SkyTerra TIF MCP 服务器
一个用于查询和分析作物分类TIF图像的MCP（模型上下文协议）服务器。该服务器使大型语言模型（LLM）代理能够读取和查询地理空间TIF文件，其中每个像素代表一个30米x30米区域内分类的作物类型。
概述
这个MCP服务器提供了工具，用于分析来自作物分类模型的TIF图像，其中：
- 每个像素包含一个类别值（0-12），代表一种作物类型
- 每个像素对应一个30米x30米的区域（900平方米）
- 整幅图像代表的是被分类的农业用地
安装
# Clone the repository
cd skyterra-tif-mcp
# Install dependencies using uv
uv sync运行服务器
# Using uv
uv run python main.py
# Or activate the virtual environment first
source .venv/bin/activate # On Linux/Mac
python main.py使用Claude Desktop进行配置
将此配置添加到您的Claude桌面配置文件中：
MacOS（苹果电脑操作系统）： ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"skyterra-tif": {
"command": "uv",
"args": [
"--directory",
"/path/to/skyterra-tif-mcp",
"run",
"python",
"main.py"
]
}
}
}替换 /path/to/skyterra-tif-mcp 加上此目录的实际路径。
可用工具
1. load_tif_image
加载一张作物分类TIF图像以进行分析。
参数：
file_path(字符串): TIF 文件的路径image_id(字符串，可选)：此图像的标识符（默认值：“default”）
示例：
Load the TIF image at /data/crops/field_2024.tif2. query_area_class
查询图像中某个一般区域存在哪些作物类别。
参数：
area(str): 查询区域 - 可选之一：
- center， top-left， top-right， bottom-left， bottom-right - top-edge， bottom-edge， left-edge， right-edge， entire
image_id(字符串，可选)：图像标识符（默认：“default”）sample_size(int, 可选): 要采样的像素数量（默认值：100）
示例：
What crop classes are in the center of the image?
What's growing in the bottom-right corner?3. calculate_class_area
计算特定作物类别所覆盖的大致面积。
参数：
crop_class(int): 作物类别编号（0-12）image_id(字符串，可选)：图像标识符（默认：“default”）unit(字符串，可选)：测量单位 -square_meters，hectares，或square_kilometers（默认：“公顷”）
示例：
What is the area of crop class 5?
How many hectares of class 8 are there?4. get_image_info
获取已加载TIF图像的元数据和统计信息。
参数：
image_id(字符串，可选)：图像标识符（默认：“default”）
示例：
Show me information about the loaded image
What are the dimensions of the image?5. get_class_distribution
获取图像中所有作物类别的分布情况。
参数：
image_id(str, 可选): 图像标识符（默认: "default"）
示例：
What's the distribution of all crop classes?
Show me a breakdown of crops in the image6. list_loaded_images
列出当前加载的所有图像。
示例：
What images are currently loaded?示例使用工作流程
User: Load the TIF file at /data/field_map.tif
Agent: [Calls load_tif_image with file_path="/data/field_map.tif"]
Response: Successfully loaded image 'default' from field_map.tif
Dimensions: 1000 x 800 pixels
Total area: ~72.00 km² (7200.00 hectares)
Classes found: [0, 1, 2, 5, 7, 8, 11]
User: What crop classes are in the center?
Agent: [Calls query_area_class with area="center"]
Response: Classes in center area (sampled 100 pixels):
Class 5: 45 pixels (45.0%)
Class 7: 32 pixels (32.0%)
Class 2: 23 pixels (23.0%)
Dominant class: 5 (45.0%)
User: How many hectares of class 5 are there?
Agent: [Calls calculate_class_area with crop_class=5]
Response: Crop Class 5 Coverage:
Pixels: 285,432 / 800,000 (35.68%)
Area: 2,568.89 hectares技术细节
图像处理
- 用途
rasterio用于读取地理空间TIF文件 - 用途
numpy为了高效地进行数组操作 - 在内存中维护图像数据以实现快速查询
- 支持同时加载多个具有不同ID的图像
面积计算
- 每个像素=30米x30米=900平方米
- 支持平方米、公顷和平方公里之间的转换
- 像素数量精确；面积计算基于名义上的30米分辨率
坐标系
- 保留TIF文件中的原始坐标参考系统（CRS）
- 存储地理空间边界以供参考
- 能够处理任何投影坐标系
依赖项
fastmcp(>=2.12.4): MCP服务器框架rasterio(>=1.4.3): 地理空间栅格输入/输出numpy数组操作matplotlib(>=3.10.7)：支持绘图功能scipy(>=1.16.2): 科学计算
许可证
详见LICENSE文件。