多伦多开放数据MCP服务器

这是一个通过CKAN API提供对多伦多开放数据直接访问的MCP（模型上下文协议）服务器。该服务器允许LLM代理高效地发现、探索和查询多伦多的500多个公共数据集。

特性

• 🔍 智能数据集发现：通过500多个多伦多数据集进行搜索，并提供智能建议
• 🧠 智能数据助手：自动处理API和CSV数据源
• 📊 灵活查询：支持对API数据集的过滤、排序和字段选择
• 📁 CSV支持：自动获取并预览可下载的CSV数据集
• 🤝 适合LLM：设计用于与网络搜索协作使用，当需要额外上下文时
• ✅ 强大的错误处理：提供清晰的错误消息及操作建议

安装

方案1：使用uvx（推荐用于MCP）

这是使用任何MCP客户端最简单的方法：

brew install uv

# 不需要安装！uvx会处理一切
# 只需在您的MCP客户端配置中使用：
uvx toronto-open-data-mcp-server

方案2：开发安装

1. 克隆仓库：

   git clone https://github.com/yourusername/toronto-open-data-mcp-server.git
   cd toronto-open-data-mcp-server
   

2. 安装依赖项：

   # 安装主要依赖项
   pip install -e .
   
   # 安装测试依赖项（可选）
   pip install -e ".[test]"
   

3. 运行服务器：

   python main.py
   

MCP客户端配置

使用uvx（最简单方法）

在您的MCP客户端配置中添加以下内容：

{
  "mcpServers": {
    "Toronto Open Data Server": {
      "command": "uvx",
      "args": ["toronto-open-data-mcp-server"]
    }
  }
}

配置文件位置

• Claude Desktop：~/Library/Application Support/Claude/claude_desktop_config.json
• Cursor：查看Cursor的MCP文档以获取配置位置
• 其他MCP客户端：参考您客户端的文档

使用

快速开始

该服务器提供了几个专为LLM代理设计的工具：

1. toronto_start_here() - 首次调用，解释工作流程
2. toronto_search_datasets(query) - 通过关键词查找相关数据集
3. toronto_smart_data_helper(dataset_id, user_question) - 智能数据检索
4. toronto_popular_datasets() - 快速访问常用数据集

示例工作流

# 1. 从指导开始
toronto_start_here()

# 2. 查找相关数据
toronto_search_datasets("餐厅检查")

# 3. 智能获取数据
toronto_smart_data_helper("dinesafe", "最近的餐厅检查失败")

# 4. 高级过滤（如有需要）
toronto_query_dataset_data("dinesafe", 
                           filters={"establishment_status": "有条件通过"},
                           sort="inspection_date desc",
                           limit=1

常用数据集

• dinesafe - 餐厅检查和健康评分
• traffic-signals - 交通信号灯的位置和时间
• parks-facilities - 公园、游泳池和娱乐设施
• business-licences - 多伦多的持照企业
• building-permits - 建筑和翻新许可

测试

该项目包括全面的测试，涵盖单元测试、集成测试和工作流测试。

先决条件

安装测试依赖项：

pip install -e ".[test]"

运行测试

快速测试命令

# 仅运行单元测试（开发推荐）
python run_tests.py

# 带有详细输出
python run_tests.py --verbose

# 带有覆盖率报告
python run_tests.py --coverage

# 运行集成测试（访问真实的多伦多API）
python run_tests.py --integration

# 运行所有测试（单元 + 集成）
python run_tests.py --all

API参考

核心工具

toronto_start_here() -> str

首次调用，提供工作流程指导和服务器功能。

toronto_search_datasets(query: str, limit: int = 10) -> str

按关键词搜索多伦多的数据集。

toronto_smart_data_helper(dataset_id: str, user_question: str, limit: int = 10) -> str

智能助手，自动处理API和CSV数据源。

toronto_query_dataset_data(dataset_id: str, filters: Dict = None, fields: List = None, limit: int = 10, sort: str = None) -> str

高级查询，对API数据集进行过滤和排序。

实用工具

toronto_popular_datasets() -> str

快速访问常用数据集。

toronto_get_dataset_schema(dataset_id: str) -> str

获取API数据集的字段名称和类型。

toronto_fetch_csv_data(csv_url: str, max_lines: int = 50) -> str

获取并预览CSV文件内容。

架构

• FastMCP框架：基于FastMCP框架构建，便于工具定义
• CKAN API：直接集成到多伦多基于CKAN的开放数据门户
• 协作设计：与网络搜索协同工作，而不是取代它
• 错误恢复：智能错误处理，带有操作建议

贡献

1. 分叉仓库
2. 创建功能分支
3. 为新功能添加测试
4. 运行测试套件：python run_tests.py --all
5. 提交拉取请求