Toronto Open Data MCP Server

多伦多开放数据MCP服务器

一种MCP（模型上下文协议）服务器，通过CKAN API提供对多伦多开放数据的直接访问。该服务器允许LLM代理高效地发现、探索和查询多伦多的500多个公共数据集。

特性

• 🔍 智能数据集发现：通过智能建议搜索500多个多伦多数据集
• 🧠 智能数据助手：自动处理API和CSV数据源
• 📊 灵活查询：支持对API数据集进行筛选、排序和字段选择
• 📁 CSV支持：自动获取和预览可下载的CSV数据集
• 🤝 LLM友好：设计用于在需要额外上下文时与网络搜索协同使用
• ✅ 稳健的错误处理：清晰的错误信息和可操作的建议

安装

选项1：使用uvx（建议用于MCP）

将此服务器与任何MCP客户端一起使用的最简单方法：

brew install uv

# No installation needed! uvx will handle everything
# Just use in your MCP client configuration:
uvx toronto-open-data-mcp-server

选项2：开发安装

1. 克隆存储库:

   git clone https://github.com/yourusername/toronto-open-data-mcp-server.git
   cd toronto-open-data-mcp-server

1. 安装依赖项:

   # Install main dependencies
   pip install -e .

   # Install test dependencies (optional)
   pip install -e ".[test]"

1. 运行服务器:

   python main.py

MCP客户端配置

使用uvx（最简单的方法）

将此添加到MCP客户端配置中：

{
  "mcpServers": {
    "Toronto Open Data Server": {
      "command": "uvx",
      "args": ["toronto-open-data-mcp-server"]
    }
  }
}

配置文件位置

• 克劳德桌面: ~/Library/Application Support/Claude/claude_desktop_config.json
• 光标：检查Cursor的MCP文档以了解配置位置
• 其他MCP客户端：请参阅客户的文件

用法

快速开始

服务器提供了几个专为LLM代理设计的工具：

1. toronto_start_here() -解释工作流程的基本第一通电话
2. toronto_search_datasets(query) -按关键字查找相关数据集
3. toronto_smart_data_helper(dataset_id, user_question) -智能数据检索
4. toronto_popular_datasets() -快速访问常用数据集

工作流示例

# 1. Start with guidance
toronto_start_here()

# 2. Search for relevant data
toronto_search_datasets("restaurant inspection")

# 3. Get data intelligently
toronto_smart_data_helper("dinesafe", "recent restaurant inspection failures")

# 4. Advanced filtering (if needed)
toronto_query_dataset_data("dinesafe", 
                           filters={"establishment_status": "Conditional Pass"},
                           sort="inspection_date desc",
                           limit=10)

热门数据集

• dinesafe -餐厅检查和健康评分
• traffic-signals -交通灯位置和时间
• parks-facilities -公园、游泳池和娱乐设施
• business-licences -多伦多的特许经营企业
• building-permits -建筑和装修许可证

测试

该项目包括全面的测试，包括单元测试、集成测试和工作流测试。

先决条件

安装测试依赖项：

pip install -e ".[test]"

运行测试

快速测试命令

# Run unit tests only (recommended for development)
python run_tests.py

# Run with verbose output
python run_tests.py --verbose

# Run with coverage report
python run_tests.py --coverage

# Run integration tests (hits real Toronto API)
python run_tests.py --integration

# Run all tests (unit + integration)
python run_tests.py --all

api参考

核心工具

toronto_start_here() -> str

提供工作流指导和服务器功能的基本首次调用。

toronto_search_datasets(query: str, limit: int = 10) -> str

按关键字搜索多伦多数据集。

toronto_smart_data_helper(dataset_id: str, user_question: str, limit: int = 10) -> str

自动处理API和CSV数据源的智能助手。

toronto_query_dataset_data(dataset_id: str, filters: Dict = None, fields: List = None, limit: int = 10, sort: str = None) -> str

具有API数据集过滤和排序功能的高级查询。

实用工具

toronto_popular_datasets() -> str

快速访问常用数据集。

toronto_get_dataset_schema(dataset_id: str) -> str

获取API数据集的字段名称和类型。

toronto_fetch_csv_data(csv_url: str, max_lines: int = 50) -> str

获取并预览CSV文件内容。

建筑

• FastMCP框架：基于FastMCP框架构建，便于工具定义
• CKAN API：与多伦多CKAN开放数据门户直接集成
• 协同设计：与网络搜索一起工作，而不是取代它
• 错误恢复：具有可操作建议的智能错误处理

贡献

1. 分叉存储库
2. 创建要素分支
3. 添加新功能的测试
4. 运行测试套件： python run_tests.py --all
5. 提交拉取请求