Toronto Open Data MCP Server

多伦多开放数据 MCP 服务

一个通过 CKAN API 直接访问多伦多开放数据的 MCP（Model Context Protocol）服务。该服务可帮助大模型 Agent 高效发现、浏览和查询多伦多的 500 多个公共数据集。

功能

• 🔍 智能数据集发现：通过智能建议搜索多伦多的 500 多个数据集
• 🧠 智能数据助手：自动处理 API 和 CSV 数据源
• 📊 灵活查询：支持对 API 数据集进行筛选、排序和字段选择
• 📁 CSV 支持：自动获取可下载的 CSV 数据集并提供预览
• 🤝 适合大模型使用：在需要更多上下文时，可配合网页搜索使用
• ✅ 稳健的错误处理：提供清晰的错误消息和可执行的建议

安装

选项 1：使用 uvx（推荐用于 MCP）

通过任何 MCP 客户端使用此服务的最简单方式：

brew install uv

# No installation needed! uvx will handle everything
# Just use in your MCP client configuration:
uvx toronto-open-data-mcp-server

选项 2：开发环境安装

1. 克隆仓库：

   git clone https://github.com/yourusername/toronto-open-data-mcp-server.git
   cd toronto-open-data-mcp-server
   

2. 安装依赖：

   # Install main dependencies
   pip install -e .
   
   # Install test dependencies (optional)
   pip install -e ".[test]"
   

3. 运行服务：

   python main.py
   

MCP 客户端配置

使用 uvx（最简单的方法）

将以下内容添加到 MCP 客户端配置中：

{
  "mcpServers": {
    "Toronto Open Data Server": {
      "command": "uvx",
      "args": ["toronto-open-data-mcp-server"]
    }
  }
}

配置文件位置

• Claude Desktop：~/Library/Application Support/Claude/claude_desktop_config.json
• Cursor：查看 Cursor 的 MCP 文档，了解配置文件位置
• 其他 MCP 客户端：请参阅客户端文档

使用方法

快速开始

该服务提供了多个专为大模型 Agent 设计的工具：

1. toronto_start_here() - 解释工作流的必要首次调用
2. toronto_search_datasets(query) - 按关键词查找相关数据集
3. toronto_smart_data_helper(dataset_id, user_question) - 智能获取数据
4. toronto_popular_datasets() - 快速访问常用数据集

示例工作流

# 1. Start with guidance
toronto_start_here()

# 2. Search for relevant data
toronto_search_datasets("restaurant inspection")

# 3. Get data intelligently
toronto_smart_data_helper("dinesafe", "recent restaurant inspection failures")

# 4. Advanced filtering (if needed)
toronto_query_dataset_data("dinesafe", 
                           filters={"establishment_status": "Conditional Pass"},
                           sort="inspection_date desc",
                           limit=10)

热门数据集

• dinesafe - 餐厅检查和健康评分
• traffic-signals - 交通信号灯位置和时序
• parks-facilities - 公园、游泳池和休闲设施
• business-licences - 多伦多的持证企业
• building-permits - 建筑和翻新许可证

测试

此项目包含全面的测试，涵盖单元测试、集成测试和工作流测试。

前提条件

安装测试依赖：

pip install -e ".[test]"

运行测试

快速测试命令

# Run unit tests only (recommended for development)
python run_tests.py

# Run with verbose output
python run_tests.py --verbose

# Run with coverage report
python run_tests.py --coverage

# Run integration tests (hits real Toronto API)
python run_tests.py --integration

# Run all tests (unit + integration)
python run_tests.py --all

API 参考

核心工具

toronto_start_here() -> str

必要的首次调用，用于提供工作流指南和服务功能说明。

toronto_search_datasets(query: str, limit: int = 10) -> str

按关键词搜索多伦多的数据集。

toronto_smart_data_helper(dataset_id: str, user_question: str, limit: int = 10) -> str

智能助手，可自动处理 API 和 CSV 数据源。

toronto_query_dataset_data(dataset_id: str, filters: Dict = None, fields: List = None, limit: int = 10, sort: str = None) -> str

对 API 数据集进行高级查询，包括筛选和排序。

实用工具

toronto_popular_datasets() -> str

快速访问常用数据集。

toronto_get_dataset_schema(dataset_id: str) -> str

获取 API 数据集的字段名称和类型。

toronto_fetch_csv_data(csv_url: str, max_lines: int = 50) -> str

获取并预览 CSV 文件内容。

架构

• FastMCP 框架：基于 FastMCP 框架构建，便于定义工具
• CKAN API：直接集成多伦多基于 CKAN 的开放数据门户
• 协作式设计：与网页搜索配合使用，而非取而代之
• 错误恢复：通过智能错误处理提供可执行的建议

贡献

1. 复刻仓库
2. 创建功能分支
3. 为新功能添加测试
4. 运行测试套件：python run_tests.py --all
5. 提交拉取请求