Esankhyiki MCP

MoSPI MCP服务器

   

MCP（模型上下文协议）服务器，用于访问印度统计和计划实施部（MoSPI）的数据API。采用FastMCP 3.0构建。

______________________________________________________________________

目录

• 概述
• 数据集
• MCP工具
• 快速开始

- 安装 - 运行服务器 - 从MCP客户端连接

• 部署

- 码头工人 - - FastMCP云

• 建筑
• 配置
• 贡献
• 资源
• 许可证
• 关于DIID
• 致谢

______________________________________________________________________

概述

该服务器通过模型上下文协议（MCP）提供人工智能对印度政府官方统计数据的访问。它充当人工智能助手（Claude、ChatGPT、Cursor等）和MoSPI的开放数据API之间的桥梁，支持对经济、人口和社会指标进行自然语言查询。

主要特点：

• 23个统计数据集，涵盖就业、通货膨胀、工业生产、国内生产总值、能源、可再生能源、高等教育、学校教育、性别、健康、环境、贸易、农业、消费、经济普查和数字素养
• 为LLM消费设计的顺序4工具工作流
• Swagger驱动的参数验证
• 完全开放遥测集成，实现可观测性
• 生产就绪的Docker部署

______________________________________________________________________

数据集

______________________________________________________________________

MCP工具

服务器公开了4个遵循顺序工作流的工具：

list_datasets  →  get_indicators  →  get_metadata  →  get_data

重要提示： 工具必须按顺序调用。跳过 get_metadata 将导致无效的筛选代码。

______________________________________________________________________

快速开始

如果你想将你选择的AI代理与MCP服务器连接，你可以直接将其与MOSPI的MCP服务器连接。此处提供将ChatGPT或Claude连接到MCP的视频指南-

https://github.com/user-attachments/assets/ec23db03-c5ad-4bdd-af3a-9387bd906b3c

https://github.com/user-attachments/assets/4d2adb2a-a350-4563-8408-c0790bb94412

欲了解更多信息，请访问-https://www.datainnovation.mospi.gov.in/mospi-mcp

以下说明适用于MCP服务器的自托管。

安装

# Clone the repository
git clone https://github.com/nso-india/esankhyiki-mcp.git
cd esankhyiki-mcp

# Create virtual environment (recommended)
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

运行服务器

# HTTP transport (remote access)
python mospi_server.py

# OR using FastMCP CLI
fastmcp run mospi_server.py:mcp --transport http --port 8000

# stdio transport (local MCP clients)
fastmcp run mospi_server.py:mcp

服务器运行于 http://localhost:8000/mcp

从CLI工具连接

服务器URL: https://mcp.mospi.gov.in/

克劳德代码

claude mcp add esankhyiki-mcp --transport http https://mcp.mospi.gov.in/

证实 claude mcp list.

光标/风帆

添加 .cursor/mcp.json 或 .windsurf/mcp.json:

{
  "mcpServers": {
    "esankhyiki-mcp": {
      "command": "npx",
      "args": ["mcp-remote", "https://mcp.mospi.gov.in/"]
    }
  }
}

反重力

添加到您的反重力MCP设置中：

{
  "mcpServers": {
    "mospi_api": {
      "serverUrl": "https://mcp.mospi.gov.in/"
    }
  }
}

验证连接

curl -s -X POST https://mcp.mospi.gov.in/ \
  -H "Content-Type: application/json" \
  -H "Accept: application/json, text/event-stream" \
  -d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2025-03-26","capabilities":{},"clientInfo":{"name":"test","version":"0.1"}}}'

返回成功响应 serverInfo 随着 "name": "MoSPI Data Server".

本地服务器

如果在本地运行：

claude mcp add esankhyiki-mcp --transport http http://localhost:8000/mcp

或者使用FastMCP Python客户端：

import asyncio
from fastmcp import Client

async def main():
    async with Client("http://localhost:8000/mcp") as client:
        overview = await client.call_tool("list_datasets", {})
        print(overview)

asyncio.run(main())

______________________________________________________________________

部署

码头工人

# Build the image
docker build -t mospi-mcp .

# Run the container
docker run -d -p 8000:8000 --name mospi-server mospi-mcp

Docker Compose

包括用于分布式跟踪可视化的Jaeger：

docker-compose up -d

服务：

• MoSPI服务器: http://localhost:8000/mcp
• Jaeger用户界面: http://localhost:16686

FastMCP云

1. 将代码推送到GitHub
2. 登录到…… FastMCP云
3. 使用入口点创建项目 mospi_server.py:mcp

______________________________________________________________________

建筑

mospi-mcp-api/
├── mospi_server.py          # FastMCP server - tools, validation, routing
├── mospi/
│   └── client.py            # MoSPI API client - HTTP requests to api.mospi.gov.in
├── swagger/                 # Swagger YAML specs per dataset (source of truth for params)
│   └── swagger_user_*.yaml
├── observability/
│   └── telemetry.py         # OpenTelemetry middleware for tracing
├── tests/                   # Pytest suite (covering all 23 datasets)
├── Dockerfile               # Production container with OTEL instrumentation
├── docker-compose.yml       # Full stack with Jaeger
└── requirements.txt

设计原则

______________________________________________________________________

测试

pip install -r tests/requirements-test.txt
pytest tests/ -v -p no:anyio

在MCP服务器上运行进程内（不需要运行服务器）。涵盖所有4个工具的所有23个数据集。看 贡献.md 了解详情。

______________________________________________________________________

配置

OpenTetry的环境变量：

看 .env.example 查看完整配置选项。

______________________________________________________________________

贡献

我们欢迎捐款！请看 贡献.md 关于以下方面的指导方针：

• 添加新数据集
• 项目结构
• 开发设置
• 代码风格

______________________________________________________________________

资源

• MoSPI开放API -API官方文件和e-Sankhyiki门户网站
• FastMCP文档 -MCP框架文档
• 模型上下文协议 -MCP规范

______________________________________________________________________

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

______________________________________________________________________

DIID

数据创新实验室旨在促进官方统计中信息技术的创新和使用，包括调查方法的现代化。它试图解决国家统计系统目前面临的挑战。该实验室将作为一个平台，通过概念验证项目测试和开发新想法。它将促进与企业家、研究人员、初创企业、学术机构以及著名的国家和国际组织等广泛参与者的合作。通过创造一个开放和动态的环境，该实验室将支持统计系统的进步，并帮助提高数据收集和分析的质量和效率。

了解更多：https://www.datainnovation.mospi.gov.in/home

致谢

与合作伙伴共同制造 巴拉特数字 追求政府如何利用技术为公众服务的现代化和人性化。