Census-MCP-Server

Open Census MCP Server

免责声明

这是一个独立的开源实验项目。 它不隶属于、未获美国人口普查局或商务部认可，也未由其赞助。

通过本项目获取的数据仍受原始数据提供方的条款约束（例如 Census API 服务条款）。

这是什么？

一个由 AI 驱动的美国人口普查数据统计顾问。用通俗英语提问，即可获取准确的人口统计数据、恰当的统计背景、方法指导以及适用性注意事项。

核心洞见： 人口普查数据面临的是实际应用问题，而非搜索问题。了解该使用哪些数据以及如何解读，比找到数据更重要。该系统将统计咨询专业知识融入 AI 交互层。

状态

🔬 积极研究与重建 — v3 架构正在开发中。 v1/v2 的历程请参阅 docs/lessons_learned/。

愿景

人口普查数据影响着数十亿美元的政策决策，但要有效获取和使用这些数据，需要专业知识。本项目旨在让美国最有价值的公共数据集像提问一样易于使用，同时具备专业顾问的统计严谨性。

发展机遇： 每位市议会成员、记者、非营利组织主管以及好奇的公民，都应该能够核查说法、了解自己的社区，就像八年级学生使用搜索引擎一样轻松。数据是公开的。正确使用数据所需的专业知识，不应被技术复杂性所垄断。

架构（v3）

采用务实规则引擎的纯 Python MCP 服务。无需依赖 R。

• 务实规则层： 适用性约束（MOE 阈值、覆盖偏差、时间有效性、来源选择）
• Census API 集成： 直接通过 Python 调用 Census Bureau API
• 知识库： 用于 RAG 增强指导的方法文档

详情：docs/architecture/（即将推出）

项目结构

docs/                  # Systems engineering documentation
  requirements/        # ConOps, SRS
  architecture/        # System architecture
  decisions/           # ADRs, trade studies
  design/              # Detailed design
  verification/        # V&V, evaluation results
  lessons_learned/     # Project narrative & lessons
knowledge-base/        # Source docs & pragmatic rules
  source-docs/         # Census methodology PDFs (gitignored)
  rules/               # Extracted pragmatic rules
  methodology/         # Processed methodology content
src/                   # MCP server source code
tests/                 # Evaluation harness & unit tests
scripts/               # Build & utility scripts

致谢

• U.S. Census Bureau — 感谢其收集并维护重要的公共数据
• Kyle Walker — Analyzing US Census Data 教科书，作为知识库来源
• Anthropic — 提供 Model Context Protocol，使 AI 工具集成成为可能

贡献

欢迎贡献，尤其是：

• Census 数据资深人士的领域专业知识
• 统计方法审查
• 评估测试案例（真实世界的查询场景）

许可证

MIT 许可证 - 详情请参阅 LICENSE 文件。