数据库-MCP服务器

Name: 数据库-MCP服务器
Author: PaulvonBerg

作者：PaulvonBerg7 星标更新：2025-08-08

安装使用来源：spider==github.com

项目介绍

德国铁路MCP服务器

一个全面的模型上下文协议（MCP）服务器，提供统一访问德国铁路（DB）和德国移动性API。使用Python、FastAPI和FastMCP构建，以实现与Claude Desktop和其他MCP客户端的无缝集成。

该服务器已准备好进行本地和云部署。要连接运行中的MCP服务器，请在您的MCP客户端中添加以下URL：https://db-mcp.datamonkey.tech/mcp。

🚀 功能特性

🚄 完整铁路数据：车站、时刻表、实时中断信息及停车设施
🤖 MCP协议：完全支持工具、提示和资源
🛡️ 生产就绪：安全头、速率限制、输入验证
🏗️ 模块化架构：干净、可维护的代码库结构
☁️ 云原生：设计用于Google Cloud Run部署
📚 丰富文档：全面指南和参考材料

📋 快速开始（开发者指南 - 用户指南见下）

先决条件

Python 3.11+
德国铁路API凭证（获取它们）
Google Cloud账户（用于部署）

本地开发

克隆并设置：

git clone <repository-url>
cd deutsche-bahn-mcp-server
python3 -m venv .venv
source .venv/bin/activate  # 在Windows上：.venv\Scripts\activate
pip install -r requirements.txt

配置环境：
```
cp .env.example .env
```
接下来，编辑新的.env文件，填入您的DB API凭证。有关每个变量的详情，请参阅“配置”部分。

运行服务器：

python main.py
# 服务器可用地址：http://localhost:8080

🎯 实时服务器使用指南

德国铁路MCP服务器已在https://db-mcp.datamonkey.tech上线，随时可以使用。请按照以下逐步指南开始在Claude中访问德国铁路数据。

🖥️ Claude Desktop设置

步骤1：找到您的配置文件

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json
Linux：~/.config/Claude/claude_desktop_config.json

步骤2：编辑配置 打开文件并添加德国铁路服务器：

{
  "mcpServers": {
    "deutschebahn": {
      "command": "npx",
      "args": [
        "-y", "mcp-remote",
        "https://db-mcp.datamonkey.tech/mcp",
        "--transport", "http-only"
      ]
    }
  }
}

步骤3：重启Claude Desktop

完全关闭Claude Desktop
重新打开应用程序
您应该能在MCP部分看到“德国铁路MCP服务器”

步骤4：测试连接 询问Claude：“柏林有哪些火车站？”

🌐 Claude.ai Web使用

步骤1：开始对话 前往claude.ai并开始新对话。

步骤2：添加MCP服务器 点击“搜索和工具 > 添加连接器 > 管理连接器” 选择“添加自定义连接器” 输入名称，例如：“德国铁路MCP服务器” 输入远程MCP服务器URL：https://db-mcp.datamonkey.tech/mcp

步骤3：立即测试 尝试询问：“查找法兰克福附近的火车站，并检查法兰克福中央车站是否有当前延误。”

📱 快速示例

一旦连接成功，尝试这些实用示例：

🔍 车站搜索

“查找慕尼黑的所有火车站”
“距离坐标52.5200, 13.4050 5公里内的车站有哪些？”

🚄 实时信息

“柏林中央车站现在有延误吗？”
“显示今天下午3点汉堡中央车站的发车时间表”

♿ 无障碍规划

“从慕尼黑到汉堡的无障碍旅行是否可行？”
“科隆中央车站有哪些无障碍服务？”

🅿️ 停车信息

“明天上午10点在法兰克福中央车站有哪些停车位？”
“查找杜塞尔多夫主站附近的停车场”

🗺️ 旅行规划

“帮我规划从柏林到德累斯顿的无障碍旅行”
“巴伐利亚的主要铁路枢纽有哪些？”

🔧 连接故障排除

Claude Desktop问题：

问题：MCP部分未显示服务器

验证配置文件中的JSON语法（使用JSON验证器）
确保完全重启了Claude Desktop
检查文件保存在正确的位置

问题：连接超时

验证互联网连接
尝试：curl https://db-mcp.datamonkey.tech/mcp/ping 终端
如果curl失败，可能存在网络限制

问题：“命令未找到”错误

确保安装了Node.js和npm
尝试运行：npm install -g mcp-remote

Claude.ai Web问题：

问题：“无法连接到MCP服务器”

网络版可能需要明确的MCP服务器支持
尝试让Claude帮助您逐步连接
替代方案：使用特定工具调用，如询问车站信息

一般问题：

服务器状态检查：

# 测试服务器是否响应
curl https://db-mcp.datamonkey.tech/health

# 测试MCP端点
curl https://db-mcp.datamonkey.tech/mcp/ping

速率限制：

服务器允许每分钟60次请求，每小时1000次请求
如果超出限制，请等待并重试
考虑使用具体查询而不是广泛搜索

🛠️ 可用功能

🔧 工具（13个可用）

车站数据

get_station_by_name(name, limit=10) - 通过名称搜索车站，带有回退过滤
get_stations_by_position(lat, lon, radius=2.0) - 使用智能区域过滤查找附近车站

时刻表及中断

get_planned_timetable(eva_number, date, hour) - 计划的出发/到达时间
get_recent_timetable_changes(eva_number) - 实时更新（最后2分钟）
get_full_timetable_changes(eva_number) - 所有已知未来中断

停车信息

get_parking_by_station(stop_place_id) - 车站附近的停车设施
search_parking_facilities(station_name) - 通过车站名称搜索停车设施，使用真实API
get_parking_prognoses(facility_id, datetime) - 停车位可用预测

无障碍服务

find_facilities(station_number, type, state) - 电梯、扶梯状态
get_facilities_by_station(station_number) - 完整设施概览
get_szentralen_by_location(lat, lon) - 使用区域过滤的移动服务中心
search_szentralen(limit, offset) - 服务中心搜索，带分页

💬 交互式提示（7个可用）

accessibility_check - 车站间无障碍旅行验证
parking_prognosis - 车站停车设施可用预测
recent_timetable_changes - 实时延误和服务中断
planned_timetable_window - 特定时间段的列车时刻表
station_services - 完整车站信息及设施
nearby_stations - 查找地理坐标附近的铁路车站
current_disruptions - 综合服务中断概述

📚 参考资源（5个可用）

file://reference/station-categories - 德国铁路车站分类指南
file://reference/train-types - 完整的德国列车类型指南（ICE、IC、RE等）
file://stations/major-hubs - 德国最重要的铁路车站列表
file://services/accessibility-guide - 综合无障碍服务指南
file://status/current-disruptions - 系统范围内的中断概述

🏗️ 架构

├── main.py                    # FastAPI应用程序入口点
├── server_instance.py         # 共享MCP服务器实例
├── mcp_server.py             # 服务器设置和模块注册
├── utils.py                  # 共享实用程序和验证
├── config.py                 # 配置和密钥管理
├── models.py                 # Pydantic数据模型
├── rate_limiter.py           # 安全：速率限制
├── tools/                    # MCP工具
│   ├── station_tools.py      # 车站搜索和查找
│   ├── timetable_tools.py    # 时刻表和中断
│   ├── parking_tools.py      # 停车设施
│   └── facility_tools.py     # 无障碍服务
├── resources/                # MCP资源
│   └── travel_resources.py   # 旅行指南和参考资料
└── prompts/                  # MCP提示
    └── travel_prompts.py      # 互动旅行协助

🎯 智能地理过滤

服务器实现了智能区域过滤以最大化API效率和结果相关性：

坐标到区域映射

联邦州检测：将坐标映射到德国联邦州（巴伐利亚、黑森等）
边界地区处理：包括邻近州的地点
基于城市的过滤：使用相关州内的主要城市进行有针对性的搜索

增强车站搜索

区域预筛选：get_stations_by_position()从相关联邦州获取车站，而不是随机1000个
回退机制：get_station_by_name()使用API搜索字符串和客户端侧回退
距离计算：使用实际坐标进行精确的哈弗辛距离计算

S-Zentralen区域过滤

城市匹配：根据坐标确定的区域筛选S-Zentralen
州到城市的映射：联邦州到主要城市的综合映射
相关结果：返回区域服务中心，而不是所有德国中心

🔒 安全特性

速率限制：每分钟60次请求，每小时1000次请求
输入验证：全面的清理和验证
安全头：XSS、CSRF、内容类型保护
错误清理：不泄露敏感信息
仅HTTPS：安全传输层
CORS保护：控制跨源访问

🚀 部署

Google Cloud Run（推荐）

部署您自己的德国铁路MCP服务器实例，按以下步骤操作：

先决条件

已安装并配置Google Cloud CLI
从developers.deutschebahn.com获取德国铁路API凭证

基本部署（默认Cloud Run URL）

设置密钥：

# 创建您的DB API凭证密钥
echo "your_db_api_key" | gcloud secrets create DB_API_KEY --data-file=-
echo "your_db_api_secret" | gcloud secrets create DB_API_SECRET --data-file=-

部署服务：

# 克隆仓库
git clone https://github.com/your-repo/deutsche-bahn-mcp-server
cd deutsche-bahn-mcp-server

# 部署到Cloud Run
gcloud run deploy deutschebahn-mcp-server \\
  --source . \\
  --region europe-west3 \\
  --allow-unauthenticated \\
  --port 8080

授予密钥访问权限：

# 获取部署输出中的服务帐户电子邮件
gcloud projects add-iam-policy-binding YOUR_PROJECT_ID \\
  --member="serviceAccount:your-service-account@your-project.iam.gserviceaccount.com" \\
  --role="roles/secretmanager.secretAccessor"

使用您的MCP服务器： 您的服务器将在提供的Cloud Run URL上可用，例如： https://deutscheb.ahn-mcp-server-123456789.region.run.app/mcp

自定义域名部署（生产）

对于带有自定义域名和增强安全性的生产使用：

遵循上述基本部署步骤1-3
设置自定义域名和负载均衡器（参见Google Cloud负载均衡器文档）

使用自定义域名重新部署：

gcloud run deploy deutschebahn-mcp-server \\
  --source . \\
  --region europe-west3 \\
  --allow-unauthenticated \\
  --port 8080 \\
  --set-env-vars CUSTOM_DOMAIN=your-domain.com

Docker（本地开发）

# 构建镜像
docker build -t deutschebahn-mcp-server .

# 使用您的API凭证本地运行
docker run -p 8080:8080 \\
  -e DB_API_KEY=your_db_api_key \\
  -e DB_API_SECRET=your_db_api_secret \\
  deutschebahn-mcp-server

# 服务器可用地址：http://localhost:8080/mcp

部署注意事项

默认部署：使用Cloud Run内置的HTTPS，并允许从生成的URL访问
自定义域名：仅限于您的特定域名访问，阻止直接访问Cloud Run URL
API凭证：始终存储在Google Secret Manager中，不在环境变量或代码中存储
速率限制：内置保护（每分钟60次请求，每小时1000次请求）

部署故障排除

Secret Manager访问问题：

# 验证密钥存在
gcloud secrets list

# 检查服务帐户权限
gcloud projects get-iam-policy YOUR_PROJECT_ID \\
  --flatten="bindings[].members" \\
  --filter="bindings.members:*gserviceaccount.com"

连接问题：

# 测试已部署的服务
curl https://your-service-url/health

# 查看日志
gcloud run logs read --service=deutschebahn-mcp-server --region=your-region

📖 使用示例

智能地理车站搜索

# 询问Claude：“查找靠近慕尼黑市中心的火车站”
# 使用：get_stations_by_position(48.1351, 11.5820)
# → 智能区域过滤返回相关的巴伐利亚车站

增强车站搜索

# 询问Claude：“查找法兰克福的火车站”
# 使用：get_station_by_name("Frankfurt")
# → API搜索字符串参数，带有智能回退

区域服务中心

# 询问Claude：“查找柏林附近的移动服务中心”
# 使用：get_szentralen_by_location(52.5200, 13.4050)
# → 返回柏林/勃兰登堡S-Zentralen，使用城市过滤

实时中断

# 询问Claude：“柏林中央车站现在有延误吗？”
# 使用：recent_timetable_changes提示

准确停车搜索

# 询问Claude：“查找法兰克福中央车站的停车位”
# 使用：search_parking_facilities("Frankfurt Hauptbahnhof")
# → 使用真实API的stationName参数获得准确结果

🧪 开发

运行测试

# 安装开发依赖
pip install -r requirements-dev.txt

# 运行测试
pytest tests/

# 带覆盖率运行
pytest --cov=. tests/

代码质量

# 格式化代码
black .

# 代码检查
flake8 .

# 类型检查
mypy .

使用MCP Inspector进行本地测试

# 安装MCP Inspector
npm install -g @modelcontextprotocol/inspector

# 检查本地服务器
mcp-inspector http://localhost:8080/mcp

🤝 贡献

我们欢迎社区贡献！请参阅我们的CONTRIBUTING.md指南以获取详细信息。

贡献者快速入门

分叉仓库
创建功能分支：git checkout -b feature-name
编写更改并添加测试
遵循我们的开发指南
提交拉取请求

归属请求

如果您在自己的项目中使用了这项工作、代码或概念，请提供适当的归属：

基于Paul von Berg的德国铁路MCP服务器
https://github.com/PaulvonBerg/db-mcp-server

感谢您！

⚙️ 配置

服务器通过环境变量进行配置。对于本地开发，在根目录创建一个.env文件，复制.env.example模板。对于云部署，这些值通过Google Secret Manager或直接在服务上设置。

查看.env.example文件中的注释，了解哪些凭证应放置在哪里，以避免混淆。

环境变量

变量	描述	来源 / 备注
`DB_API_KEY`	您的德国铁路API 客户端ID	必需。在`.env`（本地）或`DB_API_KEY`密钥（云）中设置。
`DB_API_SECRET`	您的德国铁路API 密钥（秘密）	必需。在`.env`（本地）或`DB_API_SECRET`密钥（云）中设置。
`GCP_PROJECT_ID`	您的Google Cloud项目ID	云部署所需。如果未设置，则自动检测。