代理型GIS：将CARTO工作流程转化为MCP工具
用于演示的工作坊材料 代理型GIS（地理信息系统）功能 使用MCP（模型上下文协议）工具和CARTO AI智能体来分析纽约市2025年交通拥堵法规的影响。
研讨会概览
这个实操工作坊将展示如何利用CARTO的地理空间工具，帮助Agent分析现实世界中的城市政策影响。参与者将学习如何：
- 创建并部署地理空间分析工作流作为MCP工具
- 将CARTO MCP服务器与外部AI代理集成
- 创建CARTO AI代理，并为它们提供MCP工作流工具
用例
2025年1月，纽约市推出了一项拥堵定价法规，旨在减少交通拥堵及其对交通事故和空气污染的影响。本次研讨会将引导您构建一个分析框架，通过比较三个关键指标来衡量该法规的实际影响：
- 交通流量法规实施前后的车辆总数
- 交通事故碰撞频率和严重程度
- 空气质量受影响区域的污染测量
该分析对比了纽约市任意用户定义感兴趣区域在法规实施前六个月（2024年6月至12月）与实施后六个月（2025年1月至6月）的数据。
研讨会结构
1. 引言（5分钟）
- 见见我们的教练
- 研讨会的目标和成果
- 纽约市拥堵收费案例研究概述
- 看看这些幻灯片！
2. 作为MCP工具的工作流（25分钟）
学习如何在CARTO中创建地理空间分析工作流，并将其作为MCP工具公开，以便任何AI代理都可以使用。
你将构建的内容：
- 扩展分析工作流程带状态轮询的全面异步分析
- 紧凑型分析工作流程更快的同步版本，快速得出结果
- 区域生成器工作流程将坐标对转换为WKT区域描述
关键概念：
- 在CARTO中创建工作流
- 将工作流配置为MCP工具
- 处理异步操作
- 性能优化策略
3. CARTO AI 代理（30分钟）
了解CARTO AI代理如何提供基于地图的界面进行地理空间分析。
你将学到的内容：
- 设置CARTO AI代理
- 为代理提供MCP工具的访问权限
- 定义您代理的逻辑
- 测试和优化代理
- 可视化分析结果
先决条件
- 具有访问工作流和构建器权限的CARTO账户
- 对地理空间概念（坐标、多边形、WKT格式）的基本理解
- 熟悉AI代理和MCP（有帮助但非必需）
- 一个安装在您电脑上的AI代理命令行界面（CLI）。推荐使用Claude Code或Gemini CLI
入门指南
步骤1：设置您的CARTO环境
- 登录到您的CARTO账户
- 导航至“工作流”部分
- 确保您能通过CARTO数据仓库访问所需的纽约市数据集：
- 交通流量数据 carto-demo-data.demo_tables.nyc_traffic_counts。 - 交通事故/碰撞数据在 carto-demo-data.demo_tables.nyc_collisions。 - 空气质量测量 carto-demo-data.demo_tables.nyc_air_quality。
步骤2：创建工作流
通过拖放文件来创建您的工作流程 /workflows 在您的CARTO账户中，此仓库的“工作流”部分。
扩展分析工作流（异步）
此工作流程执行全面的逐步分析，并异步运行。
主要特点：
- 使用MCP工具实现带作业跟踪的异步执行
async_workflow_job_get_status_v1_0_0和async_workflow_job_get_results_v1_0_0轮询状态并获取结果
区域生成器工作流程
将纬度/经度坐标转换为表示影响区域的WKT多边形字符串。
紧凑型分析工作流程（同步）
一个为速度优化的精简版，同步运行以更快获得结果。
主要特点：
- 针对速度进行了优化
- 同步执行（立即返回结果）
- 非常适合互动演示
步骤3：将工作流作为MCP工具暴露出来
对于创建的每个工作流：
- 导航至工作流设置
- 选择“作为MCP工具公开”
- 检查并配置工具元数据：
- 工具名称描述性名称（例如。， nyc_traffic_analysis_extended_version） - 描述清晰描述该工具的功能 - 参数定义输入和输出参数
- 作为MCP工具启用
步骤4：配置CARTO MCP服务器
为了配置您的MCP客户端，您需要从您的CARTO账户中获取一些必要的信息：
- 获取您的MCP服务器URL： 在您的 CARTO 工作区中，前往 _开发者_ 并找到 _工作流API与MCP服务器_
- 使用MCP工具授权创建API访问令牌： 在 _开发者_ 首选 _凭证；资格；资历_ 并点击 _+ 创建新（项目/文件/等）_
在（某处）查找更详细的说明 这份文件/文档。
在您的AI代理配置中添加CARTO MCP服务器以访问相关工具：
通用配置 （兼容Claude和Gemini CLI）
{
"mcpServers": {
"carto-sdsc-demo": {
"type": "http",
"url": "https://gcp-us-east1.api.carto.com/mcp/>",
"headers": {
"Authorization": "Bearer"
}
}
}
}Gemini 命令行界面（CLI）
$ gemini mcp add carto-mcp-server https://your-carto-instance.com/mcp/ -t http -H 'Authorization: Bearer '克劳德·科德
$ claude mcp add carto-mcp-server https://your-carto-instance.com/mcp/ -t http -H 'Authorization: Bearer '第五步：使用外部AI代理进行测试
一旦CARTO MCP服务器配置并连接成功，请尝试向您的AI代理提出以下问题：
- “曼哈顿百老汇和东休斯敦街周边的拥堵管制措施产生了什么效果？”
- “分析2025年1月新规实施后时代广场附近交通的变化”
- “比较金融区监管实施前后的空气质量”
步骤6：设置CARTO AI代理
既然您已经使用外部AI代理测试了您的MCP工具，接下来让我们创建一个CARTO AI代理，以实现一体化的地图体验。
1. 在您的组织中启用CARTO AI
第一步是在您的组织中启用CARTO AI。为此，请导航至 Settings > CARTO AI 并将其启用。
2. 创建一个地图来托管您的代理
- 前往 人工智能代理 在您的CARTO工作区中的部分
- 在这里，您将看到您CARTO组织中所有可用的AI代理
- 点击 创建AI代理
- 选择 + 新地图 （因为我们目前还没有涵盖此用例的现有地图）
3. 添加数据源并准备图层
在你的地图中，提供一个标题 Analyzing the impact of NYC Congestion Pricing Program并添加位于以下位置的纽约市（NYC）数据源 CARTO Data Warehouse > demo data > demo_tables：
- 碰撞纽约市交通事故数据
- 空气质量纽约市空气质量测量数据
- 拥堵纽约市交通流量数据
- 纽约市拥堵区域纽约市拥堵定价区边界
按照需求对各图层进行样式设置（例如，通过……来设置碰撞样式） carto_point_density （以便更好地可视化）
Add Data Sources and Style Layers
4. 创建并配置您的AI代理
a) 导航至 人工智能代理 在你的地图中（或：在你的地图上）
b) 点击 创建一个代理此时，会显示代理配置界面，以便您配置您的AI代理。
c) 提供 用例 描述你的代理所做的事情：
Analyze NYC's congestion pricing regulation impact (launched Jan 5, 2025). Compare traffic volume, accidents, and air quality before (June-Dec 2024) vs after (Jan-June 2025). Quantify changes in all three metrics and create a data-driven narrative showing the regulation's spatial effects.
d) 选择合适的 模型
- 导航至 模型 部分；章节
- CARTO 使用 CARTO 管理的模型 默认情况下，但您也可以在CARTO AI设置中配置您自己的模型。
- 在我们的情况下，将选择 Gemini-2.5-Pro
e) 添加 MCP工具 我们为您的代理创建了之前的步骤
您的代理可以访问 核心工具 默认情况下。现在添加自定义 工作流作为MCP工具 您在步骤2-3中创建的：
- 点击 添加工具 在代理配置中
- 在组织中搜索可用的MCP工具
- 添加这些工具：
- create_area_from_coordinates - nyc_traffic_analysis_compact
- 检查每个工具的元数据（描述、输入参数、输出定义）
f) 提供 说明/指示
为您的代理定义分析工作流程和行为：
- 导航至 说明/指示 部分；章节
- 从（某处）复制内容
agent/instructions.md - 粘贴到代理配置中
说明书中定义了沟通风格、针对不同输入场景的分析工作流程、结果展示方式以及缺失数据的处理方法。
Agent Instructions Configuration
g) 完成后，点击 创建代理
5. 测试您的代理
现在你可以开始测试你的代理了 编辑模式 在预览版上启用它并发布您的地图之前，请尝试以下查询：
- “我画出的区域交通会受到什么影响？”
- “向我展示当前地图视图中的拥堵影响”
- “时代广场的交通模式发生了怎样的变化？”
- “分析帝国大厦周边的交通变化”
*见 agent/test-prompts.md 用于更多测试查询*
6. 完成并分享
打开 AI代理配置 自定义开场白信息和对话引导语，帮助用户开始与您的客服代表交流。
添加开场白和对话引导语：
自定义问候语，并提供建议的提示来引导用户。这有助于他们了解客服代表能够提供的帮助，并为他们提供便捷的开始点。
*看 agent/intro-message.md 用于示例介绍信息和对话开场白*
Agent Intro Message Configuration
为观众启用：
首选 地图设置 并启用 地图上的AI代理 以便观众可以与智能体进行互动。
预览并分享：
测试中 预览模式 了解最终用户的体验。
一旦你对智能体的工作方式感到满意，就可以分享这张地图：
- 特定用户与团队成员个人分享
- 您的组织在您的CARTO组织中让所有人都可以访问它
- 公众使地图公开可访问
您的CARTO AI代理现已准备好使用！
在这个例子中，我们询问了“帝国大厦周边的交通情况”。你可以看到代理的分析结果以及所考虑的兴趣区域，这些都以新的人工智能生成图层的形式展示在地图上。
额外资源
支持
对于问题或疑问：
- 在研讨会期间：向讲师提问
- 研讨会结束后：请联系CARTO支持团队：support@carto.com
致谢/鸣谢
由CARTO产品管理团队的Ana Manzanares和Ernesto Martínez开发的研讨会。
数据来源：纽约市开放数据平台，\[其他来源\]