mcpField
C
Climate Data Store (CDS) MCP Server

Climate Data Store (CDS) MCP Server

本地服务
github.com/albertdow数据与分析178 周前更新

关于 Climate Data Store (CDS) MCP Server

Climate Data Store (CDS) MCP Server 通过 `datapi` API 让 LLM 客户端浏览 CDS 目录、提交数据请求并跟踪或下载任务结果,适用于通过该接口使用 CDS 数据的用户。

主要功能

  1. 01浏览目录集合
  2. 02查看集合详情
  3. 03提交下载任务
  4. 04按状态列出任务
  5. 05下载任务结果
  6. 06通过 `.env` 配置凭据

适用场景

  1. 01查找可用的 CDS 集合
  2. 02请求下载数据集
  3. 03检查任务状态并获取结果

MCP 相关

它向 MCP 客户端提供 CDS 目录和任务管理工具,包括集合查询、任务提交、状态列表和结果下载。

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

Climate Data Store(CDS)MCP 服务

概述

一种 Model Context Protocol(MCP)服务实现,为 LLM 提供接口,用于检索 CDS 目录数据和作业状态。 底层 API 是 datapi,文档见此处。

功能

  • 工具:

    • get_jobs:查找可用的作业,可选按状态添加筛选条件。 返回作业 ID 列表。
    • download_job_result:使用作业 ID 下载作业结果。
    • get_all_collections:获取目录中所有可用的集合 ID。
    • get_collection_by_id:获取指定集合的信息。
    • submit_job:提交下载请求。
  • 支持使用 .env 配置环境变量。

前提条件

  • Python 3.13 或更高版本。
  • CDS API 密钥:此处
  • MCP 主机/客户端:已在 Claude Desktop 和 MCP Inspector 上测试。

安装

  • 克隆仓库:
git clone [email protected]:albertdow/mcp-datapi.git
cd mcp-datapi
  • 安装依赖(使用 uv):
uv add "mcp[cli]" datapi python-dotenv
  • 创建 .env 文件并添加以下内容,以设置 CDS API 密钥:
DATAPI_URL=<DATAPI_URL>
DATAPI_KEY=<DATAPI_KEY>

关于 CDS API 密钥设置的详情,请参见此处。

使用方法

使用 MCP Inspector 进行开发模式测试

在本地测试服务:

mcp dev datapi_server.py
与 Claude Desktop 集成
mcp install datapi_server.py --name "DatapiServer" -f .env

也可以直接添加到 claude_desktop_config.json:

{
    "mcpServers": {
        "DatapiServer": {
            "command": "uv",
            "args": [
                "--directory",
                "mcp-datapi",
                "run",
                "mcp_datapi/datapi_server.py"
            ],
            "env": {
                "DATAPI_URL": "<DATAPI_URL>",
                "DATAPI_KEY": "<DATAPI_KEY>"
            }
        }
    }
}

注意:

  • 我必须指定 uv 的路径,例如 /Users/username/.local/bin/uv。

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。