前言
本文将介绍如何用 Posit官方开发的接口把AI Agent 和 R 真正连接起来。
这里说的“连接 R”，并不是让 AI：
-
临时生成一段 R 代码；启动新的
Rscript；执行后返回结果。 -
生成代码后复制粘贴运行
而是希望 AI 直接接入我当前正在使用的 R Session。
查看 analysis_data
↓
基于它继续数据处理
↓
生成 analysis_data_new
↓
直接保存在当前 .GlobalEnv
↓
继续拟合模型
↓
生成 ggplotBTW是 Posit 开发的一套 R 与大语言模型连接工具。
它不仅可以把 R 对象整理成文本发给 LLM，还可以通过 MCP（Model Context Protocol）把 R 的能力暴露给支持 MCP 的 AI 客户端。
官方参考包括 btw MCP 文档、run_r 文档与 mcptools Session 文档。btw 官方项目 btw MCP 文档 mcptools MCP Session 文档
使用 btw + MCP 后，可以变成：
AI
↓
MCP
↓
当前正在运行的 R Session
↓
.GlobalEnvAI 可以直接访问当前 R 中已经存在的：
adsl
adrs
analysis_data
fit
p1并继续创建数据、建模和绘图。
vscode搭建r语言的环境的教程参考VSCode 配置 R 语言开发环境保姆级教程（从RStudio无痛迁移）-CSDN博客
最终效果展示
完成配置后 可以直接告诉 AI：
查看当前 analysis_data。
按 treatment 分组做描述统计。
生成新的 summary_data。
基于当前数据建立 Cox 模型。
把模型保存为 fit_cox。
根据结果生成 ggplot。所有对象都可以继续保存在当前 .GlobalEnv 中。
用 Trae code 和 R自带数据集mtcars做效果展示
analysis_data <- mtcars %>%as_tibble()
可看到工作空间 图形输出均无问题。
1. 安装btw
install.packages("btw")检查：
packageVersion("btw")
packageVersion("mcptools")如果提示缺少：
coro
later
tomledit单独安装：
install.packages(
c("coro", "later", "tomledit"),
repos = "https://cloud.r-project.org",
type = "binary"
)2. 注册当前 R Session
在 VS Code 当前正在使用的 R Console 中执行：
btw::btw_mcp_session()这样 MCP Server 就可以访问当前 .GlobalEnv。
例如当前：
analysis_data <- mtcars
fit <- lm(
mpg ~ wt + hp,
data = analysis_data
)
btw::btw_mcp_session()之后 AI 就可以直接访问：
analysis_data
fit而不需要重新读取数据。
3. 配置 VS Code MCP
项目中创建：
.vscode/mcp.json内容：
{
"servers": {
"r-btw": {
"type": "stdio",
"command": "Rscript",
"args": [
"-e",
"btw::btw_mcp_server(list('docs','env','run','sessioninfo','cran'))"
]
}
}
}几个核心工具：
env 查看当前 Workspace
run 执行 R 代码
docs 查询 R 文档
sessioninfo 查看 R 和包版本
cran 查询 CRAN 包其中最重要的是：
run它允许 Agent 在当前 R Session 中真正执行 R 代码。
4. 测试是否成功
让 AI 执行：
testdata <- head(mtcars)然后在当前 R 中检查：
exists(
"testdata",
envir = .GlobalEnv
)如果返回：
TRUE说明 AI 确实正在操作当前 R Session。
5. 启动 R 时自动连接
不想每次手动运行：
btw::btw_mcp_session()可以加入 .Rprofile：
if (
interactive() &&
Sys.getenv("RSTUDIO") == "" &&
requireNamespace("btw", quietly = TRUE)
) {
try(
btw::btw_mcp_session(),
silent = TRUE
)
}以后：
启动 VS Code
↓
启动 R
↓
读取 .Rprofile
↓
自动注册 MCP Session6.补充增强
6.1 Workspace 不自动刷新的问题
有时 AI 创建：
testdata <- mtcars对象实际已经存在：
exists("testdata")
# TRUE但 VS Code 左侧 Workspace 没有显示。
这是因为：
.GlobalEnv 已更新
↓
VS Code-R Workspace UI 没有同步在我的环境中执行：
.vsc$update_workspace()即可立即刷新。
注意：
.vsc$update_workspace()属于 VS Code-R 内部接口，并不是 btw 官方 API。
6.2 为什么 AI 画图后 Plot 窗口不显示？
例如 Agent 创建：
p <- ggplot2::ggplot(
mtcars,
ggplot2::aes(wt, mpg)
) +
ggplot2::geom_point()对象：
p已经存在，但 VS Code Plot Viewer 可能不会自动显示。
原因是 btw 会使用独立图形设备捕获图片，然后把图片通过 MCP 返回给 AI：
R
↓
btw
↓
捕获 Plot
↓
PNG
↓
MCP Client而不是直接：
R
↓
VS Code Plot Viewer因此手动：
print(p)后图形才会出现在 VS Code。
6.3 可选增强：自动刷新 Workspace + 自动显示 Plot
下面是我针对：
btw 1.4.0
VS Code-R设计的一个本地增强方案。需要安装r包 png
在用户目录.Rprofile文件中添加以下代码
if (base::requireNamespace("btw", quietly = TRUE)) {
patch_btw_vscode <- function() {
ns <- base::asNamespace("btw")
current_impl <- base::get(
"btw_tool_run_r_impl",
envir = ns,
inherits = FALSE
)
if (base::isTRUE(base::attr(current_impl, "vscode_auto_output"))) {
return(base::invisible(TRUE))
}
original_impl <- current_impl
refresh_workspace <- function() {
vsc <- base::get0(
".vsc",
envir = .GlobalEnv,
inherits = TRUE
)
if (
base::is.environment(vsc) &&
base::is.function(vsc$update_workspace)
) {
base::try(vsc$update_workspace(), silent = TRUE)
}
base::invisible(NULL)
}
show_plot <- function(result) {
last_value <- base::tryCatch(
result@extra$data,
error = function(e) NULL
)
if (
base::inherits(last_value, "ggplot") ||
base::inherits(last_value, "grob") ||
base::inherits(last_value, "gtable") ||
base::inherits(last_value, "recordedplot")
) {
base::try(
{
if (base::inherits(last_value, "recordedplot")) {
grDevices::replayPlot(last_value)
} else {
base::print(last_value)
}
},
silent = TRUE
)
return(base::invisible(TRUE))
}
contents <- base::tryCatch(
result@extra$contents,
error = function(e) base::list()
)
if (!base::length(contents)) {
return(base::invisible(FALSE))
}
is_image <- base::vapply(
contents,
function(x) {
base::tryCatch(
S7::S7_inherits(x, ellmer::ContentImageInline),
error = function(e) FALSE
)
},
logical(1L)
)
if (!base::any(is_image)) {
return(base::invisible(FALSE))
}
img <- contents[[utils::tail(base::which(is_image), 1L)]]
image_type <- base::tryCatch(
img@type,
error = function(e) ""
)
image_data <- base::tryCatch(
img@data,
error = function(e) ""
)
if (
base::identical(image_type, "image/png") &&
base::nzchar(image_data) &&
base::requireNamespace("jsonlite", quietly = TRUE) &&
base::requireNamespace("png", quietly = TRUE)
) {
shown <- base::tryCatch(
{
raster <- png::readPNG(jsonlite::base64_dec(image_data))
grid::grid.newpage()
grid::grid.raster(raster)
TRUE
},
error = function(e) FALSE
)
return(base::invisible(shown))
}
base::invisible(FALSE)
}
patched_impl <- function(
code,
.envir = rlang::global_env(),
show_last_value = TRUE
) {
base::on.exit(refresh_workspace(), add = TRUE)
result <- original_impl(
code,
.envir = .envir,
show_last_value = show_last_value
)
show_plot(result)
result
}
base::attr(patched_impl, "vscode_auto_output") <- TRUE
# .Rprofile 执行时通常只有 base 已附加，因此必须显式使用
# utils 命名空间。
utils::assignInNamespace(
"btw_tool_run_r_impl",
patched_impl,
ns = "btw"
)
base::invisible(TRUE)
}
base::tryCatch(
patch_btw_vscode(),
error = function(e) {
base::message(
"未能安装 btw 的 VS Code 补丁: ",
base::conditionMessage(e)
)
}
)
base::tryCatch(
btw::btw_mcp_session(),
error = function(e) {
base::message(
"未能启动 btw MCP 会话: ",
base::conditionMessage(e)
)
}
)
} else {
base::message("未安装 btw；已跳过 btw MCP 启动。")
}
}
})
}
保存文档 重启r工作空间
注意安全
run 工具可以执行任意 R 代码。
也就是说 AI 理论上可以运行：
rm(list = ls())甚至：
system(...)因此更适合：
个人电脑
可信项目
本地开发环境总结
核心只需要记住三层：
AI Agent
↓
MCP Server
↓
当前 R SessionR 中：
btw::btw_mcp_session()VS Code 中：
.vscode/mcp.json开启：
env + run就可以让 AI 直接围绕当前 R Workspace 连续完成数据处理、统计建模和绘图。
相比传统“AI 写代码 → 手动复制执行”，最大的提升是：
AI 可以直接操作正在运行的 R Session，而不是每次重新启动一个新的 R 环境。
扫一扫
390
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
