mixpanel-mcp-mixpanel-ai-plugins

1. 基本信息

项目	内容
名称	mixpanel-mcp-mixpanel-ai-plugins
作者/维护者	Mixpanel, Inc.（官方 GitHub 组织，7 位具名工程师持续提交）
来源链接	https://github.com/mixpanel/ai-plugins/tree/main/plugins/mixpanel-mcp
许可证	Apache-2.0（来自 GitHub API，仓库根 LICENSE 文件与各 SKILL.md frontmatter 均声明）
GitHub Stars / Forks	12 / 3（来自 GitHub API；为 `mixpanel/ai-plugins` 整仓库数字——仓库内另两个目录 `mixpanel-mcp-eu`、`mixpanel-mcp-in` 是面向欧盟/印度数据合规的自动同步副本，与本技能内容一致，故整仓库热度即代表本技能）
最新版本	0.1.1（`plugin.json`）
安装方式	Claude Code：`claude plugin marketplace add mixpanel/ai-plugins` 后 `claude plugin install mixpanel-mcp`；亦提供 Cursor 市场安装

2. 功能介绍与亮点

mixpanel-mcp 是 Mixpanel 官方发布的 Agent 技能包，围绕一个远程 MCP 端点（mcp.mixpanel.com）封装了 11 个覆盖产品分析全链路的技能：

数据探查与解读：deep-research 引导 Agent 按“确认范围→查询→解读→假设”循环做指标根因调查；analyze-report 负责读懂并讲清一张已有报表/图表；monitor-metrics 监控指标异常、漂移并定位根因
看板与展示：create-dashboard 设计有叙事逻辑的看板布局；manage-boards 管理看板全生命周期（创建、模板化、克隆、清理、盘点）
实验与灰度：manage-experiment 覆盖 A/B 实验从假设设计、样本量计算到 CUPED、Winsorization、多重检验校正等统计方法，直至上线监控与结果解读；manage-feature-flags 处理 Feature Gate/Dynamic Config/Experiment 三种灰度产品的选型、分阶段放量与熔断
数据治理与上手：manage-lexicon 审计、打分并清理事件/属性元数据；prepare-ai-readiness 帮助团队为接入 AI 助手做业务上下文与元数据准备；tracking-implementation 指导从零到生产级的埋点实施；learn-mcp 是交互式的 MCP 能力入门向导

主要亮点：官方出品且开源可审计；每个 SKILL.md 都明确声明触发短语与“不适用场景”边界（如 manage-feature-flags 明确不处理实验设计，转交 manage-experiment），避免技能间职责混淆；子目录内近 3 个月由 7 位不同工程师持续提交，最近一次提交发生在 2026-07-30。

3. 适用场景

固定分类：数据分析与可视化。适用于已经在用 Mixpanel 做产品数据分析的团队：需要用 Agent 完成指标根因调查、看板搭建、A/B 实验设计与解读、Feature Flag 灰度管理、埋点实施或事件元数据治理的产品经理、数据分析师与工程师。

4. 跨 Agent 兼容性

Agent	结论	依据
Claude Code	✅ 原生支持	README 给出明确的插件市场安装命令
Codex	❓ 未验证	抓取材料未提及
OpenClaw	❓ 未验证	抓取材料未提及
Hermes Agent	❓ 未验证	抓取材料未提及

补充：README 另确认 Cursor 原生支持（市场安装或团队管理员导入）。

5. 推荐理由

它覆盖产品分析的全链路而不止停留在查数取数——把 Mixpanel 团队自己的分析方法论（实验统计校正、Lexicon 治理标准、看板叙事结构）编码进了 Agent 可执行的流程，能让不熟悉 Mixpanel 高级功能的用户也按专业流程完成实验设计或指标排查。

6. 评分

维度	分数	说明
受欢迎程度	7	官方 Mixpanel 出品，公司博客与官方文档均证实工程团队在内部真实使用该能力、7 位工程师近 3 个月持续维护；未检索到独立于 Mixpanel 的第三方评测或 GitHub Issue 讨论
可用性	9	一条命令通过 Claude 插件市场安装；11 份 SKILL.md 均含清晰触发条件、边界说明与分层参考资料（`references/`、`assets/`）；近期持续维护，无需额外付费依赖（仅需已有的 Mixpanel 账号）
安全性	8	见下方安全检查清单

安全检查清单：

Shell 命令执行：.mcp.json 仅用 npx -y mcp-remote <url> 拉起标准 MCP 客户端桥接远程端点，不在本地执行任意代码
联网外发：连接 Mixpanel 官方托管的 https://mcp.mixpanel.com/mcp，目标透明、属预期内的产品数据访问
凭据：需要用户自有的 Mixpanel 账号鉴权，走远程 MCP 端点标准授权流程，未见自建凭据存储逻辑
可疑指令：抽查 tracking-implementation、deep-research、manage-feature-flags 三份 SKILL.md 正文，未发现隐藏指令或混淆代码
作者信誉：GitHub 官方认证组织 mixpanel，提交均为具名员工
License：Apache-2.0，仓库 LICENSE 文件与各 SKILL.md frontmatter 双重声明，明确无歧义
维护时间：最近一次提交为 2026-07-30，持续活跃

综合评分：(7+9+8)/3 = 8.0

7. 跟同类 Skills 相比的优势

Skill	定位	与本技能的差异
retentioneering-product-analytics（retentioneering/retentioneering-tools）	开源本地事件日志分析引擎，把 CSV/Parquet 格式的点击流转成漏斗、留存、路径洞察	面向离线本地数据、无需连接任何在线产品；本技能连接的是 Mixpanel 托管的实时数据与实验平台，覆盖实验统计校正、灰度发布、看板管理等在线运营环节，是离线分析工具覆盖不到的场景
google-analytics-data-api-basics（google/skills）	官方 GA4 报表数据查询技能，覆盖 7 种语言客户端库	聚焦“取数”这一单点能力；本技能除取数外还覆盖实验设计、Feature Flag 灰度、Lexicon 元数据治理等 GA4 技能未涉及的产品运营全流程
feature-flagging（rampstackco/claude-skills）	面向 LaunchDarkly 等通用灰度平台的 Flag 生命周期工程纪律手册	是平台无关的通用方法论文档；本技能的灰度能力直接绑定 Mixpanel 自有的 Feature Gate/Dynamic Config/Experiment 三类产品并可直接调用 API 执行放量与熔断，更偏“可执行”而非“方法论参考”

8. 用户评价

该技能目前在第三方平台尚无独立于 Mixpanel 官方渠道的具名用户评价。Mixpanel 官方博客（2026 年 4 月）披露了内部工程师使用该能力自动生成看板、诊断接口超时问题并自我验证修复效果的具体案例，可作为官方使用场景的参考，但不构成独立第三方评价。

9. 其他补充

11 个技能均可单独触发，也可通过 learn-mcp 获得交互式入门引导；仓库同时提供 mixpanel-mcp-eu、mixpanel-mcp-in 两个内容同步的区域合规版本，供欧盟/印度数据驻留要求的团队安装。

10. 安装使用方式

Claude Code：

claude plugin marketplace add mixpanel/ai-plugins
claude plugin install mixpanel-mcp

安装后 MCP 客户端会自动连接 mcp.mixpanel.com，按提示完成 Mixpanel 账号鉴权即可在对话中触发对应技能（如“帮我看下这个指标为什么掉了”会触发 deep-research）。

Cursor：从 Cursor 市场直接安装，或由团队管理员在 Dashboard → Settings → Plugins → Import 中导入本仓库作为团队市场；安装后技能出现在 Cursor Settings → Rules 的 Agent Decides 分组下，可用 /skill-name 主动调用。

区域合规团队可将上述命令中的 mixpanel-mcp 替换为 mixpanel-mcp-eu 或 mixpanel-mcp-in。

11. 注意事项

需要一个有效的 Mixpanel 账号并完成远程 MCP 鉴权后才能实际调用数据类技能；纯离线场景不适用
仓库创建于 2026 年初，历史较短，尚未积累独立于官方渠道的第三方评价或大规模社区讨论，建议关注后续社区反馈
Codex、OpenClaw、Hermes Agent 三个生态的兼容性未见官方材料确认，如需在这些平台使用建议先自行验证