Hotdry.
归档
ai-systems

data.gouv.fr MCP 服务：AI 代理自然语言查询法国开放数据

详解 datagouv-mcp 项目，通过 MCP 协议实现 AI 聊天机器人对法国国家开放数据平台的语义搜索、数据集探索与分析，提供工具参数、部署清单与客户端集成指南。

在 AI 代理时代，将大型语言模型与真实世界数据源无缝集成已成为关键挑战。datagouv-mcp 项目提供了一个优雅解决方案：作为法国国家开放数据平台 data.gouv.fr 的官方 Model Context Protocol (MCP) 服务器，它允许 Claude、ChatGPT、Gemini 等 AI 聊天机器人通过自然语言对话，直接搜索、探索并分析海量公开数据集，而无需手动浏览网站或编写复杂查询。

这种设计的核心价值在于 “对话即工具调用”。传统开放数据访问依赖 API 或网页搜索，用户需熟悉数据目录结构；datagouv-mcp 通过 MCP 协议标准化工具接口，让 AI 代理在对话中动态调用后端工具，实现语义检索与数据分析。例如，用户只需问 “巴黎最近的人口数据有哪些？”，AI 即可自动搜索数据集、列出资源并提取关键洞见。这种集成不仅提升了数据可及性，还降低了 AI 应用的开发门槛，尤其适用于政策分析、研究原型和市民应用场景。

项目基于官方 Python MCP SDK，仅支持 Streamable HTTP 传输（不含 STDIO/SSE），确保高效流式响应。公共实例 https://mcp.data.gouv.fr/mcp 已开放，无需 API 密钥，支持读 - only 操作，避免数据泄露风险。“datagouv-mcp 是 data.gouv.fr 的官方 MCP 服务器，专为 AI 聊天机器人设计，用于搜索、探索和分析数据集。”

核心工具与调用参数

datagouv-mcp 暴露了两大类工具：数据集（静态文件）和数据服务（外部 API），辅以指标查询。以下是关键工具的参数清单与最佳实践，确保 AI 代理高效使用。

数据集工具（Datasets）

  1. search_datasets: 关键词搜索数据集。

    • 参数：query (必填，字符串，如 “prix immobilier”)、page (可选，默认 1)、page_size (可选，默认 20，最大 100)。
    • 落地建议：起始 page_size=20 快速扫描；热门主题如 “immobilier” 或 “population” 可直接命中组织 / 标签过滤结果。

  2. get_dataset_info: 获取数据集详情（元数据、组织、标签、许可）。

    • 参数：dataset_id (必填，从 search_datasets 获取)。
    • 实践：用于验证许可（多为 ODbL/etalab），检查更新日期。

  3. list_dataset_resources: 列出资源文件（格式、大小、URL）。

    • 参数：dataset_id (必填)。
    • 建议：优先 CSV/JSON 资源，支持 Tabular API 的优先级更高。

  4. query_resource_data: 通过自然语言问题查询资源数据（Tabular API）。

    • 参数：question (必填，如 “巴黎 2023 年人口？”)、resource_id (必填)、page (默认 1)、page_size (默认 20，最大 200)。
    • 限制：CSV ≤100MB、XLSX ≤12.5MB。实践：小数据集全量 page_size=200；大表分页预览结构。

  5. download_and_parse_resource: 下载解析不支持 Tabular 的资源。

    • 参数：resource_id (必填)、max_rows (默认 20)、max_size_mb (默认 500)。
    • 适用：大文件 / 压缩 / JSONL。起始 max_rows=20 预览，避免 OOM。

数据服务工具（Dataservices）

  1. search_dataservices: 搜索注册 API。

    • 参数同 search_datasets。
    • 示例：query=“adresse” 发现 Adresse API。

  2. get_dataservice_openapi_spec: 获取 OpenAPI 规范摘要。

    • 参数：dataservice_id (必填)。
    • 实践：理解端点 / 参数后，手动调用 base_api_url。

指标工具

  • get_metrics: 下载 / 访问统计。
    • 参数：dataset_id 或 resource_id (至少一)、limit (默认 12，最大 100)。
    • 仅 prod 环境可用，按月降序。

典型工作流：1) search_datasets 发现；2) list_dataset_resources 选资源；3) query_resource_data 分析。参数阈值如 page_size=50 可平衡速度 / 精度；监控返回行数调整。

部署与自托管参数

本地运行推荐 Docker，零依赖：

git clone https://github.com/datagouv/datagouv-mcp.git
cd datagouv-mcp
docker compose up -d  # 默认 0.0.0.0:8000，prod 环境

关键环境变量：

  • MCP_HOST=127.0.0.1 (本地开发安全)。
  • MCP_PORT=8007 (自定义端口)。
  • DATAGOUV_ENV=demo (测试用 demo.data.gouv.fr)。

健康检查：GET /health 返回 {"status":"ok"}。日志监控 Docker compose logs -f。回滚：docker compose down，参数恢复默认。

手动安装需 uv：

uv sync
source .env
uv run mcp-server  # 默认启动

客户端集成清单

无需修改服务器，配置客户端 mcpServers：

  • ChatGPT (付费): Settings > Connectors > Add https://mcp.data.gouv.fr/mcp。
  • Claude Desktop: claude_desktop_config.json 添加 {"mcpServers":{"datagouv":{"command":"npx","args":["mcp-remote","https://mcp.data.gouv.fr/mcp"]}}}。
  • Cursor/VS Code: settings.json {"servers":{"datagouv":{"url":"https://mcp.data.gouv.fr/mcp","type":"http"}}}。
  • Gemini CLI: ~/.gemini/settings.json {"mcpServers":{"datagouv":{"httpUrl":"https://mcp.data.gouv.fr/mcp"}}}。

全列表见 repo，支持 10+ 工具如 AnythingLLM、Kiro、Mistral Vibe。测试用 MCP Inspector：npx @modelcontextprotocol/inspector --http-url http://127.0.0.1:8000/mcp。

实际案例与优化

案例 1：房地产分析。

  • AI 提示：“Quels datasets sur prix immobilier à Paris？”
  • 工具链：search_datasets ("prix immobilier paris") → get_dataset_info → query_resource_data ("平均价格？")。

案例 2：API 集成。

  • search_dataservices ("sirene") → get_dataservice_openapi_spec → 调用企业注册端点。

优化参数：

  • 超时：客户端默认 30s，资源查询 max_size_mb=100 防滥用。
  • 缓存：重复 query 加 page=1 复用。
  • 监控：pytest 测试工具；CircleCI 持续集成。

风险控制：读 - only、无密钥；大资源用 max_rows 限流。未来扩展可加写工具，但当前聚焦查询。

此方案适用于任何国家开放数据镜像，参数通用：page_size 20-50、max_rows 100 为起点。通过 datagouv-mcp，AI 代理真正 “对话” 公共数据，推动数据民主化。

资料来源：

  1. GitHub - datagouv/datagouv-mcp
  2. 公共 MCP 实例
查看归档