[具身智能-529]：npm install -g @antv/mcp-server-chart , 摆脱云端服务的限制，在本地部署mcp-server-chart ，保护数据安全。

这是一个非常明智的决定。通过本地部署@antv/mcp-server-chart，你不仅摆脱了对 AntV 官方公网服务的依赖，更重要的是实现了数据私有化——你的原始数据（如财务报表、业务数据）不会离开你的本地环境，彻底解决了企业级应用中的隐私顾虑。

以下是实现完全本地化、安全可控部署的完整实操指南。

🏗️ 核心架构：如何实现“数据不出本地”？

默认的@antv/mcp-server-chart安装后，虽然服务运行在本地，但默认配置下它可能会尝试调用 AntV 的云端渲染 API。为了实现彻底的数据安全，我们需要引入一个本地渲染引擎。

推荐架构方案：

1. MCP Server (@antv/mcp-server-chart)：作为“指挥官”，接收 AI 的指令。
2. 本地渲染服务 (gpt-vis-api)：作为“绘图员”，在本地 Docker 容器中运行，负责画图。
3. 本地对象存储 (MinIO)：作为“画室”，在本地存储生成的图片，不上传公网云。

🛠️ 第一步：环境准备

在开始之前，请确保你的电脑安装了以下基础环境：

• Node.js(建议 v18 或更高版本)
• Docker & Docker Compose(用于运行本地渲染服务和存储)

🚀 第二步：部署本地渲染后端 (The Worker)

我们需要先启动一个本地的“绘图服务”，让 MCP Server 有地方发送绘图请求。

1. 启动 MinIO (本地图片存储)

打开终端，运行以下命令启动 MinIO 容器，用于存储生成的图表图片：

bash

docker run -d \ --name minio \ -p 19000:9000 \ -p 19001:9001 \ -v "$(pwd)/minio-data:/data" \ -e MINIO_ROOT_USER=admin \ -e MINIO_ROOT_PASSWORD=12345678 \ minio/minio:RELEASE.2025-04-22T22-12-26Z \ server /data --console-address ":9001"

注意：启动后，访问http://localhost:19001，登录并创建一个名为chart-images的存储桶（Bucket），并将其权限设置为public。

2. 启动 GPT-VIS-API (本地绘图引擎)

这是一个轻量级的图表渲染服务，专门配合 MCP Server 使用。

bash

docker run -d \ --name gpt-vis-api \ -p 3100:3000 \ -e MINIO_ENDPOINT=host.docker.internal \ -e MINIO_PORT=19000 \ -e MINIO_USE_SSL=false \ -e MINIO_ACCESS_KEY=admin \ -e MINIO_SECRET_KEY=12345678 \ -e MINIO_BUCKET=chart-images \ -e MINIO_PUBLIC_DOMAIN="http://localhost:19000" \ crpi-7xkxsdc0iki61l0q.cn-hangzhou.personal.cr.aliyuncs.com/apconw/gpt-vis-api:0.0.1

⚙️ 第三步：安装并配置本地 MCP Server

现在后端准备好了，我们来安装并配置 MCP Server，告诉它不要去连公网，而是连接刚才启动的本地服务。

1. 安装工具

bash

npm install -g @antv/mcp-server-chart

2. 配置环境变量 (关键步骤)

你需要设置一个环境变量VIS_REQUEST_SERVER，将其指向你本地的绘图服务地址。

• macOS / Linux:bash

  编辑

  export VIS_REQUEST_SERVER="http://localhost:3100/generate"

• Windows (PowerShell):powershell

  编辑

  $env:VIS_REQUEST_SERVER="http://localhost:3100/generate"

3. 启动服务

bash

mcp-server-chart --transport sse --port 1122

此时，服务已在本地 1122 端口启动，且所有绘图请求都会转发到本地的 3100 端口，完全在局域网内闭环。

🔌 第四步：在 AI 工具中连接

最后，在你的 AI 客户端（如 Cursor、Claude Desktop 或 Trae）中配置连接这个本地服务。

以 Claude Desktop 配置 (claude_desktop_config.json) 为例：

json

{ "mcpServers": { "local-safe-chart": { "command": "npx", "args": ["-y", "@antv/mcp-server-chart"], "env": { "VIS_REQUEST_SERVER": "http://localhost:3100/generate" } } } }

🛡️ 部署效果验证

配置完成后，你可以进行以下测试来验证数据安全链路：

1. 断网测试：拔掉网线，向 AI 发送指令：“根据这组数据画一个柱状图”。
2. 结果观察：
   • 如果配置正确，AI 依然能生成图表。
   • 生成的图片链接通常是http://localhost:19000/...开头的本地地址。
   • 打开 MinIO 控制台，你会看到图片文件实实在在地存储在你的硬盘里。

📌 总结

通过这套方案，你实现了一个完全闭环的私有化数据可视化系统：

• 数据流向：AI -> 本地 MCP Server -> 本地渲染容器 -> 本地 MinIO 存储。
• 安全等级：极高。没有任何业务数据会经过公网。
• 性能：由于都在本地，生成速度通常比调用云端 API 更快（通常 < 500ms）。