成本，许可证影响

项目使用 MIT 许可证，这意味着你可以自由使用、修改和分发，甚至可以集成到商业产品中。仓库处于活跃状态，最近一次发布是 2026 年 2 月的 0.9.10 版本，之前有 0.9.9 和 0.9.7，说明作者在持续迭代。维护成本主要体现在两个方面。第一，MCP 协议本身还在演进，如果客户端或协议版本更新，服务端可能需要跟进适配。第二，地图功能依赖高德服务，高德的 API 策略或配额变化会直接影响这部分功能，你无法自己控制。升级成本不高，因为通过 npx -y 运行，每次启动都会拉取最新版本，但这也意味着你无法锁定版本，如果新版本引入行为变化，可能影响现有工作流。如果你需要固定版本，应该考虑本地安装并指定版本号。文档没有提到数据持久化或缓存机制，每次调用都是独立的，没有状态管理，这简化了运维，但也意味着没有请求历史或图表复用能力。

编辑结论

适合已经使用 Claude、Cursor 或 Dify 等 MCP 客户端，并且需要让大模型直接产出可视化图表的团队。它把 26 种图表封装成标准 MCP 工具，省去自己编写绘图代码的环节。不适合需要全球地图或非中国区域地理可视化的场景，因为地图工具依赖 AMap 且仅支持中国。也不适合对图表渲染细节有严格定制要求的项目，因为输出由服务端决定。采纳前先验证三件事：确认你的客户端支持 stdio 或 SSE 传输方式；检查 DISABLED_TOOLS 是否能满足你的工具裁剪需求；如果涉及地理数据，确认数据范围在中国境内。MIT 许可证允许商用和修改，但地图服务的调用仍然受高德自身条款约束。

官方来源

1. antvis/mcp-server-chart on GitHub
2. License: MIT
3. Project website
4. README
5. Releases