Power your agent
การติดตั้งจากผู้เผยแพร่ ไม่ใช่เอนด์พอยต์ของ PlugMCP
URL แบบรีโมตหรือคำสั่งบนเครื่องของคุณ? การติดตั้งสองแบบต่างกันอย่างไร
รันบน PlugMCP
A new server you create. It is not this listing's official endpoint. Use the publisher install when you want their URL and their credentials.
เปิดจากผู้เผยแพร่
Agent-native Stata bridge for empirical research — run DiD/IV/RDD and publication-ready tables from Claude Code, Jupyter, or VS Code on one token-economy result schema, with StatsPAI cross-validation. | 面向实证研究的智能体 Stata 桥接器——在 Claude Code、Jupyter、VS Code 中用一套省 token 的结果格式跑 DiD/IV/RDD 与出版级表格，并支持 StatsPAI 跨栈交叉验证。
Stanford REAP × CoPaper.AI · 面向实证研究的产学研 AI 工具箱
stata-code 让你可以从现代开发环境中驱动 Stata：LLM 智能体（Claude Code、Cursor、Claude Desktop）、Jupyter notebook，或 VS Code 编辑器。它们共享同一个 Python 核心，并返回稳定、结构化、适合智能体读取的结果格式。
面向实证经济学家。 用自然语言驱动 Stata：一次对话里跑完 DiD、IV、RDD 和出版级 esttab 表——再把每个估计在 Stata 与 Python 两套实现上交叉核对，只采信结果一致的那一个（Cunningham 跨包稳健性检验）。
60 秒上手（配合 Claude Code，无需全局安装）：
claude mcp add stata-code --scope user -- uvx --from "stata-code[mcp]" stata-code-mcp
然后直接问：
“用
data/cfps_panel.dta跑一个工人月工资对处理变量的双向固定效应回归（控制变量age age2 edu industry），再用 Callaway-Sant'Anna 检验异质处理效应，最后输出esttab表。”
stata-code 会自动写 do 文件、运行、把表格回传并解读结果——还能用 StatsPAI 把同一个 ATT 再估一遍，确认两套结果一致。这些工作流以一键 MCP prompts（did_event_study、iv_2sls、rdd、publication_table、cross_validate_did）的形式提供，背后是一个按需调用的 recipe 库。
为什么选 stata-code： MIT 许可证 · 同时提供 MCP server、内置 agent skill、Jupyter kernel、VS Code 扩展 和 终端命令行（stata-code run）· 统一的结构化、省 token 的结果格式（typed errors、原生 r() / e()）· 支持 Stata 17+（pystata）或 Stata 13+（无需 pystata 的 console 后端） · 零 Python 独立二进制 · 面向无人值守 agent 的默认命令安全护栏 · 配合 StatsPAI 做跨栈交叉验证（Cunningham 检验）。
┌────────────────────────────────────────┐
│ stata-code core (Python) │
│ │
│ • pystata 17+ / console 13+ backends │
│ • v1.0 统一结果 schema │
│ • 默认节省 token │
│ • 通过 Stata frames 支持多 session │
│ • 结构化 typed errors + 建议 │
└────────────────────────────────────────┘
↑ ↑ ↑
┌────────┴────┐ ┌──────┴─────┐ ┌────┴────────────┐
│ Jupyter │ │ MCP │ │ VS Code │
│ kernel │ │ server │ │ extension │
└─────────────┘ └────────────┘ └─────────────────┘
此外还有第四个前端——终端命令行（stata-code run / lint / setup），让任何能调用 shell 的 agent（或纯终端）拿到同一套带类型的 RunResult；core 支持两种后端：pystata（Stata 17+，内存会话）或 console 后端（Stata 13+ 批处理，无需 pystata），两者返回完全相同的 schema。
当前状态：v0.12（2026 年 7 月） —— core、MCP server、Jupyter kernel、VS Code 扩展和命令行都已经在 Stata 18 MP 上端到端跑通；console 后端把覆盖范围扩展到无需 pystata 的 Stata 13+。v0.12 新增常驻会话 daemon，让连续多次 CLI 调用共享内存中的数据；在此之前 v0.11 是一个「agent 使用体验」版本：返回体可裁剪、长任务可后台执行、do 文件内报错可定位、失败运行的 log 句柄自动关闭、生成文件自动上报 —— 详见 changelog。测试套件覆盖 schema、runner、console 解析器、MCP、kernel、notebook、run-index、subprocess pool、命令安全、linter 和 VS Code 等模块；CI 也检查 lint、类型、schema 生成、包元数据和 VSIX 打包。许可证：MIT。快速上手见 docs/quickstart.zh.md。
当前代码树明确支持的三类用户 / agent 工作流：
pip install "stata-code[kernel]" + stata-code-kernel install --user 会注册一个名为 Stata 的 kernel，Jupyter Notebook、JupyterLab、以及 VS Code 的 Jupyter 扩展都能在 kernel 选择器里看到它。Cell 里直接写 Stata 命令，日志、图形和警告会内联渲染（自 v0.5 起 kernel logo 已一起打包进 PyPI wheel，VS Code 的 Jupyter kernel picker 也能正常显示）。详见下文 作为 Jupyter kernel。stata_run 在每次失败时都会返回结构化的 error.kind/line/context 和 suggestions。默认情况下 Claude Code 只把它当作诊断信息上报；但如果你明确说「帮我修到跑通」「修复并反复运行直到成功」，agent 就会用同一组字段去改 .do 文件、再调 stata_run，直到代码通过。这个修复循环是 opt-in 的：默认失败 = 诊断，不是自动改写授权。详见下文 Agent 工作流里的报错恢复。stata-code 负责运行和审计 Stata 这一侧；R、Python、官方数据 MCP 仍是独立工具，通过显式 handoff 文件和 source metadata 衔接。详见 skills/stata-code/references/ 和 examples/。Stata 的 AI / agent 工具生态现在比较分散，详见 References-tools.md：
pystata，返回结构不统一，智能体需要为不同工具写特殊处理。stata-code 要填补的就是这个空位：
r() / e()、log refs、graph refs、suggestion seeds。如果你关心 AGPL/GPL Stata 项目的 clean-room 边界，请看 LICENSE-POLICY.md。
要求：Python 3.10+，外加以下任一种 Stata —— Stata 17+（用其自带的 pystata，
支持内存内会话），或 Stata 13+（走 console 后端，不需要 pystata，无状态）。
# 从 PyPI 安装
pip install stata-code
# 同时安装 MCP server 和 Jupyter kernel 的额外依赖
pip install "stata-code[mcp,kernel]"
# 或者从源码安装（开发用 editable install）
git clone https://github.com/brycewang-stanford/stata-code.git
cd stata-code
pip install -e ".[mcp,kernel]"
命名说明。 PyPI 上的发行包名是
stata-code（带连字符）， 但 Python 导入名是stata_code（下划线 —— Python 标识符不能包含连字符）。 和scikit-learn→import sklearn是同样的约定。 所以：pip install stata-code，from stata_code import run。
注意：pystata 不在 PyPI 上，它随 Stata 一起安装。stata-code 会自动在 macOS 的 /Applications/Stata/utilities/pystata 以及 Linux / Windows 的对应位置寻找它。如果你的 Stata 安装在其他位置，请在导入前把 pystata 加到 PYTHONPATH。
安装后可以用只读 doctor 检查本机环境：
stata-code doctor
stata-code doctor --json # 机器可读输出
stata-code doctor --no-stata-probe # 跳过实时 Stata 初始化
stata-code doctor --workspace /path/to/project --no-user-config-scan
doctor 会报告 package/Python 版本、MCP 和 Jupyter extras、pystata 发现结果、
PATH 上的 console scripts、常见项目级/用户级 MCP client 配置文件、
client/VS Code 配置提示，以及 best-effort 的 Stata 版本/edition 探测。它不会
改 shell、Stata、Claude、Cursor 或 VS Code 配置。
完整 cookbook 在 examples/：基础回归、DiD、图形、多 session、大矩阵。
包级 run() / execute() API 使用和 MCP server 相同的 subprocess-backed
runner，因此长任务会遵守 timeout_ms，pystata 对 stdout 的重定向也会被隔离在 worker 进程中，不会污染调用方进程。
from stata_code import run
r = run("sysuse auto, clear")
r = run("regress mpg weight")
if r.ok:
print(r.results.e.scalars["r2"]) # 0.6515 (native float)
print(r.results.e.macros["cmd"]) # "regress"
b = r.results.e.matrices["b"]
print(dict(zip(b.cols, b.values[0]))) # {"weight": -0.006, "_cons": 39.44}
else:
print(r.error.kind, r.error.message) # ErrorKind.VARNAME_NOT_FOUND, "..."
for s in r.error.suggestions:
print("hint:", s.action) # "Did you mean `mpg`?"
任何能 shell out 的 agent 或脚本都能用上同一套结构化引擎 —— 不需要 MCP。
stata-code run 可以执行 .do 文件、一个或多个 -e 片段，或从 stdin 读入的代码，
并打印 RunResult：
stata-code run analysis.do # 跑 do 文件，输出文本摘要
stata-code run -e "sysuse auto" -e "regress mpg weight"
stata-code run analysis.do --json # 完整 RunResult JSON（给 agent 用）
echo "summarize price" | stata-code run - # 从 stdin 读代码
stata-code run model.do --graphs out/ # 同时把图形导出到 out/
stata-code run job.do --session modelA --timeout-ms 120000
成功退出码是 0，Stata / adapter 出错时是 1，因此可以直接接进 CI 和"改了再跑"的
脚本循环。stata-code lint analysis.do 则在完全不启动 Stata 的前提下做静态检查
（大括号不配对、缺 end、悬空的 ///）。
后端 —— Stata 13+ 且没有 pystata。 --backend 决定代码怎么跑：pystata
（Stata 17+，内存内会话）、console（Stata 13+ 批处理，不需要 pystata，无状态），
或 auto（默认：有 pystata 就用，否则退到 console）。console 后端驱动 Stata 的命令行
可执行文件，并把日志解析成同样的带类型 RunResult —— 带类型的 r()/e()、估计表、
以及错误分类 —— 所以老版本 Stata 和无 pystata 的环境同样是一等公民：
stata-code run analysis.do --backend console
export STATA_CODE_STATA_CLI=/usr/local/stata18/stata-mp # 自动找不到时手动指定
零 Python 二进制。 独立的 stata-code 可执行文件（由
scripts/build_standalone.py 构建，现成的 CI workflow
模板见 packaging/standalone.github-workflow.yml）
把运行时一起打包，不需要安装 Python。配合 --backend console，这就是一条完全不依赖
Python、又能拿到带类型 Stata 结果的路径。
stata-code run 默认每次调用都起一个新进程，进程一退，内存里的数据就没了。
daemon 子命令把 subprocess pool 挪进一个常驻进程，通过 Unix socket 对外服务，
于是连续两次 run --daemon 会落在同一个 Stata 会话上：
stata-code run --daemon -e 'sysuse auto, clear' -e 'gen z = price/1000'
stata-code run --daemon -e 'summarize z' # 新进程，但 z 还在
stata-code run --daemon -e 'regress price mpg'
stata-code run --daemon -e 'display e(r2)' # 上一个进程留下的 e() 也还在
第一次 run --daemon 会自动把 daemon 拉起来，不需要手动 start。也可以显式管理：
stata-code daemon start # 后台启动（--foreground 留在当前终端）
stata-code daemon status # pid、uptime、活跃 session 列表
stata-code daemon status --json
stata-code daemon stop
stata-code daemon restart
stata-code daemon start --idle-timeout 0 # 0 = 永不因空闲退出
几个要点：
--session other 在 daemon 里仍然是独立的 Stata frame / worker，
彼此看不到对方的数据。--idle-timeout 调整，0 表示禁用。--backend console 本身就是无状态批处理，套 daemon 没有意义，
因此会直接报错而不是静默失效。sun_path 上限约 104 字节；home 目录很深或
XDG_RUNTIME_DIR 很长时，会自动改用 /tmp 下一个由原路径哈希得出的短路径。
所有入口都用同一套推导，因此仍能找到同一个 daemon。stata-code run（不加 --daemon）、run --daemon 和 MCP server 三条路走的是同一个
引擎、返回同一份 RunResult schema，区别只在于 Stata 会话活多久。
stata-code setup 把 MCP server 条目写进客户端配置 —— 它是只读的 doctor 那个
「会改文件」的对应物。它会保留配置里其他的 server，并在覆盖任何文件之前先做备份：
stata-code setup --all # Claude Code、Cursor、VS Code（project scope）
stata-code setup --claude --dry-run # 只预览，不写入
stata-code setup --vscode --python .venv/bin/python # 指定解释器
stata-code setup --codex # 打印可复制粘贴的 TOML 片段
默认情况下，runner 会在命令抵达 Stata 之前拦截 OS 逃逸和文件删除类命令
（shell、winexec、erase、rm、rmdir，以及 ! shell 转义），因此一个自主运行的
agent 循环没办法删文件或执行任意 shell 命令。被拦截时返回 policy_blocked 结果
（rc=-4），而不是真的去执行。这是护栏，不是沙箱；可以用环境变量调整：
STATA_CODE_COMMAND_POLICY=off # 完全关闭护栏
STATA_CODE_POLICY_ALLOW=shell # 放行特定命令（逗号分隔）
STATA_CODE_POLICY_BLOCK=python # 额外拦截某些命令
pip install "stata-code[mcp]" 之后，stata-code-mcp 会出现在你的 PATH 中。可以接到 Claude Code、Cursor、Claude Desktop 等任何兼容 MCP 的客户端里。
claude mcp add 接入 Claude Code（推荐）如果你还没有安装 Claude Code，请先看 anthropics/claude-code。
最快的方式是 claude mcp add 命令。根据想要的可见范围选 scope：
# user scope —— 一次安装，本机所有 Claude Code workspace 全局可用
claude mcp add stata-code --scope user -- stata-code-mcp
# local scope —— 仅当前 workspace（本地 Claude 配置，不会提交到仓库）
claude mcp add stata-code --scope local -- stata-code-mcp
# project scope —— 写入仓库内的 ./.mcp.json，和协作者共享
claude mcp add stata-code --scope project -- stata-code-mcp
接着运行 claude，输入 /mcp 确认 stata-code 出现并带有 23 个工具（stata_run, stata_run_status, list_background_runs, stata_info, get_log, search_log, get_graph, get_matrix, inspect_data, lint_do, set_variable_labels, set_value_labels, install_package, list_sessions, cancel_session, reset_session, notebook_outline, notebook_get_cell, notebook_locate, notebook_edit_cell, notebook_insert_cell, notebook_delete_cell, list_runs）。
stata_run 不会自行改写源 .do 文件或替你改代码。它执行提交的 Stata 代码，所以代码本身仍可能照常生成日志、图形、表格或其他输出。Stata 报错时，stata_run 返回结构化诊断（error.kind, error.message, error.line, error.context）和尽力生成的 suggestions。这支持两种不同的 Claude Code 工作流：
.do 文件，再调用 stata_run 继续迭代。如果需要自动修复循环，请明确说出来。否则，失败的运行应先被视为诊断结果，而不是自动改写代码的授权。
uvx（不必全局 pip install）如果不想全局 pip install stata-code，可以用 uv 临时运行：
claude mcp add stata-code --scope user -- uvx --from "stata-code[mcp]" stata-code-mcp
uvx 会在首次启动时下载并缓存 stata-code。注意：pystata 不在 PyPI 上，仍需要在宿主机上能找到。runner 会自动把标准 Stata 安装路径（macOS 上的 /Applications/Stata/utilities/pystata 等）加到 sys.path；如果你的 Stata 在别处，请用 env 设置 PYTHONPATH。
本仓库还带有 Claude Code 插件清单（.claude-plugin/）。把 marketplace 加入你的 Claude Code 配置后，两条命令即可同时接好 MCP server 和教会 Claude v1.0 结果 schema 的 agent skill：
claude plugin marketplace add brycewang-stanford/stata-code
claude plugin install stata-code
插件会注册 stata-code MCP server，并安装 stata-code skill，让 Claude 学会按 error.kind 分支、惰性调用 get_log(ref)、并直接使用 notebook 编辑工具，无需每个会话重新解释。
大多数非 Claude Code 的 MCP client 都接受同一段 JSON 配置。把它放进对应 client 的 MCP 配置文件即可：
对于没有 mcp add CLI 的客户端，直接编辑配置文件即可（~/.claude/mcp.json、Cursor settings、Claude Desktop 的 claude_desktop_config.json 等）：
{
"mcpServers": {
"stata-code": {
"command": "stata-code-mcp"
}
}
}
如果 stata-code-mcp 不在 PATH 上，也可以以 module 方式运行：
python -m stata_code.mcp
如果 stata-code-mcp 安装在项目内 virtualenv（推荐用于可复现环境），建议在
client 配置里写绝对路径，例如 /abs/path/to/.venv/bin/stata-code-mcp。
如果 stata_run 返回 adapter_crash，并出现 worker emitted non-JSON: '\n'，
请升级到 stata-code>=0.6.4，然后重启 MCP client，让它启动新的 server 进程。
同时确认 client 解析到的是预期的 stata-code-mcp；项目内 virtualenv 安装
应使用 .venv/bin/stata-code-mcp 的绝对路径，不要依赖全局 PATH。
如果 OpenAI 系客户端返回 API Error: 400 Invalid schema for function 'mcp__stata-code__notebook_insert_cell'，并提到顶层 oneOf，请升级到
stata-code>=0.6.5，然后重启 MCP client。旧 server 进程在重启前仍会继续
暴露旧 schema。
MCP server 注册了 23 个工具：
对于新版 MCP 客户端，这些工具会返回 structuredContent，并在 tool
metadata 里声明 outputSchema；同时仍保留序列化 JSON text block，兼容旧客户端。
server 还暴露 MCP resources：
同时提供 MCP prompts：run_do_file_and_report、debug_stata_error、
fix_and_rerun_until_passes、replication_audit、
plan_cross_stack_parity_audit、data_mcp_to_stata_handoff、
summarize_estimation_results、run_notebook_cell_and_report、
fix_and_rerun_notebook_cell、did_event_study、iv_2sls、rdd、
publication_table 和 cross_validate_did，用于常见 agent 工作流。
stata-code 的 Jupyter 支持是以 kernel 形式打包在 Python 包里的 —— JupyterLab 插件市场里没有独立的 "stata-code 插件"。安装分两步：先 pip install 安装带 kernel extra 的包，再把 kernelspec 注册到 Jupyter。
前置条件：本机已经安装 Stata 17+ 且持有合法许可证（kernel 通过 pystata 调用本地 Stata），同一个 Python 环境里已经装好 jupyter/jupyterlab，Python 版本 ≥ 3.10。
# 1. 安装带 kernel extra 的 stata-code（会同时装上 ipykernel）
pip install "stata-code[kernel]"
# 2. 把 kernelspec 注册到当前用户的 Jupyter data dir
stata-code-kernel install --user
# 等价命令：
# python -m stata_code.kernel install --user
检查 kernel 是否注册成功：
jupyter kernelspec list
# 输出里应该能看到名为 `stata` 的条目
然后打开 Jupyter Notebook / JupyterLab（或 VS Code 中的 .ipynb），在 kernel 选择器里挑 Stata，cell 里直接写 Stata 命令即可，日志、graphs 和 warnings 会以内联方式显示。
JupyterLab 的 Extension Manager 只能安装前端 JS 扩展，装不了 kernel。所以上面的
pip install+install --user是唯一支持的安装路径。
配套扩展已发布到 Marketplace：brycewang-stanford.stata-code-vscode。它会以子进程方式启动 stata-code-mcp，并提供语法高亮、**# section 和 program define 的 Outline、.do 文件的 code-lens "Run cell" / "Run section"、七视图侧边栏（sessions / last result / data 变量浏览器 / run history / logs / graphs / outputs）——其中包含一个 agent-native 版的 Stata 变量窗口，以及一个把每次运行写到磁盘的 esttab 表格和 export 文件呈现出来的 Outputs 面板——状态栏指示器、补全、帮助跳转、保守变量重命名，以及来自 v1.0 typed errors 的内联诊断。
扩展还注册了一个不依赖 Stata 的 .dta 数据浏览器。双击任意 .dta 文件即可在表格中打开，变量标签、值标签、显示格式、notes 和缺失值代码全部保留；只读取屏幕上可见的行，几个 GB 的文件也能瞬间打开。它不需要 Stata、Python，也不需要 MCP server。在浏览器里可以：
if 表达式筛选行（如 age > 60 & !missing(income)），缺失值的处理遵循 Stata 的语义；summarize, detail 的统计量，外加出现最多的取值）；.dta 文件，每次修改都可以撤销，观测数据不会被重新编码。要一次改很多标签，可以先导出 codebook，在表格软件里编辑后再导入。Agent 可以通过 MCP 工具 set_variable_labels 和 set_value_labels 批量做同样的事，例如看完数据后给一份没有标签的数据集补上标签。细节见 vscode/README.md。
# 从 VS Code 命令行
code --install-extension brycewang-stanford.stata-code-vscode
或者打开 VS Code 的 Extensions 侧栏，搜索 stata-code。扩展同时发布在 Open VSX，因此 Cursor、Windsurf 等 VS Code 兼容编辑器不必经过微软 Marketplace 也能安装。
首次激活时，扩展会在 PATH（以及 workspace 下的 .venv / venv）里探测 stata-code-mcp。如果找不到，会弹出一次性的安装提示，附上准确的 pip install "stata-code[mcp]" 命令——选择 Don't show again 可对当前扩展版本永久静默。
扩展仍然依赖系统 Python 上安装了 MCP extra（pip install "stata-code[mcp]"），从而保证 stata-code-mcp 在 PATH 上可用，并且能导入 MCP SDK。和其它前端一样，需要 Stata 17+ 和有效的 Stata 许可证。
扩展识别 .do 文件里两类互补的结构标记。二者可以混用在同一个文件里，互不冲突：
program define … end 代码块也会出现在 Outline 里，嵌套在所属 section 之下。
如果扩展或 MCP client 找不到 server，请在同一个 Python 环境里运行
stata-code doctor --no-stata-probe。它会报告 stata-code-mcp 是否在
PATH 上，并提示 GUI client 常见的绝对路径或 python -m stata_code.mcp
兜底配置。它也会读取当前 workspace 和用户目录里常见的 MCP 配置文件，告诉你
client 是否已经指向 stata-code。
典型的 stata_run 响应比现有 MCP server 直接返回日志和图片的方式小约 10 倍。核心设计有四点：
head + tail + ref。完整日志可以按需用 get_log(ref) 获取，也可以用 search_log(ref, pattern) 直接在 ref 里检索。Stata 回归日志可能有约 6,000 tokens，stata-code 默认约 600 tokens。include_results: "scalars"）保留 r() / e() 的 scalars 和 macros，而把每个矩阵降级成只带形状的 matrix:// stub。否则同一批数字会被编码四遍 —— e(b)、e(V) 的行列标签、e(beta)、r(table) —— 而 results.estimation 里其实已经有带类型的系数表了。一个 123 项的回归返回体从约 57 KB 降到约 28 KB。原始数值仍然只差一次 get_matrix(ref)；include_results: "full" 可恢复旧行为。err.kind == "varname_not_found"，而不是正则解析英文日志。固定效应很多的场景还有两个开关：include_estimation: "summary" 保留模型层面的信息但丢掉逐项系数，max_coefficients 则给系数表设上限。两种情况下 estimation.n_coefficients 都仍然报告模型真实的项数，coefficients_truncated 会标记被截断 —— 所以裁剪过的表不会被误当成一个更小的模型。
例如，变量名写错时返回的是结构化错误：
{
"ok": false,
"rc": 111,
"error": {
"kind": "varname_not_found",
"varname": "mpgg",
"line": 3,
"source_file": null,
"context": {
"before": ["use auto"],
"failing": "summarize mpgg",
"after": []
},
"suggestions": [
{"action": "Did you mean `mpg`?", "command": "describe"}
],
"recovery": {
"category": "user_code",
"retriable": false,
"needs_code_change": true,
"needs_user_input": false
}
}
}
当出错的命令位于你调用的脚本里（do "analysis.do"）时，line 和 context 指向的是那个脚本内部的行，source_file 给出文件路径 —— 智能体不需要再把文件重新读一遍去找出错行。
完整 schema 见 SCHEMA.md。
stata_code/
├── core/
│ ├── _runtime.py # process-singleton pystata wrapper
│ ├── _refs.py # LRU ref store for log/graph/matrix payloads
│ ├── schema.py # Pydantic v2 models for the v1.0 result schema
│ ├── errors.py # rc → ErrorKind mapping + suggestion seeds
│ ├── runner.py # in-process execute(); collects everything via sfi
│ └── _pool.py # subprocess workers for public API / MCP hard timeouts
├── mcp/
│ └── server.py # MCP server (23 tools)
└── kernel/
└── kernel.py # Jupyter kernel
runner.py 是唯一直接接触 pystata 的地方。包级 Python API 和 MCP server 会先走 _pool.py，由隔离的 worker subprocess 调用 runner.execute()；Jupyter kernel 为了 notebook 交互性仍使用 in-process runner。
stata-code 是这个问题空间里更年轻的、MIT 许可证的、agent-native 的替代方案。AGPL 方案里，SepineTam 的 stata-mcp 目前更成熟；stata-code 的目标是服务那些不能接受 copyleft 传染、又需要结构化智能体接口的场景。
先把话说明白：你完全可以不装任何工具，直接从 shell 调 Stata。 大多数 Stata 安装都自带一个命令行可执行文件，一次性执行的场景下它挺好用，没必要为此引入依赖：
/Applications/Stata/StataMP.app/Contents/MacOS/stata-mp -b do analysis.do
printf 'sysuse auto, clear\nsummarize mpg\nexit, clear\n' | stata-mp -q
值得知道的是这条路会在哪里失效。下面两列跑的是同一个 Stata 二进制、同一份日志
（stata-code 用的是 --backend console），差别只在于外面那层包装：
第一行是最容易吃亏的地方：Stata 批处理模式即使代码报错也返回退出码 0。
在自动化循环里，agent 看到 exit 0 就会继续往下走，把失败的结果当成有效结果用。
选择建议：
stata-code run，最小代价换到可靠信号。e() 决定下一步）—— 用
run --daemon 或走 MCP，否则无状态和文本解析这两个问题会在多轮里叠加放大。不加
--daemon时，stata-code run每次调用都起一个新进程：同一次调用里的 多个-e共享 session，但进程退出后内存里的数据就没了。加上--daemon之后 数据会留在常驻进程里，详见 会话 daemon。
pystata 的 runner，原生类型化的 r()、e() 和矩阵session_id 接受 [A-Za-z0-9_-]+；例如 model-a 这类 id 会在内部映射到合法的私有 frame 名，但返回结果仍回显公开 id）stata-code daemon、run --daemon）：多次 CLI 调用共享同一个活的 Stata 会话，走 mode-0600 Unix socket，支持空闲自动退出png / svg / pdf + ref store，并记录来源命令归属recovery 判定（可重试 / 需改代码 / 需人工介入）list_runs）、日志检索（search_log）、数据集检查（inspect_data）、静态检查（lint_do）、无需 Stata 的变量标签编辑（set_variable_labels）和包安装（install_package）shell、winexec、erase、rm、rmdir、! 等 OS 逃逸 / 删除文件命令在执行前被拦截；可通过 STATA_CODE_COMMAND_POLICY / STATA_CODE_POLICY_ALLOW / STATA_CODE_POLICY_BLOCK 配置stata-code run（.do 文件、-e 片段或 stdin）打印同一套结构化 RunResult，任何能调用 shell 的 agent 都可消费；stata-code lint 运行静态检查；stata-code setup 写入 MCP 客户端配置core/console.py、--backend console、run_console()）：驱动 Stata 命令行、把日志解析成同一套带类型的 RunResult，支持 Stata 13+ 且无需 pystatascripts/build_standalone.py + CI 工作流模板 packaging/standalone.github-workflow.yml）；配合 --backend console 是完全不依赖 Python 的一条龙.venv 并安装 server（命令面板：“Stata: Set Up MCP Server”）include_results（默认把矩阵降级为 matrix:// stub）、include_estimation、max_coefficients，需要原始数值时用 get_matrix(ref) 按需拉取timeout_ms（现已成为 stata_run 的正式入参，并且把排队时间也计入预算 —— 同一 session 冲突时返回 rc=-5 / session_busy，不再无限阻塞）、cancel(session_id)、MCP cancel_sessionrun_in_background 立即返回 job id，用 stata_run_status（可 wait_ms 有界阻塞）和 list_background_runs 轮询do / run 脚本内部的报错定位：error.line 和 error.context 落在被调用文件内，error.source_file 给出文件路径；失败的运行同样带有完整可检索的 logauto_close_logs），中途 abort 的脚本不会让该 session 后续每次运行都以 r(604) 失败result.outputs 列出每次运行写出的表格、导出文件和数据集，与 run bundle 选项无关.ipynb 单 cell 修复闭环：notebook_outline / notebook_get_cell / notebook_edit_cell，并通过 expected_source 做乐观并发控制；stata_run 回显 origin_cell_idlist_runs：按 cell / origin / session / since / ok 查询 manifest.json，并用 limit / offset 翻页stata-code doctor / verify 诊断：检查 package 版本、extras、
pystata 发现、console scripts、client 配置提示，以及可选的实时 Stata
版本探测schema.py 自动生成 JSON Schema 工件：schema/run_result.schema.jsonbrycewang-stanford.stata-code-vscode：语法高亮、section outline/navigation、code-lens cell/section runner、七视图侧边栏（sessions / last result / data 变量浏览器 / run history / logs / graphs / outputs）、状态栏、补全、保守变量重命名、诊断、MCP 子进程.dta 数据浏览器（格式 113–115 与 117–121，依据 StataCorp 公开的格式文档实现；Stata 7 及更早的 102–111 只读）：随机读取浏览几个 GB 的文件、Stata if 行筛选（支持变量缩写和 L. F. D. S. 时间序列算子）、多键排序、单变量汇总、选区复制、CSV 与 codebook 导出set_variable_labels 和 set_value_labels 批量改。定长字段原地覆写；修改值标签集或数据集标签时先写出一份新文件再原子替换。已在所有支持的格式上用 Stata 18 核对（datasignature 和 notes 不变，label list 和 describe 显示修改结果）log.complete:false、部分日志行）。v0.11 的 run_in_background 已经让 20 分钟的 boottest / csdid 不再阻塞调用方，但运行中的任务在结束前仍然不汇报任何中间结果明确不做的范围见 SCHEMA.md §7。
pip install -e ".[dev,mcp,kernel]"
pytest # 完整测试集；本机有 Stata 时包含真实 Stata 集成测试
pytest -m "not stata_required" # CI 子集，不需要 Stata
pytest -m "stata_required" -v # 仅 Stata 集成测试
stata_required marker 标记真实 Stata 集成测试。CI 使用 pytest -m "not stata_required"，因此不会收集这些测试。本地没有 Stata 时，这些测试也会用 "pystata / Stata 17+ not available" 信息 cleanly skip。
代码使用 MIT。LICENSE-POLICY.md 说明本项目如何处理和其他 Stata 项目的关系。
Stata 是 StataCorp LLC 的注册商标。本项目是独立项目，不隶属于 StataCorp，也未获得 StataCorp 背书。
本项目参考和学习的 Stata 工具生态整理在 References-tools.md。其中列出的项目保留各自的许可证和作者归属；复用前请查看对应仓库。
由 CoPaper.AI 维护，孵化于 Stanford REAP / SCCEI · 实证研究 AI 助手
Agent-native Stata bridge for empirical research — run DiD/IV/RDD and publication-ready tables from Claude Code, Jupyter, or VS Code on one token-economy result schema, with StatsPAI cross-validation.
ภาพรวม
Agent-native Stata bridge for empirical research — run DiD/IV/RDD and publication-ready tables from Claude Code, Jupyter, or VS Code on one token-economy result schema, with StatsPAI cross-validation. | 面向实证研究的智能体 Stata 桥接器——在 Claude Code、Jupyter、VS Code 中用一套省 token 的结果格式跑 DiD/IV/RDD 与出版级表格，并支持 StatsPAI 跨栈交叉验证。
เครื่องมือ
ยังไม่มีรายการเครื่องมือ เซิร์ฟเวอร์แบบรีโมตจะได้รายการหลังการตรวจสอบสถานะครั้งแรก
FAQ
คัดลอกคอนฟิก stdio สำหรับ Cursor, Claude Desktop, Claude Code หรือ VS Code ได้ในหน้านี้ คอนฟิกนี้ใช้การติดตั้งของผู้เผยแพร่ ไม่ใช่พร็อกซีของ PlugMCP
ระเบียนนี้ไม่ได้ระบุตัวแปรสภาพแวดล้อมที่จำเป็น
Stata Code ทำงานแบบโลคัลผ่าน stdio
ตรวจสอบล่าสุดเมื่อ 2026-11-08 Agent-native Stata bridge for empirical research — run DiD/IV/RDD and publication-ready tables from Claude Code, Jupyter, or VS Code on one token-economy result schema, with StatsPAI cross-validation. | 面向实证研究的智能体 Stata 桥接器——在 Claude Code、Jupyter、VS Code 中用一套省 token 的结果格式跑 DiD/IV/RDD 与出版级表格，并支持 StatsPAI 跨栈交叉验证。
