cldf-mcp

cldf-mcp

CLDF 形式で公開されている言語横断的なデータに、AI アシスタントが根拠に基づいてアクセスできるようにする MCP サーバーです。バージョン 0.1 には、次のデータが含まれています。

• WALS（World Atlas of Language Structures）：2,660 言語を対象とした 192 の類型的特徴（語順、音韻、形態論など）。すべてのデータポイントに出典が付いています。
• Glottolog：約 27,000 の言語単位、その系統分類、別名、危機状況、記述状況を収録した世界のカタログです。

言語モデルは WALS の存在を知っていますが、特定の情報については信頼性に欠けます。たとえば、ある言語が特徴 85A でどの値を持つのか、あるいは SOV 語順と前置詞を併用する言語がいくつあるのか、といった情報です。このサーバーは、データのリリースとその根拠となる参考文献を添えて、実際のデータを返します。

単なる検索表とは異なる点

• 系統を考慮した集計。 関連する言語は特徴を共有するため、「400 言語が X を使う」という数字は、「3 つの大きな語族が X を使う」という意味かもしれません。すべての集計には、異なる語族（Glottolog に基づく）と WALS の属の数、および最大語族が占める割合が含まれるため、モデルは言語横断的な傾向と単一系統の特徴を見分けられます。WALS の、100 言語と 200 言語を対象とした均衡の取れたサンプルもフィルターとして利用できます。
• あらゆる情報に出典を明記。 各回答にはデータセット、リリース、引用文献が示され、データポイントには書誌情報とページ番号が付いています。
• 黙って推測することはありません。 bsq は WALS ではバスク語、ISO コードではバッサ語を指すため、サーバーはどちらなのかを尋ねます。「データなし」を「該当なし」として報告することはありません。
• バージョンを固定し、検証済みのデータ。 データセットはタグ付きリリースから取得され、読み込み前に SHA-256 チェックサムで検証されます。

クイックスタート

Python 3.11 以降と uv（または pip）が必要です。

Claude Code

claude mcp add cldf -- uvx cldf-mcp

Claude Desktop および mcpServers 設定を使用するその他のクライアント：

{
  "mcpServers": {
    "cldf": {
      "command": "uvx",
      "args": ["cldf-mcp"]
    }
  }
}

初回の使用時に、サーバーはバージョンが固定されたリリース（約 40 MB）をダウンロードし、ローカルの SQLite データベース（約 35 MB）を数秒で構築します。あらかじめ実行するには、次のようにします。

uvx cldf-mcp setup

その後、次のような質問をしてみてください。

• WALS で SOV 語順かつ前置詞を使う言語はどれですか？ それらは複数の語族に分布していますか？
• 「VSO は前置詞を伴う」というのは実際の傾向ですか？ WALS の 200 言語サンプル内で確認してください。
• バスク語の語順に関する特徴を、出典付きで教えてください。
• WALS はオーストロネシア語族をどのようにカバーしていますか？ 最も多くのデータがある分派はどれですか？

ツール

ツール	機能
list_datasets	読み込まれたデータセット、リリースバージョン、対象範囲、ライセンス、引用情報
find_language	言語名（別名や誤記を含む）、ISO 639-3 コード、Glottocode、データセットコード → 系統、大語族域、データのある項目を含む候補を順位付けして表示
search_features	特徴名、章、値ラベルをキーワード検索 → 特徴 ID と候補値を表示
get_feature	定義、章、著者、言語・語族・属ごとに集計した値の分布。大語族域、語族／下位語族、WALS サンプルによる絞り込みも可能
get_values	言語 × 特徴の表。値、コメント、出典、完全な引用情報を表示。解決できない名前は、呼び出しを失敗させず候補とともに報告
language_profile	ある言語の全情報：Glottolog の ID、系統、危機度、記述状況、すべての特徴値
filter_languages	データセットをまたいで、最大 8 つの条件（AND、exclude を含む）に一致する言語を表示。すべての条件にコードがある言語の分母と語族ごとの件数も表示
crosstab	2 つの特徴をクロス集計：セルごとの言語、語族、属、最大語族の割合。値が 0 のセルも表示し、大語族域ごとの内訳も指定可能
classification	Glottolog の系統、子分類（各分類に属するデータセット項目数を含む）、姉妹分類
get_source	データポイントで引用されている出典 ID の完全な書誌情報

リソース：

• cldf://guide/typology-caveats：件数を適切に利用する方法（サンプリングの偏り、地域的影響、対象範囲、引用）。サーバーの指示でモデルにこのリソースを参照させます。
• cldf://datasets：読み込まれたデータのバージョン、ライセンス、引用情報。

すべてのツールは読み取り専用で、データの準備後はオフラインで動作します。

設定

設定	デフォルト
--data-dir / CLDF_MCP_DATA_DIR	~/.cache/cldf-mcp（Linux）、~/Library/Caches/cldf-mcp（macOS）、%LOCALAPPDATA%\cldf-mcp（Windows）
--config / CLDF_MCP_CONFIG	なし：データセットを追加または上書きする追加の TOML（試験的機能。下記を参照）
--transport	stdio。リモート利用では --host / --port とともに streamable-http を指定

その他のコマンド：cldf-mcp info（データの保存場所と最新状態かどうかを表示）および cldf-mcp setup --force（再構築）。

データセットの追加（試験的機能）

言語に Glottocode が付与された CLDF StructureDataset は、WALS とともに読み込めます。特徴ツール、語族の集計、データセット間のフィルターは自動的に機能します：

# my-datasets.toml
[datasets.mydata]
title = "My typological survey"
role = "features"
version = "v1.0"
base_url = "https://raw.githubusercontent.com/me/mydata/v1.0/cldf/"   # or: local_path = "/path/to/cldf"
metadata = "StructureDataset-metadata.json"
license = "CC-BY-4.0"
citation = "Me. 2026. My typological survey."

[datasets.mydata.files]   # every file the loader needs, with optional sha256 checksums
"StructureDataset-metadata.json" = ""
"languages.csv" = ""
"parameters.csv" = ""
"codes.csv" = ""
"values.csv" = ""

cldf-mcp setup --config my-datasets.toml

データ、ライセンス、引用

サーバーのコードは MIT ライセンスです。データはこのパッケージに含まれておらず、元のリリースからダウンロードされます。データは CC-BY-4.0 ライセンスです。このサーバーで得た結果を公開する場合は、データセットを引用してください（DATA_LICENSES.md を参照）：

Dryer, Matthew S. & Haspelmath, Martin (eds.) 2013. The World Atlas of Language Structures Online. Leipzig: Max Planck Institute for Evolutionary Anthropology. https://wals.info (CLDF release v2020.6)

Hammarström, Harald & Forkel, Robert & Haspelmath, Martin & Bank, Sebastian. 2026. Glottolog 5.3. Leipzig: Max Planck Institute for Evolutionary Anthropology. https://glottolog.org

このプロジェクトは独立したものであり、WALS、Glottolog、CLDF の各チームとは関係ありません。

制限事項

• WALS はおよそ 2013 年までの文献を反映しており、大半の特徴は数百言語についてのみコード化されています。割合の分母はコード化された言語であり、世界の全言語ではありません。
• 語族の集計は、提案されている大語族（例：Altaic）を認めていない Glottolog に基づきます。Glottocode のない 17 の WALS 言語のうち、10 言語は WALS の語族名または属名を通じて Glottolog の語族に対応付けられています。残りの 7 言語には WALS 独自のラベル（例：「Niger-Congo」）が付けられています。
• Glottolog の完全な文献目録は同梱されていません。出典はリンクとして返されます。

ロードマップ

• 0.2: Grambank。WALS と初めて重複するデータセットで、関連する特徴を並べて比較できます。
• 0.3: PHOIBLE の音素目録と Lexibank の単語リスト （get_inventory、get_forms）。

開発

git clone https://github.com/hsouf/cldf-mcp && cd cldf-mcp
python -m venv .venv && . .venv/bin/activate
pip install -e ".[dev]"
pytest                # offline tests on small fixtures (tests/fixtures)
pytest -m network     # downloads the real pinned releases and checks known WALS counts
ruff check src tests && ruff format --check src tests

PyPI と MCP Registry への公開については、RELEASING.md を参照してください。