GIS MCP Server

GIS MCP サーバー

GIS-MCP は、AI アシスタントや大規模言語モデル（LLM）を GIS および地理空間処理に接続する、オープンソースの Model Context Protocol（MCP）サーバーです。

MCP 対応クライアントを通じて、AI エージェントが地理空間解析、空間データ処理、ベクターおよびラスターデータの操作、座標変換、空間統計、マッピングなど、さまざまな GIS ワークフローを実行できるようにします。

🌐 公式ドキュメント： https://gis-mcp.com

📦 PyPI： https://pypi.org/project/gis-mcp/

💻 ソースコード： https://github.com/mahdin75/gis-mcp

92 種類以上の GIS ツールがあり、Shapely、GeoPandas、PyProj、Rasterio、PySAL、可視化、衛星画像、気候、生態学、移動、土地被覆データに対応しています。

✨ チャットボットで正確な地理空間分析を実行しませんか？ ✨

GIS-MCP をインストールして、AI の空間分析能力を高めましょう！

現在のバージョンは 0.15.0（ベータ版）です：

このプロジェクトの開発に参加してくださる方や、貢献してくださる方を歓迎します。

🎥 デモ

📋 目次

• 機能
• ストレージ
• 前提条件
• バイブコーディング
• インストール
  • Docker によるインストール
  • pip によるインストール
  • 開発用インストール
• 最初の GIS AI エージェントを作成する
• 利用可能な関数
  • Shapely 関数
  • PyProj 関数
  • GeoPandas 関数
  • Rasterio 関数
  • PySAL 関数
  • 可視化関数
    • 静的マップ関数
    • インタラクティブなウェブマップ関数
  • 行政界関数
  • 気候データ関数
  • 生態データ関数
  • 移動データ関数
  • 土地被覆データ関数
  • 衛星画像関数
• クライアント開発
• 予定している機能
• 貢献
• ライセンス
• 関連プロジェクト
• サポート
• バッジ

🚀 機能

GIS MCP Server は、AI アシスタントに高度な地理空間インテリジェンスを提供します。主な機能は次のとおりです。

• 🔹 包括的なジオメトリ操作 – 交差、和、バッファー、差分など、さまざまな幾何変換を簡単に実行できます。
• 🔹 高度な座標変換 – 座標参照系間でジオメトリを簡単に再投影・変換できます。
• 🔹 正確な計測 – 距離、面積、長さ、重心を正確に計算できます。
• 🔹 空間分析と検証 – ジオメトリを検証し、近接性を確認し、空間オーバーレイや結合を実行できます。
• 🔹 ラスターデータとベクターデータのサポート – ラスターレイヤーの処理、NDVI などの指標の計算、クリップ、リサンプリング、ベクターデータとのマージができます。
• 🔹 空間統計とモデリング – PySAL を活用し、空間的自己相関、クラスタリング、近傍分析を実行できます。
• 🔹 簡単な統合 – Claude Desktop や Cursor IDE などの MCP 対応クライアントにシームレスに接続できます。
• 🔹 HTTP/SSE トランスポート – ファイルのアップロード／ダウンロード操作に対応する RESTful ストレージエンドポイントを備えた HTTP サービスとして実行できます。
• 🔹 柔軟なストレージ – デフォルトではローカルファイルシステムを使用し、ファイルを GCS バケットに保存する場合は Google Cloud Storage を利用できます。
• 🔹 柔軟性と拡張性 – Python ベースの GIS ライブラリをサポートし、カスタムツールやワークフロー拡張にも対応しています。

🌟 ヒント： GIS MCP Server を使うと、AI が「空間的に考える」ことができるようになり、環境分析、地図作成、位置情報インテリジェンスの新たな機能が利用可能になります。

💾 ストレージ

GIS MCP Server は、ファイルのアップロード、ダウンロード、ツールの出力に、次の 2 つのストレージバックエンドをサポートしています。

次のコマンドで GCP サポートをインストールします。

pip install gis-mcp[gcp]

セットアップの詳細（パス、IAM、Docker、認証情報）については、ストレージの設定をご覧ください。

📋 前提条件

• Python 3.10 以降
• MCP 対応クライアント（Claude Desktop や Cursor など）
• パッケージのインストールに必要なインターネット接続

バイブコーディング

バイブコーディングでエージェントを構築する場合は、GIS MCP の以下のマップをモデルに渡してください。

• llms.txt：コンテキストウィンドウが小さい場合向けの、厳選された概要です。
• llms-full.txt：コンテキストウィンドウが大きい場合向けの、ドキュメント全体のマップです。

リポジトリのルートにもコピー（llms.txt、llms-full.txt）があります。MkDocs のビルド時にドキュメントから再生成されます。

🛠 インストール

ニーズに最適なインストール方法を選択してください。

🐳 Docker によるインストール

GIS MCP Server は Docker を使用して実行できます。依存関係がすべて事前にインストールされた、分離された環境を利用できます。

重要： Dockerfile と Dockerfile.local は、どちらもデフォルトで HTTP トランスポートモードが有効になっています。サーバーはポート 9010 で実行され、http://localhost:9010/mcp からアクセスできます。

Dockerfile を使用する場合

メインの Dockerfile は、PyPI からパッケージをインストールします。

1. Docker イメージをビルドします。

docker build -t gis-mcp .

2. コンテナを実行します（デフォルトで HTTP モードが有効です）。

docker run -p 9010:9010 gis-mcp

Dockerfile.local を使用する場合

Dockerfile.local は、ローカルのソースファイルからパッケージをインストールします（開発やカスタムビルドに便利です）。

1. Docker イメージをビルドします。

docker build -f Dockerfile.local -t gis-mcp:local .

2. コンテナを実行します（デフォルトで HTTP モードが有効です）。

docker run -p 9010:9010 gis-mcp:local

HTTP トランスポートモードでは、サーバーは http://localhost:9010/mcp で利用できます。

Docker の設定と環境変数の詳細については、Docker インストールガイドをご覧ください。

📦 pip によるインストール

ほとんどのユーザーには、pip によるインストールをおすすめします。

1. uv パッケージマネージャーをインストールします。

pip install uv

2. 仮想環境を作成します（Python 3.10 以降）。

uv venv --python=3.10

3. 仮想環境を有効にします。

Windows（PowerShell）の場合：

.\.venv\Scripts\Activate.ps1

Linux の場合：

source .venv/bin/activate

4. パッケージをインストールします。

uv pip install gis-mcp

可視化機能を含めてインストールする

可視化機能（インタラクティブマップ用の Folium と PyDeck）を使用する場合は、次のコマンドでインストールします。

uv pip install gis-mcp[visualize]

これにより、次の追加の依存関係がインストールされます。

• folium>=0.15.0 - インタラクティブなウェブマップの作成用
• pydeck>=0.9.0 - 高度な 3D 可視化用

5. サーバーを起動します。

gis-mcp

デフォルトでは、サーバーは STDIO トランスポートモードで実行されます。このモードはローカル開発や、Claude Desktop または Cursor IDE との連携に最適です。

ネットワーク環境にデプロイする場合は、HTTP トランスポートモードでサーバーを実行することもできます。

export GIS_MCP_TRANSPORT=http
export GIS_MCP_PORT=8080
gis-mcp

HTTP または SSE トランスポートモードで実行する場合、次のエンドポイントを利用できます。

• MCP エンドポイント：http://host:port/mcp（HTTP）または http://host:port/sse（SSE）
• ストレージエンドポイント：
  • POST /storage/upload - ファイルをサーバーストレージにアップロードします
  • GET /storage/download?path=<file> - サーバーストレージからファイルをダウンロードします
  • GET /storage/list?path=<dir> - サーバーストレージ内のファイルを一覧表示します

トランスポートモードの詳細とエンドポイントの完全なドキュメントについては、以下をご覧ください。

• HTTP トランスポートの設定
• サーバーエンドポイント

pip の設定

Claude または Cursor で pip インストールを使用するには、次の設定を追加します。

Claude Desktop：

Windows：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "C:\\Users\\YourUsername\\.venv\\Scripts\\gis-mcp",
      "args": []
    }
  }
}

Linux/Mac：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "/home/YourUsername/.venv/bin/gis-mcp",
      "args": []
    }
  }
}

Cursor IDE（.cursor/mcp.json を作成）：

Windows：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "C:\\Users\\YourUsername\\.venv\\Scripts\\gis-mcp",
      "args": []
    }
  }
}

Linux/Mac：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "/home/YourUsername/.venv/bin/gis-mcp",
      "args": []
    }
  }
}

設定後：

1. YourUsername を実際のユーザー名に置き換えてください
2. 開発用にインストールする場合は、/path/to/gis-mcp をプロジェクトの実際のパスに置き換えてください
3. 変更を適用するため、IDE を再起動してください
4. Claude または Cursor で、すべての GIS 操作を使用できるようになります！

🛠 開発用インストール

コントリビューターおよび開発者向け：

1. uv パッケージマネージャーをインストールします：

pip install uv

2. 仮想環境を作成します：

uv venv --python=3.10

3. 開発モードでパッケージをインストールします：

uv pip install -e .

4. サーバーを起動します：

python -m gis_mcp

開発用の設定

Claude または Cursor で開発用インストールを使用するには、次の設定を追加します。

Claude Desktop：

Windows：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "C:\\path\\to\\gis-mcp\\.venv\\Scripts\\python",
      "args": ["-m", "gis_mcp"]
    }
  }
}

Linux/Mac：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "/path/to/gis-mcp/.venv/bin/python",
      "args": ["-m", "gis_mcp"]
    }
  }
}

Cursor IDE（.cursor/mcp.json を作成）：

Windows：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "C:\\path\\to\\gis-mcp\\.venv\\Scripts\\python",
      "args": ["-m", "gis_mcp"]
    }
  }
}

Linux/Mac：

{
  "mcpServers": {
    "gis-mcp": {
      "command": "/path/to/gis-mcp/.venv/bin/python",
      "args": ["-m", "gis_mcp"]
    }
  }
}

設定後：

1. YourUsername を実際のユーザー名に置き換えてください
2. 開発用にインストールする場合は、/path/to/gis-mcp をプロジェクトの実際のパスに置き換えてください
3. 変更を適用するため、IDE を再起動してください
4. Claude または Cursor で、すべての GIS 操作を使用できるようになります！

🤖 最初の GIS AI エージェントを作成する

実際の GIS MCP ツール（架空の空間計算ではありません）を呼び出すエージェントを作成します。

LangChain（Python）— 公園のバッファ近接分析

チュートリアル：公園のバッファ近接分析エージェント

サンプル：agents/Langchain/

LangGraph（Python）— 状態を保持する敷地カバレッジ分析

チュートリアル：状態を保持する敷地カバレッジのワークフロー

サンプル：agents/LangGraph/

• 明示的なグラフ：解釈 → 計画 → GIS MCP ツールの実行 → 検証 → 応答
• LLM を使わずに検証：python agents/LangGraph/verify_graph.py

LangGraph（Python）— マルチエージェントによるセットバック分析

チュートリアル：マルチエージェントによるセットバック分析ワークフロー

• プランナー／分析／検証エージェント。GIS MCP を呼び出すのは分析エージェントのみです
• 検証：python agents/LangGraph/verify_multi_agent.py

その他のエージェント関連ドキュメント

👉 エージェントチュートリアルの概要 →

最小構成のスターター：templates/（langchain-gis-agent、langgraph-gis-workflow、langgraph-multi-agent-gis）

こちらも利用できます：OpenAI Agents SDK（Node.js）

📝 Medium の記事（LangChain 入門）→

🎥 YouTube →

📚 利用可能な関数

このセクションでは、ライブラリごとに整理した、利用可能なすべての関数を網羅的に紹介します。

🔷 Shapely 関数（合計 29 個）

基本的な幾何演算：

• buffer - ジオメトリの周囲にバッファーを作成
• intersection - 2 つのジオメトリの交差部分を取得
• union - 2 つのジオメトリを結合
• difference - ジオメトリ間の差分を取得
• symmetric_difference - 対称差を取得

幾何プロパティ：

• convex_hull - 凸包を計算
• envelope - バウンディングボックスを取得
• minimum_rotated_rectangle - 最小回転矩形を取得
• get_centroid - 重心点を取得
• get_bounds - ジオメトリの境界を取得
• get_coordinates - 座標配列を抽出
• get_geometry_type - ジオメトリ型の名前を取得

変換：

• rotate_geometry - 角度を指定してジオメトリを回転
• scale_geometry - 係数を指定してジオメトリを拡大・縮小
• translate_geometry - オフセットを指定してジオメトリを移動

高度な演算：

• triangulate_geometry - 三角形分割を作成
• voronoi - ボロノイ図を作成
• unary_union_geometries - 複数のジオメトリを結合

測定：

• get_length - ジオメトリの長さを計算
• get_area - ジオメトリの面積を計算

検証とユーティリティ：

• is_valid - ジオメトリの有効性を確認
• make_valid - 無効なジオメトリを修正
• simplify - ジオメトリを簡略化
• snap_geometry - 参照ジオメトリにスナップ
• nearest_point_on_geometry - 最も近い点を検索
• normalize_geometry - 向きを正規化
• geometry_to_geojson - GeoJSON に変換
• geojson_to_geometry - GeoJSON から変換

🔷 PyProj 関数（合計 13 個）

座標変換：

• transform_coordinates - 点の座標を変換
• project_geometry - CRS 間でジオメトリを投影

CRS 情報：

• get_crs_info - CRS の詳細情報を取得
• get_available_crs - 利用可能な CRS システムを一覧表示
• get_utm_zone - 座標に対応する UTM ゾーンを取得
• get_utm_crs - 座標に対応する UTM CRS を取得
• get_geocentric_crs - 地心 CRS を取得

測地計算：

• get_geod_info - 楕円体情報を取得
• calculate_geodetic_distance - 楕円体上の距離を計算
• calculate_geodetic_point - 距離と方位角を指定して点を計算
• calculate_geodetic_area - 楕円体上の面積を計算

🔷 GeoPandas 関数（合計 13 個）

入出力操作：

• read_file_gpd - プレビュー付きで地理空間ファイルを読み込む
• write_file_gpd - GeoDataFrame をファイルにエクスポート

結合・マージ操作：

• append_gpd - GeoDataFrame を縦方向に連結
• merge_gpd - データベース形式の属性結合
• overlay_gpd - 空間オーバーレイ操作
• dissolve_gpd - 属性でディゾルブ
• explode_gpd - マルチパートジオメトリを分割

空間操作：

• clip_vector - ジオメトリをクリップ
• sjoin_gpd - 空間結合
• sjoin_nearest_gpd - 最近傍の空間結合
• point_in_polygon - 点がポリゴン内にあるかを判定

🔷 Rasterio 関数（合計 20 個）

基本的なラスター操作：

• metadata_raster - ラスターメタデータを取得
• get_raster_crs - ラスターの CRS を取得
• extract_band - 単一バンドを抽出
• raster_band_statistics - バンドの統計量を計算
• raster_histogram - ピクセルのヒストグラムを計算

ラスター処理：

• clip_raster_with_shapefile - ポリゴンでラスターをクリップ
• resample_raster - スケール係数でリサンプリング
• reproject_raster - 新しい CRS に再投影
• tile_raster - タイルに分割

ラスター解析：

• compute_ndvi - 植生指数を計算
• raster_algebra - バンドに対する数値演算
• concat_bands - 単一バンドのラスターを結合
• weighted_band_sum - バンドを重み付けして結合

高度な解析：

• zonal_statistics - ポリゴン内の統計量を計算
• reclassify_raster - ピクセル値を再分類
• focal_statistics - 移動ウィンドウ統計量を計算
• hillshade - DEM から陰影起伏図を生成
• write_raster - 配列をラスター ファイルに書き込む

🔷 PySAL 関数（全18種類）

空間的自己相関：

• morans_i - グローバル Moran の I 統計量
• gearys_c - グローバル Geary の C 統計量
• gamma_statistic - ガンマ指数
• getis_ord_g - グローバル Getis-Ord G 統計量

ローカル統計量：

• moran_local - ローカル Moran の I
• getis_ord_g_local - ローカル Getis-Ord G*
• join_counts_local - ローカル結合カウント

グローバル統計量：

• join_counts - 二値結合カウント検定
• adbscan - 適応型密度ベースクラスタリング

空間ウェイト：

• weights_from_shapefile - shapefile からウェイトを作成
• distance_band_weights - 距離ベースのウェイト
• knn_weights - K 近傍ウェイト
• build_transform_and_save_weights - ウェイトを構築、変換、保存
• ols_with_spatial_diagnostics_safe - 空間診断を伴う OLS 回帰
• build_and_transform_weights - ウェイトを構築して変換

時空間分析：

• spatial_markov - パネルデータの空間マルコフ分析
• dynamic_lisa - 動的 LISA（方向性 LISA）分析

空間回帰：

• gm_lag - 空間ラグモデル GM_Lag 空間 2SLS/GMM-IV

🔷 可視化関数（全2種類）

静的マップの可視化（Matplotlib/GeoPandas）：

• create_map – shapefile、ラスター、WKT ジオメトリ、座標配列など、複数の地理空間データソースから高品質な静的マップ（PNG、PDF、JPG）を生成します。個別のスタイル設定、凡例、タイトル、グリッドオーバーレイを指定して、複数のレイヤーをサポートします。

インタラクティブな Web マップの可視化（Folium）：

• create_web_map – Folium を使用して、レイヤーコントロール、凡例、縮尺バー、動的なタイトル、ツールチップ、ミニマップを備えたインタラクティブな HTML マップを生成します。複数のベースマップオプションに対応し、Web ブラウザー向けのレスポンシブデザインをサポートします。

🔷 行政界関数（全1種類）

境界データのダウンロード：

• download_boundaries - GADM の行政界データをダウンロードし、GeoJSON として保存

🔷 気候データ関数（全1種類）

気候データのダウンロード：

• download_climate_data - 気候データ（ERA5 またはその他の CDS データセット）をダウンロード

🔷 生態データ関数（全2種類）

生態データのダウンロードと情報取得：

• get_species_info – 指定した種名の分類情報を取得
• download_species_occurrences – 指定した種の出現記録をダウンロードし、JSON として保存

🔷 移動データ関数（全2種類）

移動データのダウンロードと経路検索（OSMnx 経由）：

• download_street_network – 指定した場所の道路ネットワークをダウンロードし、GraphML として保存
• calculate_shortest_path – 保存された道路ネットワークを使用して、2地点間の最短経路を計算

🔷 土地被覆データ関数（全2種類）

Planetary Computer の土地被覆データ：

• download_worldcover – AOI/年を指定して ESA WorldCover をダウンロードします。切り抜きと再投影はオプションです
• compute_s2_ndvi – Sentinel-2 L2A から NDVI を計算します。切り抜きと再投影に対応しています

🔷 衛星画像関数（全1種類）

STAC ベースの衛星データダウンロード：

• download_satellite_imagery – STAC アイテム（Sentinel-2、Landsat など）のバンドをダウンロードしてスタックします。切り抜きと再投影はオプションです

利用可能な関数の合計：92

🛠 クライアント開発

ツールの使用例：

バッファー操作

Tool: buffer
Parameters: {
    "geometry": "POINT(0 0)",
    "distance": 10,
    "resolution": 16,
    "join_style": 1,
    "mitre_limit": 5.0,
    "single_sided": false
}

座標変換

Tool: transform_coordinates
Parameters: {
    "coordinates": [0, 0],
    "source_crs": "EPSG:4326",
    "target_crs": "EPSG:3857"
}

測地距離

Tool: calculate_geodetic_distance
Parameters: {
    "point1": [0, 0],
    "point2": [10, 10],
    "ellps": "WGS84"
}

静的マップの作成

Tool: create_map
Parameters: {
    "layers": [
        {
            "data": "buildings.shp",
            "style": {"label": "Buildings", "color": "red", "alpha": 0.7}
        },
        {
            "data": "roads.shp",
            "style": {"label": "Roads", "color": "black", "linewidth": 1}
        }
    ],
    "filename": "city_analysis",
    "filetype": "png",
    "title": "City Infrastructure Analysis",
    "show_grid": true,
    "add_legend": true
}

インタラクティブな Web マップの作成

Tool: create_web_map
Parameters: {
    "layers": [
        {
            "data": "buildings.shp",
            "style": {"label": "Buildings", "color": "red"}
        },
        {
            "data": "parks.geojson",
            "style": {"label": "Parks", "color": "green"}
        }
    ],
    "filename": "city_interactive.html",
    "title": "City Infrastructure Map",
    "basemap": "CartoDB positron",
    "show_grid": true,
    "add_legend": true,
    "add_minimap": true
}

🔮 今後の予定

• 高度な空間インデックスを実装
• ネットワーク分析機能を実装
• 3D ジオメトリに対応
• パフォーマンスを最適化
• より多くの GIS ライブラリに対応

🤝 コントリビューション

コントリビューションを歓迎します！次の方法でご協力いただけます。

1. リポジトリをフォークします
2. フィーチャーブランチを作成します（git checkout -b feature/AmazingFeature）
3. 変更をコミットします（git commit -m 'Add some AmazingFeature'）
4. ブランチにプッシュします（git push origin feature/AmazingFeature）
5. プルリクエストを作成します

PR の説明には、問題と解決策を明確に記載してください。該当する場合は、関連する issue 番号も記載してください。

📄 ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細については、LICENSE ファイルをご覧ください。

🔗 関連プロジェクト

🔗 関連する MCP サーバー

📞 サポート

サポートが必要な場合は、GitHub リポジトリで issue を作成してください。

💬 コミュニティ

ディスカッション、最新情報、サポートについては、Discord コミュニティにご参加ください。

👥 コントリビューター

contrib.rocks で作成しました。

🏆 バッジ