mcpField
R
realestate-rag-mcp

realestate-rag-mcp

本地服务
github.com/danny-tdoan记忆与知识270 周前更新
代码仓库

关于 realestate-rag-mcp

realestate-rag-mcp 基于公开的澳大利亚房产数据提供自然语言搜索与问答，适合按描述性条件找房的人。它通过语义搜索支持超越固定城区筛选的查询。

主要功能

  1. 01自然语言房产搜索
  2. 02房产数据语义检索
  3. 03房产及拍卖数据导入
  4. 04FastAPI 搜索 API
  5. 05演示查询客户端

适用场景

  1. 01按学区查找翻新房屋
  2. 02按卧室数和城区搜索房源

MCP 相关

MCP 服务向客户端提供房产搜索工具，可查询澳大利亚房产数据。项目还包含演示客户端。

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

房地产 MCP

它解决了什么问题？

澳大利亚的房地产网站通常只提供僵化的郊区筛选条件，与人们实际的搜索方式不符。例如，无法搜索“Box Hill High School 学区内，经过翻新的 3 卧住宅”。

本项目利用大模型和 MCP，实现灵活的自然语言房产搜索。

用户可以利用公开的房产数据，搜索澳大利亚房地产并提出相关问题。本项目提供工具，并运行 FastAPI 服务，为自然语言房产搜索提供 API。

该系统包括：

  1. 下载房产数据并填充向量数据库，以进行语义搜索的索引流水线
  2. 提供不同搜索工具的 MCP 服务
  3. 发送查询并显示结果的演示客户端

示意图

示例

Enter your query (or type 'quit' to exit): list 3 renovated houses with 4 bedrooms in Camberwell high school zone

Here are some renovated houses with 4 bedrooms located in the Camberwell High School zone:

1. **3/2-4 Georgina Parade, Camberwell VIC 3124**
   - Immaculately renovated throughout, this property boasts sleek modern style in a peaceful and private location. It's close to Hartwell Shopping Centre, Willison Park, and public transport.

2. **2/22 Russell Street, Camberwell VIC 3124**
   - This single-level boutique residence has been stylishly refurbished. Located on a prestigious tree-lined street, it offers sun-drenched dimensions for luxurious living and is near Camberwell Junction.

3. **6 Donna Buang Street, Camberwell VIC 3124**
   - Positioned in a picturesque, tree-lined street, this property presents an opportunity to build a family home or develop further. It's conveniently located for access to local schools.

Each property offers unique features and is ideally situated within the Camberwell High School zone.

1. 使用 run_ingest_pipeline 下载数据

此脚本会下载指定城市和日期范围内的房产详情及拍卖结果。

用法：

python -m cli.run_ingest_pipeline <city> <start_date> <end_date>
  • <city>：城市名称（例如，melbourne）
  • <start_date>：开始日期，格式为 YYYY-MM-DD（例如，2025-02-01）
  • <end_date>：结束日期，格式为 YYYY-MM-DD（例如，2025-05-10）

示例：

python -m cli.run_ingest_pipeline melbourne 2025-02-01 2025-05-10

这会下载 2025 年 2 月 1 日至 2025 年 5 月 10 日期间的墨尔本房产数据。

2. 使用 populate_collection 填充向量数据库

此脚本会将房产详情填充到 Chroma 向量数据库集合中，以进行语义搜索。

用法：

python -m cli.populate_collection.py <collection_name> <property_details_path>
  • <collection_name>：要填充的 ChromaDB 集合名称（例如，melbourne）
  • <property_details_path>：房产详情 JSONL 文件的路径（例如，downloaded_data/property_details.jsonl）

示例：

python -m cli.populate_collection.py melbourne downloaded_data/property_details.jsonl

3. 运行服务和演示客户端

python -m cli.server

以及

python -m cli.client

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。