关于 OpenStreetMap (OSM) MCP Server
OSM MCP 服务基于 OpenStreetMap 数据,为 LLM 提供地理编码、路线、周边搜索等位置相关能力。适合需要地理空间数据的 LLM 应用,通过 uvx 即可在 MCP 主机中安装使用。
主要功能
- 01地址与坐标互相转换
- 02周边兴趣点与分类搜索
- 03路线指引
- 04多人会面点推荐
- 05充电站与停车场查询
- 06社区宜居性分析
适用场景
- 01为 Claude Desktop 等主机提供地图查询能力
- 02比较通勤方式或推荐多人会面地点
- 03查找附近的电动车充电站或停车设施
MCP 相关
该项目是一个 MCP 服务,向 MCP 客户端暴露多个地理空间工具,以及 location://place 和 location://map 等资源。
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。
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。
工具
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
OpenStreetMap(OSM)MCP 服务
一个 OpenStreetMap MCP 服务实现,通过位置服务和地理空间数据增强大模型的能力。
演示
优化会面地点

社区分析

停车搜索

安装
在 Claude Desktop、Cursor、Windsurf 等 MCP 宿主中
-
osm-mcp-server:主服务,可供公众使用。"mcpServers": { "osm-mcp-server": { "command": "uvx", "args": [ "osm-mcp-server" ] } }
功能
此服务为大模型提供与 OpenStreetMap 数据交互的工具,可用于构建以下基于位置的应用:
- 将地址和地点名称地理编码为坐标
- 将坐标反向地理编码为地址
- 查找附近的兴趣点
- 获取地点之间的路线指引
- 在边界框内按类别搜索地点
- 为多人推荐最佳会面地点
- 探索区域并获取全面的位置信息
- 查找地点附近的学校和教育机构
- 分析家和工作地点之间的通勤选择
- 按连接器和功率条件筛选电动汽车充电站
- 分析房地产社区宜居性
- 查找停车设施及其可用情况和费用信息
组件
资源
此服务实现了基于位置的资源:
location://place/{query}:按名称或地址获取地点信息location://map/{style}/{z}/{x}/{y}:获取指定坐标处的样式化地图图块
工具
此服务实现了多种地理空间工具:
geocode_address:将文本转换为地理坐标reverse_geocode:将坐标转换为易读地址find_nearby_places:查找地点附近的兴趣点get_route_directions:获取地点之间的逐向路线指引search_category:在某个区域内查找特定类别的地点suggest_meeting_point:为多人查找最佳会面地点explore_area:获取社区的全面数据find_schools_nearby:查找特定地点附近的教育机构analyze_commute:比较家和工作地点之间的交通方式find_ev_charging_stations:按条件筛选并查找电动汽车充电设施analyze_neighborhood:评估房地产社区的宜居性find_parking_facilities:查找目的地附近的停车选择
本地测试
运行服务
如需在本地运行服务:
- 以开发模式安装软件包:
pip install -e .
- 启动服务:
osm-mcp-server
- 服务将启动,并通过标准输入/输出监听 MCP 请求。
使用示例客户端测试
此代码库在 examples/ 目录中包含两个示例客户端:
基础客户端示例
client.py 演示了 OSM MCP 服务的基本用法:
python examples/client.py
此示例将:
- 连接到本地运行的服务
- 获取有关旧金山的信息
- 搜索该区域内的餐厅
- 在进度跟踪的同时检索全面的地图数据
大模型集成示例
llm_client.py 提供了一个专为大模型集成设计的辅助类:
python examples/llm_client.py
此示例展示了大模型如何使用 Location Assistant 来:
- 从文本查询中获取位置信息
- 查找附近的兴趣点
- 获取地点之间的路线指引
- 查找最佳会面地点
- 探索社区
编写自己的客户端
如需创建自己的客户端:
- 导入 MCP 客户端:
from mcp.client import Client
- 使用服务 URL 初始化客户端:
client = Client("http://localhost:8000")
- 调用工具或访问资源:
# Example: Geocode an address
results = await client.invoke_tool("geocode_address", {"address": "New York City"})
Claude Desktop 本地服务配置
MacOS:~/Library/Application\ Support/Claude/claude_desktop_config.json
Windows:%APPDATA%/Claude/claude_desktop_config.json
开发/未发布服务配置
"mcpServers": {
"osm-mcp-server": {
"command": "uv",
"args": [
"--directory",
"/path/to/osm-mcp-server",
"run",
"osm-mcp-server"
]
}
}
开发
构建和发布
准备分发软件包:
- 同步依赖项并更新锁文件:
uv sync
- 构建软件包分发文件:
uv build
这将在 dist/ 目录中创建源代码分发包和 wheel 分发包。
- 发布到 PyPI:
uv publish
注意:你需要通过环境变量或命令标志设置 PyPI 凭据。
调试
由于 MCP 服务通过 stdio 运行,调试可能会比较困难。为了获得最佳调试体验,我们强烈建议使用 MCP Inspector。
你可以通过 npm 使用以下命令启动 MCP Inspector:
npx @modelcontextprotocol/inspector uv --directory /path/to/osm-mcp-server run osm-mcp-server
启动后,Inspector 会显示一个 URL,你可以在浏览器中访问该 URL 开始调试。
评论
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。