docs: add LobeHub skill description

Add comprehensive skill description for LobeHub marketplace including:
- Feature highlights and use cases
- Technical requirements and setup
- Usage examples for different scenarios
- Tags and search keywords

Author: root

LOBEHUB_SKILL_DESCRIPTION.md

@@ -0,0 +1,145 @@
+# MCP Analytics Server — Описание для LobeHub
+
+## Краткое название навыка
+**Аналитика больших данных**
+
+## Полное описание (до 500 символов)
+Профессиональный инструмент для анализа данных любого размера прямо в чате. Загружайте CSV/Parquet файлы из S3, выполняйте SQL-запросы через DuckDB, обрабатывайте данные в Polars/Pandas — всё в изолированном Docker-контейнере. Экономия до 99% токенов на больших файлах.
+
+## Ключевые возможности (5-7 пунктов)
+
+### 🚀 Загрузка файлов из S3/URL
+Загружайте файлы любого размера напрямую из S3 или по ссылке. Один вызов вместо тысяч строк — экономия миллионов токенов.
+
+### 📊 Мульти-движковая аналитика
+- **Polars** — для больших файлов (>100MB), быстрее pandas в 10-50 раз
+- **DuckDB** — для SQL-запросов и кросс-табличного анализа
+- **Pandas** — для совместимости с ML-библиотеками
+
+### 🧠 Умное управление контекстом
+Автоматическая оптимизация для ограничений LobeHub: сжатие, сэмплирование, возврат только нужных результатов.
+
+### 🔒 Безопасность корпоративного уровня
+Каждая сессия в изолированном Docker-контейнере: нет сети, ограничения по памяти/CPU, non-root пользователь, авто-очистка.
+
+### 📈 Профилирование данных
+Мгновенный анализ структуры: типы колонок, статистики, пропуски, рекомендации по оптимизации.
+
+### 🔄 Потоковая обработка
+Работа с файлами >10GB без загрузки в память благодаря lazy evaluation.
+
+## Примеры использования
+
+### Пример 1: Анализ рекламной кампании
+```
+Пользователь: "Проанализируй эти данные по кампании"
+[Передаётся ссылка на CSV из Lobe Storage]
+
+AI: Создаю сессию и загружаю файл...
+download_file_from_url(url="...", filename="campaign.csv")
+→ Файл загружен: 150MB (87,291 строк)
+
+AI: Профилирую данные...
+analytics_profile_dataset("campaign.csv")
+→ 12 колонок, даты с 2025-11-10 по 2026-01-11, ключевые метрики: impressions, conversions
+
+AI: Топ-5 площадок по конверсии:
+analytics_execute_query(engine="duckdb", query="SELECT publisher, SUM(conversions) FROM campaign.csv GROUP BY publisher ORDER BY 2 DESC LIMIT 5")
+→ Площадка #19: 25,860 конверсий (31% от общих)
+```
+
+### Пример 2: SQL-анализ продаж
+```
+Пользователь: "Сравни продажи по кварталам"
+
+AI: Загружаю данные...
+download_file_from_url(url="...", filename="sales_2024.csv")
+
+AI: Выполняю SQL-запрос:
+analytics_execute_query(
+  engine="duckdb",
+  query="""
+    SELECT 
+      QUARTER(date) as q,
+      SUM(revenue) as total,
+      AVG(revenue) as avg_order
+    FROM sales_2024.csv
+    GROUP BY QUARTER(date)
+    ORDER BY q
+  """
+)
+→ Q1: $1.2M | Q2: $1.5M | Q3: $1.8M | Q4: $2.1M
+```
+
+### Пример 3: Обработка большого файла
+```
+Пользователь: "Есть файл на 2GB с логами, нужна статистика"
+
+AI: Загружаю файл (2GB = ~50 токенов вместо миллионов)...
+download_file_from_url(url="...", filename="logs.csv")
+
+AI: Обрабатываю потоково в Polars...
+analytics_execute_query(
+  engine="polars",
+  query="pl.scan_csv('logs.csv').group_by('level').agg(pl.col('timestamp').count()).sort('timestamp', descending=True)"
+)
+→ INFO: 85% | WARN: 12% | ERROR: 3%
+```
+
+## Технические детали для LobeHub
+
+### URL подключения
+```json
+{
+  "mcpServers": {
+    "analytics": {
+      "url": "http://172.17.0.1:8004",
+      "type": "http"
+    }
+  }
+}
+```
+
+### Требования
+- **Docker** 20.10+ (обязательно)
+- **RAM**: 4GB+ для файлов >1GB
+- **Диск**: 10GB+ для образов и кэша
+
+### Доступные инструменты
+| Инструмент | Назначение |
+|------------|-----------|
+| `create_session` | Создать изолированную сессию |
+| `download_file_from_url` | Загрузить файл из S3/URL |
+| `analytics_profile_dataset` | Профилирование данных |
+| `analytics_execute_query` | SQL/Polars/Pandas запросы |
+| `analytics_stream_sample` | Сэмплирование данных |
+| `execute_code` | Python/JavaScript/TypeScript |
+| `write_file` / `read_file` / `list_files` | Файловые операции |
+| `destroy_session` | Уничтожить сессию |
+
+## Преимущества для пользователей LobeHub
+
+### До (без MCP Analytics)
+- Файл 500KB = ~10,000 токенов → перегрузка контекста
+- Невозможно анализировать файлы >1MB
+- AI тратит токены на хранение данных вместо анализа
+
+### После (с MCP Analytics)
+- Файл 500MB = ~50 токенов (ссылка) + ~200 токенов (результат)
+- Анализ файлов любого размера
+- AI фокусируется на аналитике, а не на хранении данных
+
+## Эмодзи для иконки навыка
+📊 или 🧮 или 📈
+
+## Теги для поиска
+аналитика, данные, CSV, SQL, pandas, polars, duckdb, большие данные, data science, S3, обработка данных, статистика, визуализация
+
+## Автор
+BDuba
+
+## Лицензия
+MIT
+
+## Ссылка на репозиторий
+https://github.com/BDuba/code-server-mcp