Agentic Data Scientist 

Agentic Data Scientist 是一个开源的多智能体协作框架，旨在自动化完成端到端的数据科学任务。该框架基于 Google Agent Development Kit (ADK) 与 Claude Agent SDK 构建，通过明确的角色分工、结构化的工作流与持续验证机制，解决传统自动化分析中常见的“盲目执行”“缺乏反馈”“无法纠错”等问题。

其核心设计原则是：将“规划”与“执行”彻底分离，在执行中动态调整，在全流程中持续验证。

核心设计理念

1. 规划先行，避免无效计算

系统在执行任何代码前，首先由 Planner 智能体生成包含目标、阶段划分与成功标准的完整分析方案。该方案需经 Reviewer 审核通过后，方可进入执行阶段，从而减少因需求理解偏差导致的返工。

2. 迭代式精炼，而非线性流水线

每个分析阶段（如数据清洗、特征工程、建模）均包含“执行 → 验证 → 反思 → 调整”闭环。若结果未达预期，系统可回溯、重规划或修正后续步骤，而非强行推进。

3. 全程可追踪的成功标准

所有任务均绑定明确的、可量化的成功标准（如“缺失值 < 1%”“模型 AUC > 0.85”）。Criteria Checker 智能体持续监控进度，确保最终输出覆盖全部目标。

4. 动态响应新发现

在执行过程中，若发现数据异常、新特征或用户未明说的需求（如“其实我更关心时间趋势”），Stage Reflector 会触发重规划，调整后续分析路径。

智能体角色与分工

所有智能体通过 **Model Context Protocol **(MCP) 与外部工具（如 Pandas、Scikit-learn、Matplotlib）交互，确保分析可落地。

技术特性

• MCP 工具集成：通过标准协议调用任意 Python 数据科学库；
• Claude 科学能力深度集成：直接复用其代码生成、统计推断、可视化等专业技能；
• 文件即数据：支持拖拽上传 CSV、Excel、JSON 等格式，自动解析 schema；
• 高度可定制：用户可自定义 Agent 提示词、角色行为、验证规则；
• 一键部署：支持 pip install 或 uvx 快速安装，无需复杂依赖。

适用场景

• 探索性数据分析（EDA）：自动识别分布、异常、相关性；
• 端到端建模：从数据清洗到模型部署的全流程自动化；
• 可复现报告生成：输出包含代码、图表、结论的完整分析文档；
• 教学与原型验证：快速验证分析思路，降低技术门槛；
• 企业级分析流水线：作为智能层嵌入现有数据平台。

与传统 AutoML 的区别