在渲染上部署CourtListener MCP服务器
本指南将介绍如何创建和部署一个与CourtListener v4 REST API通信的Python MCP服务器，并提供五个可靠的工具：
courtlistener.search-案例法搜索/PACER/法官/口头辩论（Citegist搜索API）courtlistener.find_court--向CourtListener解析法庭字符串court_id代码（通过courts_db)courtlistener.get_cluster--通过集群ID（CourtListener意见URL中的ID）检索案例（集群）courtlistener.get_opinion--按意见ID检索特定意见文档（全文）courtlistener.resolve_from_url--粘贴CourtListener URL并返回底层集群+意见
您将使用HTTP传输将MCP服务器部署到Render，以便多个客户端可以连接。
先决条件
需求
- Python 3.10+
- MCP Python SDK（FastMCP）
httpx对于HTTP请求
在本地安装依赖项：
pip install "mcp[cli]" httpx courts-dbCourtListener API令牌
从您的CourtListener帐户（个人资料）创建或复制令牌→ API).所有请求必须包括：
Authorization: Token 渲染最佳实践：将令牌存储为名为的环境变量 COURTLISTENER_API_TOKEN.
CourtListener API模型（您正在集成的内容）
CourtListener在这里公开了两种重要的API风格：
- 搜索API（搜索引擎支持）
- 端点： /api/rest/v4/search/ - 用于发现和排名 - 支持关键字搜索（默认）和语义搜索（仅适用于判例法） - 使用光标分页
- 判例法REST API（数据库支持）
- 集群： /api/rest/v4/clusters/ （CourtListener URL中使用的案例/分组） - 意见： /api/rest/v4/opinions/ （个人决定文本；领导/同意/反对） - 卷宗/法院也存在，但四种工具的基线侧重于搜索+集群+意见。
关键区别： CourtListener网站URL包含一个集群ID（不是意见ID）。意见ID与集群ID不可靠匹配。
项目结构
建议的最小结构（已存在于此仓库中）：
courtlistener-mcp/
courtlistener_server.py
requirements.txt
README.mdrequirements.txt:
mcp[cli]
httpx实施：MCP服务器（全部5个工具）
服务器在中实现 courtlistener_server.py.关键可靠性目标：
- 一个共享
httpx.AsyncClient - 一个请求助手，持续添加身份验证、超时和错误
- 随时随地使用CourtListener v4端点
- 在意见获取中使用字段选择来保持有效载荷较小
该文件定义了五个工具：
0) courtlistener.find_court
将人类法庭字符串（或CourtListener标识符）解析为CourtListener court_id 代码使用 courts_db 数据集。
示例流程（先解析后搜索）：
{ "query": "Supreme Court of the United States" }然后通过返回 court_ids 进入搜索：
{ "query": "habeas", "type": "o", "courts": ["scotus"], "limit": 10 }1) courtlistener.search
通过搜索 /api/rest/v4/search/ 跨越多个语料库。返回一个规范化的、对代理友好的列表（默认限制=10）和一个 next_cursor.
响应总是包括 warnings 数组提醒消费者LLM摘要可能是错误的，并包含CourtListener链接(url)在引用结果时。
输入合同
query是必需的type选择您要搜索的内容courts是一个可选列表court_id代码court_query是一个可选的人类法庭字符串（解析为court_id代码通过courts_db)court_bankruptcy和court_date_found可选择细化court_query决心semantic仅适用于type="o"highlight切换代码段突出显示cursor支持分页
备注
- 对于
type="o"结果，可靠的标识符通常是cluster_id. - 工具返回
raw每个项目的稳健性；如果你想要一个更严格的模式，请删除。
2) courtlistener.get_cluster
按ID获取集群。可选地获取所有子意见文档。
3) courtlistener.get_opinion
按意见ID获取意见文档，返回首选格式的文本。用途 fields= 省略不需要的字段。
4) courtlistener.resolve_from_url
接受CourtListener URL，如下所示 https://www.courtlistener.com/opinion/2812209/obergefell-v-hodges/ 并返回规范集群（以及可选的意见文档）。
运行服务器（渲染的HTTP传输）
添加入口点（已在 courtlistener_server.py):
if __name__ == "__main__":
port = int(os.environ.get("PORT", "8000"))
mcp.run(transport="http", host="0.0.0.0", port=port)对于HTTP传输，FastMCP在以下位置公开JSON-RPC端点 /mcp.
要渲染的部署
- 推送到Git。 将此项目推送到GitHub（或其他git主机）。
- 创建渲染Web服务。
- 环境：Python - 构建命令：渲染自动安装 requirements.txt （或设置 pip install -r requirements.txt) - 启动命令：
python courtlistener_server.py- 环境变量。 在渲染上设置：
- COURTLISTENER_API_TOKEN =您的代币 - 自动设置渲染 PORT
- 核实。 部署后，您的MCP端点将是：
https://.onrender.com/mcp从代理使用MCP服务器
一旦向支持MCP的客户端注册，代理就可以呼叫：
MCP提示
此服务器还公开MCP提示（由返回的模板 prompts/get 客户在与模特交谈时可以应用）。
legal_research--使用courtlistener.*工具。
- 论据： question （必填）， court_query, date_window, court_level, notes
搜索案例（10个结果）
{
"query": "breach of warranty",
"type": "o",
"courts": ["ca5"],
"limit": 10
}获取法律研究清单提示
{
"name": "legal_research",
"arguments": {
"question": "What is the standard for fair use in the Ninth Circuit?",
"court_query": "Ninth Circuit",
"date_window": "all years"
}
}根据结果检索全文
{
"cluster_id": 2812209,
"include_opinions": true,
"opinion_text_format": "html_with_citations"
}注：include_opinions默认为false当集群包含许多子意见时，避免长时间的扇出请求。
检索特定意见文件
{
"opinion_id": 9969234,
"text_format": "html_with_citations"
}粘贴URL
{
"url": "https://www.courtlistener.com/opinion/2812209/obergefell-v-hodges/",
"include_opinions": true
}可靠性检查表（为什么这种实施有效）
- 正确的API版本：所有使用
/api/rest/v4/...（无v3端点）。 - 正确的标识符：搜索返回集群；网站URL包含集群ID；通过意见ID获取的意见。
- 一致的HTTP行为：客户端以一致的超时延迟创建，并通过提供的帮助程序关闭。
- 一致的输出：所有工具都返回规范化的JSON对象（不是脆弱的格式化字符串）。
- 字段选择：意见获取使用
fields=以减小有效载荷大小。 - 分页支持：搜索返回
next_cursor代理人继续。
日志记录注意事项
如果你添加日志记录，请使用Python logging 并写入stderr。对于Render上的HTTP模式，stdout是可以接受的，但结构化日志记录是首选。
许可证
MIT许可证。看 LICENSE.