GIS MCP Server

GIS MCP 服务

GIS-MCP 是一个开源的模型上下文协议（MCP）服务，可连接 AI 助手和大语言模型（LLM），以执行 GIS 和地理空间操作。

它支持 AI Agent 通过兼容 MCP 的客户端执行地理空间分析、空间数据处理、矢量和栅格操作、坐标转换、空间统计、制图及其他 GIS 工作流。

🌐 官方文档： https://gis-mcp.com

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

💻 源代码： https://github.com/mahdin75/gis-mcp

92+ 个 GIS 工具，涵盖 Shapely、GeoPandas、PyProj、Rasterio、PySAL、可视化、卫星影像、气候、生态、移动、土地覆盖数据等领域。

✨ 想在聊天机器人中进行精准的地理空间分析吗？✨

安装 GIS-MCP，拓展 AI 的空间能力！

当前版本为 0.15.0（Beta）：

欢迎贡献代码，也欢迎开发者加入我们，共同构建此项目。

🎥 演示

📋 目录

• 功能
• 存储
• 前置条件
• 氛围式编程
• 安装
  • Docker 安装
  • pip 安装
  • 开发环境安装
• 构建你的第一个 GIS AI Agent
• 可用函数
  • Shapely 函数
  • PyProj 函数
  • GeoPandas 函数
  • Rasterio 函数
  • PySAL 函数
  • 可视化函数
    • 静态地图函数
    • 交互式 Web 地图函数
  • 行政边界函数
  • 气候数据函数
  • 生态数据函数
  • 移动数据函数
  • 土地覆盖数据函数
  • 卫星影像函数
• 客户端开发
• 计划中的功能
• 贡献
• 许可证
• 相关项目
• 支持
• 徽章

🚀 功能

GIS MCP Server 为 AI 助手赋予先进的地理空间智能。主要功能包括：

• 🔹 全面的几何运算 – 轻松执行相交、合并、缓冲、差异等几何变换。
• 🔹 高级坐标变换 – 在不同坐标参考系之间轻松重投影和转换几何图形。
• 🔹 精准测量 – 精确计算距离、面积、长度和质心。
• 🔹 空间分析与验证 – 验证几何图形、执行邻近度检查，以及进行空间叠加或连接。
• 🔹 栅格与矢量支持 – 处理栅格图层、计算 NDVI 等指数、裁剪、重采样，并与矢量数据合并。
• 🔹 空间统计与建模 – 利用 PySAL 进行空间自相关、聚类和邻域分析。
• 🔹 轻松集成 – 与 Claude Desktop 或 Cursor IDE 等兼容 MCP 的客户端无缝连接。
• 🔹 HTTP/SSE 传输 – 作为 HTTP 服务运行，并提供用于文件上传和下载操作的 RESTful 存储端点。
• 🔹 灵活存储 – 默认使用本地文件系统，也可按需将文件存储在 Google Cloud Storage 的 GCS 存储桶中。
• 🔹 灵活且可扩展 – 支持基于 Python 的 GIS 库，并可扩展自定义工具或工作流。

🌟 提示： 借助 GIS MCP Server，你的 AI 现在可以“进行空间思考”，为环境分析、制图和位置智能解锁全新能力。

💾 存储

GIS MCP Server 支持两种存储后端，用于文件上传、下载和工具输出：

使用以下命令安装 GCP 支持：

pip install gis-mcp[gcp]

完整设置说明（路径、IAM、Docker、凭据）：存储配置。

📋 前置条件

• Python 3.10 或更高版本
• 兼容 MCP 的客户端（例如 Claude Desktop 或 Cursor）
• 用于安装软件包的互联网连接

Vibe Coding

如果你正在通过 Vibe Coding 构建 Agent，请向模型提供以下 GIS MCP 生成的地图：

• llms.txt：为较小上下文窗口整理的摘要。
• llms-full.txt：为较大上下文窗口提供的完整文档地图。

仓库根目录中也有这些文件的副本（llms.txt、llms-full.txt）。它们会在 MkDocs 构建期间根据文档重新生成。

🛠 安装

选择最适合你需求的安装方式：

🐳 Docker 安装

GIS MCP Server 可通过 Docker 运行，它提供了隔离环境，并预先安装了所有依赖项。

重要提示： Dockerfile 和 Dockerfile.local 默认都已启用 HTTP 传输模式。服务器运行在端口 9010 上，可通过 http://localhost:9010/mcp 访问。

使用 Dockerfile

主 Dockerfile 从 PyPI 安装软件包：

1. 构建 Docker 镜像：

docker build -t gis-mcp .

2. 运行容器（默认启用 HTTP 模式）：

docker run -p 9010:9010 gis-mcp

使用 Dockerfile.local

Dockerfile.local 从本地源文件安装软件包（适用于开发或自定义构建）：

1. 构建 Docker 镜像：

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

2. 运行容器（默认启用 HTTP 模式）：

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

服务器将在 HTTP 传输模式下通过 http://localhost:9010/mcp 提供服务。

有关 Docker 配置和环境变量的更多详情，请参阅 Docker 安装指南。

📦 pip 安装

建议大多数用户使用 pip 安装：

1. 安装 uv 包管理器：

pip install uv

2. 创建虚拟环境（Python 3.10+）：

uv venv --python=3.10

3. 激活虚拟环境：

Windows（PowerShell）：

.\.venv\Scripts\Activate.ps1

Linux：

source .venv/bin/activate

4. 安装软件包：

uv pip install gis-mcp

安装可视化功能

若要安装可视化功能（用于交互式地图的 Folium 和 PyDeck）：

uv pip install gis-mcp[visualize]

此操作将安装以下额外依赖项：

• folium>=0.15.0 - 用于创建交互式 Web 地图
• pydeck>=0.9.0 - 用于高级 3D 可视化

5. 启动服务器：

gis-mcp

默认情况下，服务器以 STDIO 传输模式运行，该模式非常适合本地开发，以及与 Claude Desktop 或 Cursor IDE 集成。

你也可以在网络部署中以 HTTP 传输模式运行服务器：

export GIS_MCP_TRANSPORT=http
export GIS_MCP_PORT=8080
gis-mcp

在 HTTP 或 SSE 传输模式下运行时，可使用以下端点：

• MCP 端点：http://host:port/mcp（HTTP）或 http://host:port/sse（SSE）
• 存储端点：
  • POST /storage/upload - 将文件上传到服务器存储
  • GET /storage/download?path=<file> - 从服务器存储下载文件
  • GET /storage/list?path=<dir> - 列出服务器存储中的文件

有关传输模式和完整端点文档的更多详情，请参阅：

• HTTP 传输配置
• 服务器端点

pip 配置

要将 pip 安装版用于 Claude 或 Cursor，请添加以下配置：

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（创建 .cursor/mcp.json）：

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": []
    }
  }
}

配置完成后：

1. 请务必将 YourUsername 替换为你的实际用户名
2. 对于开发安装，请将 /path/to/gis-mcp 替换为项目的实际路径
3. 重启 IDE 以应用更改
4. 现在，你可以通过 Claude 或 Cursor 使用所有 GIS 操作！

🛠 开发安装

适用于贡献者和开发者：

1. 安装 uv 包管理器：

pip install uv

2. 创建虚拟环境：

uv venv --python=3.10

3. 以开发模式安装软件包：

uv pip install -e .

4. 启动服务：

python -m gis_mcp

开发配置

要将开发安装版用于 Claude 或 Cursor，请添加以下配置：

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（创建 .cursor/mcp.json）：

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"]
    }
  }
}

配置完成后：

1. 请务必将 YourUsername 替换为你的实际用户名
2. 对于开发安装，请将 /path/to/gis-mcp 替换为项目的实际路径
3. 重启 IDE 以应用更改
4. 现在，你可以通过 Claude 或 Cursor 使用所有 GIS 操作！

🤖 构建你的第一个 GIS AI Agent

创建能够调用真实 GIS MCP 工具（而非虚构的空间数学运算）的 Agent。

LangChain（Python）——公园缓冲区邻近分析

教程：公园缓冲区邻近分析 Agent

示例：agents/Langchain/

LangGraph（Python）——有状态的场地覆盖分析

教程：有状态的场地覆盖工作流

示例：agents/LangGraph/

• 显式图：解读 → 规划 → 执行 GIS MCP 工具 → 验证 → 响应
• 无需大模型即可验证：python agents/LangGraph/verify_graph.py

LangGraph（Python）——多 Agent 退距分析

教程：多 Agent 退距工作流

• 规划、分析和验证 Agent；只有分析 Agent 会调用 GIS MCP
• 验证：python agents/LangGraph/verify_multi_agent.py

更多 Agent 文档

👉 Agent 教程概览 →

极简入门模板：templates/（langchain-gis-agent、langgraph-gis-workflow、langgraph-multi-agent-gis）

另有：OpenAI Agents SDK（Node.js）

📝 Medium 文章（LangChain 入门）→

🎥 YouTube →

📚 可用函数

本节按库分类，全面列出所有可用函数。

🔷 Shapely 函数（共 29 个）

基本几何运算：

• buffer - 创建几何对象的缓冲区
• intersection - 查找两个几何对象的交集
• union - 合并两个几何对象
• difference - 查找几何对象之间的差集
• symmetric_difference - 查找对称差集

几何属性：

• convex_hull - 计算凸包
• envelope - 获取包围盒
• minimum_rotated_rectangle - 获取最小旋转矩形
• get_centroid - 获取质心点
• get_bounds - 获取几何对象的边界
• get_coordinates - 提取坐标数组
• get_geometry_type - 获取几何对象类型名称

变换：

• rotate_geometry - 按角度旋转几何对象
• scale_geometry - 按比例缩放几何对象
• translate_geometry - 按偏移量移动几何对象

高级运算：

• triangulate_geometry - 创建三角剖分
• voronoi - 创建 Voronoi 图
• unary_union_geometries - 合并多个几何对象

测量：

• get_length - 计算几何对象的长度
• get_area - 计算几何对象的面积

验证与实用工具：

• is_valid - 检查几何对象是否有效
• make_valid - 修复无效的几何对象
• simplify - 简化几何对象
• snap_geometry - 吸附到参考几何对象
• nearest_point_on_geometry - 查找最近点
• normalize_geometry - 规范化方向
• geometry_to_geojson - 转换为 GeoJSON
• geojson_to_geometry - 从 GeoJSON 转换

🔷 PyProj 函数（共 13 个）

坐标变换：

• transform_coordinates - 转换点坐标
• project_geometry - 在 CRS 之间投影几何对象

CRS 信息：

• get_crs_info - 获取详细的 CRS 信息
• get_available_crs - 列出可用的 CRS 系统
• get_utm_zone - 获取坐标对应的 UTM 分区
• get_utm_crs - 获取坐标对应的 UTM CRS
• get_geocentric_crs - 获取地心 CRS

大地测量计算：

• get_geod_info - 获取椭球体信息
• calculate_geodetic_distance - 计算椭球体上的距离
• calculate_geodetic_point - 计算指定距离和方位角处的点
• calculate_geodetic_area - 计算椭球体上的面积

🔷 GeoPandas 函数（共 13 个）

I/O 操作：

• read_file_gpd - 读取地理空间文件并提供预览
• write_file_gpd - 将 GeoDataFrame 导出到文件

连接与合并操作：

• append_gpd - 纵向拼接 GeoDataFrame
• merge_gpd - 数据库风格的属性连接
• overlay_gpd - 空间叠加操作
• dissolve_gpd - 按属性融合
• explode_gpd - 拆分多部件几何对象

空间操作：

• clip_vector - 裁剪几何对象
• sjoin_gpd - 空间连接
• sjoin_nearest_gpd - 最近邻空间连接
• point_in_polygon - 点在多边形内测试

🔷 Rasterio 函数（共 20 个）

基本栅格操作：

• metadata_raster - 获取栅格元数据
• get_raster_crs - 获取栅格 CRS
• extract_band - 提取单个波段
• raster_band_statistics - 计算波段统计数据
• raster_histogram - 计算像元直方图

栅格处理：

• clip_raster_with_shapefile - 使用多边形裁剪栅格
• resample_raster - 按比例因子重采样
• reproject_raster - 投影到新的 CRS
• tile_raster - 拆分为图块

栅格分析：

• compute_ndvi - 计算植被指数
• raster_algebra - 对波段执行数学运算
• concat_bands - 合并单波段栅格
• weighted_band_sum - 加权合并波段

高级分析：

• zonal_statistics - 计算多边形内的统计数据
• reclassify_raster - 重新分类像元值
• focal_statistics - 移动窗口统计
• hillshade - 根据 DEM 生成山体阴影
• write_raster - 将数组写入栅格文件

🔷 PySAL 函数（共 18 个）

空间自相关：

• morans_i - 全局 Moran's I 统计量
• gearys_c - 全局 Geary's C 统计量
• gamma_statistic - Gamma 指数
• getis_ord_g - 全局 Getis-Ord G 统计量

局部统计量：

• moran_local - 局部 Moran's I
• getis_ord_g_local - 局部 Getis-Ord G*
• join_counts_local - 局部连接计数

全局统计量：

• join_counts - 二元连接计数检验
• adbscan - 自适应密度聚类

空间权重：

• weights_from_shapefile - 根据 shapefile 创建权重
• distance_band_weights - 基于距离的权重
• knn_weights - K 近邻权重
• build_transform_and_save_weights - 构建、转换并保存权重
• ols_with_spatial_diagnostics_safe - 带空间诊断的 OLS 回归
• build_and_transform_weights - 构建并转换权重

时空分析：

• spatial_markov - 面板数据的空间 Markov 分析
• dynamic_lisa - 动态 LISA（方向性 LISA）分析

空间回归：

• gm_lag - GM_Lag 空间 2SLS/GMM-IV 空间滞后模型

🔷 可视化函数（共 2 个）

静态地图可视化（Matplotlib/GeoPandas）：

• create_map – 从多种地理空间数据源生成高质量静态地图（PNG、PDF、JPG），包括 shapefile、栅格、WKT 几何和坐标数组。支持多个图层及各自的样式选项、图例、标题和网格叠加。

交互式网页地图可视化（Folium）：

• create_web_map – 使用 Folium 生成交互式 HTML 地图，包含图层控件、图例、比例尺、动态标题、工具提示和缩略地图。支持多种底图选项，并针对网页浏览器采用响应式设计。

🔷 行政区划边界函数（共 1 个）

边界下载：

• download_boundaries - 下载 GADM 行政区划边界并保存为 GeoJSON

🔷 气候数据函数（共 1 个）

气候数据下载：

• download_climate_data - 下载气候数据（ERA5 或其他 CDS 数据集）

🔷 生态数据函数（共 2 个）

生态数据下载与信息查询：

• get_species_info – 获取指定物种名称的分类学信息
• download_species_occurrences – 下载指定物种的出现记录并保存为 JSON

🔷 移动数据函数（共 2 个）

移动数据下载与路径规划（通过 OSMnx）：

• download_street_network – 下载指定地点的街道网络并保存为 GraphML
• calculate_shortest_path – 使用已保存的街道网络计算两点之间的最短路径

🔷 土地覆盖数据函数（共 2 个）

来自 Planetary Computer 的土地覆盖数据：

• download_worldcover – 下载指定 AOI/年份的 ESA WorldCover；可选裁剪和重投影
• compute_s2_ndvi – 根据 Sentinel-2 L2A 计算 NDVI；支持裁剪和重投影

🔷 卫星影像函数（共 1 个）

基于 STAC 的卫星影像下载：

• download_satellite_imagery – 从 STAC 项目下载并堆叠波段（例如 Sentinel-2、Landsat），可选裁剪和重投影

可用函数总数：92

🛠 客户端开发

工具使用示例：

缓冲区操作

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

坐标转换

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

大地测量距离

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

创建静态地图

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
}

创建交互式网页地图

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
}

🔮 计划中的功能

• 实现高级空间索引
• 实现网络分析功能
• 添加对 3D 几何的支持
• 实施性能优化
• 添加对更多 GIS 库的支持

🤝 贡献

欢迎贡献！以下是参与方式：

1. Fork 此仓库
2. 创建功能分支（git checkout -b feature/AmazingFeature）
3. 提交更改（git commit -m 'Add some AmazingFeature'）
4. 推送到该分支（git push origin feature/AmazingFeature）
5. 创建 Pull Request

请确保 PR 描述清楚说明问题和解决方案。如适用，请注明相关的问题编号。

📄 许可证

本项目采用 MIT License 许可，详情请参阅 LICENSE 文件。

🔗 相关项目

🔗 相关 MCP 服务

📞 支持

如需支持，请在 GitHub 仓库中提交 issue。

💬 社区

加入我们的 Discord 社区，参与讨论、获取更新和支持：

👥 贡献者

由 contrib.rocks 制作。

🏆 徽章