mcpField
D
DocketBird MCP Server

DocketBird MCP Server

本地服务
github.com/gravix-db法律与政务179 周前更新

关于 DocketBird MCP Server

DocketBird MCP Server 将 DocketBird 的法院案件数据和文档管理功能提供给 MCP 客户端,适用于需要查询案件及获取文件的法律工作流。支持通过案件、文档和法院类型工具访问相关数据。

主要功能

  1. 01查询案件详情及其文档
  2. 02按 ID 下载案件文件
  3. 03列出账户案件
  4. 04查看法院与案件类型

适用场景

  1. 01查看案件完整信息及文件
  2. 02下载指定案件文档
  3. 03盘点账户中的案件
  4. 04查找可用法院和案件类型

MCP 相关

该 MCP 服务向客户端提供 DocketBird 案件与文档工具,可使用 stdio 或 SSE 传输。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

DocketBird MCP 服务

此 MCP 服务可访问 DocketBird 的法院案件数据和文档管理功能。

要求

  • Python 3.11
  • uv 包管理器

设置

  1. 如果尚未安装 uv,请先安装:
curl -LsSf https://astral.sh/uv/install.sh | sh
  1. 创建并激活虚拟环境:
uv venv
source .venv/bin/activate  # On Unix/MacOS
# OR
.venv\Scripts\activate     # On Windows
  1. 安装依赖项:
uv pip install .
  1. 设置环境变量:
export DOCKETBIRD_API_KEY=your_api_key_here  # On Unix/MacOS
# OR
set DOCKETBIRD_API_KEY=your_api_key_here     # On Windows

运行服务

使用以下命令运行服务:

uv run docketbird_mcp.py --transport stdio  # For stdio transport
uv run docketbird_mcp.py --transport sse    # For SSE transport

可用工具

此服务提供以下工具:

  1. get_case_details:获取案件的全面详情,包括所有文档
  2. download_document_by_id:通过 DocketBird ID 下载指定文档
  3. list_cases:获取属于某个账户的案件列表
  4. list_courts_and_types:获取所有可用法院和案件类型的完整列表

配置文件

确保以下文件与脚本位于同一目录:

  • courts.json:包含所有可用法院的信息
  • case_types.json:包含不同案件类型的信息

MCP 服务配置

根据使用的 MCP 客户端,可将 MCP 服务配置添加到以下位置之一:

  • Cursor:~/.cursor/mcp.json
  • Mac 上的 Claude:~/Library/Application Support/Claude/claude_desktop_config.json
  • 如何从应用中打开 Claude Desktop 配置文件
    • 启动 Claude Desktop 应用
    • 前往应用菜单并选择“设置”
    • 在左侧导航面板中选择“开发者”
    • 点击“编辑配置”按钮
    • 系统会自动使用默认文本编辑器打开配置文件
  1. 如果尚未安装 uv,请先安装:
curl -LsSf https://astral.sh/uv/install.sh | sh

将以下配置添加到相应文件中:

对于 macOS:

{
  "mcpServers": {
    "docketbird-mcp": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "PATH_TO_THE_SERVER/docketbird-mcp",
        "python",
        "docketbird_mcp.py"
      ],
      "env": {
        "DOCKETBIRD_API_KEY": "YOUR_KEY"
      }
    }
  }
}

对于 Windows:

{
  "mcpServers": {
    "docketbird-mcp": {
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "PATH_TO_SERVER\\docketbird-mcp",
        "python",
        "docketbird_mcp.py"
      ],
      "env": {
        "DOCKETBIRD_API_KEY": "YOUR_KEY"
      }
    }
  }
}

请务必替换:

  • PATH_TO_THE_SERVER:替换为克隆 DocketBird MCP 仓库的实际路径(适用于 macOS)
  • PATH_TO_SERVER:替换为克隆 DocketBird MCP 仓库的实际路径(适用于 Windows)
  • YOUR_KEY:替换为实际的 DocketBird API 密钥

部署

可使用 Docker 和 GitHub Actions 将 DocketBird MCP 服务部署到云服务器。部署流程定义在 .github/workflows/deploy.yml 文件中。

Docker 部署

此服务使用 Docker 进行容器化。你可以使用所需的传输类型,在本地构建并运行 Docker 镜像:

# Build for ARM architecture (M1/M2 Mac)
docker buildx build --platform linux/arm64 -t docketbird-mcp-arm:latest --load .

# Build for AMD architecture (standard servers)
docker buildx build --platform linux/amd64 -t docketbird-mcp:latest --load .

# Run locally with stdio transport
docker run -d \
  --name docketbird-mcp-stdio \
  --restart=always \
  -e DOCKETBIRD_API_KEY="your_api_key_here" \
  -e TRANSPORT_TYPE="stdio" \
  docketbird-mcp-arm:latest /app/start.sh

# Run locally with SSE transport
docker run -d \
  --name docketbird-mcp-sse \
  --restart=always \
  -e DOCKETBIRD_API_KEY="your_api_key_here" \
  -e TRANSPORT_TYPE="sse" \
  docketbird-mcp-arm:latest /app/start.sh
验证部署

请按照以下步骤验证部署是否正常运行:

  1. 检查容器是否正在运行:
docker ps | grep docketbird-mcp
  1. 查看容器日志:
docker logs docketbird-mcp

日志应显示:

Starting DocketBird MCP server...
API Key set: your_...
Running python docketbird_mcp.py
  1. 使用本 README 中的配置,从 MCP 客户端测试连接。

如果容器未运行,可通过检查以下内容进行排查:

  • Docker 镜像是否存在:docker images | grep docketbird
  • 容器日志中是否有错误:docker logs docketbird-mcp
  • 服务日志:检查是否存在权限或网络问题

DocketBird Agent 原型

我们创建了一个原型 Agent,用于与已部署的 DocketBird MCP 服务交互。此 Agent 提供了一个易于使用的界面,用于查询案件信息和文档详情。

功能
  • 交互式命令行界面
  • 使用自然语言查询案件信息
  • 连接到已部署的 DocketBird MCP 服务
设置和运行
  1. 确保已将 OpenAI API 密钥设置为环境变量:
export OPENAI_API_KEY=your_openai_api_key_here  # On Unix/MacOS
# OR
set OPENAI_API_KEY=your_openai_api_key_here     # On Windows
  1. 前往项目目录并运行 Agent:
cd agents
python db_agent_prototype.py
  1. Agent 会显示欢迎横幅,并提示你输入第一个查询。

  2. 查询示例:

    • “请检索 txnd-3:2007-cv-01697 的详情”
    • “此案件有哪些可用文档?”
    • “此案件最近一次提交是什么时候?”
要求

Agent 需要:

  • OpenAI API 密钥(用于 GPT-4.1 模型)
  • 互联网连接,以访问已部署的 MCP 服务
  • Python 依赖项:pydantic_ai、termcolor、python-dotenv

注意:这是一个原型,使用了已部署的 DocketBird MCP 服务:http://165.227.221.151:8040/sse。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。