MLIT DPF MCP

Vue d'ensemble

MLIT DPF MCP est le serveur officiel Model Context Protocol (MCP) (version α) développé par l'équipe de la PLATEFORME DE DONNÉES du MLIT sous l'égide du Ministère japonais du Territoire, des Infrastructures, des Transports et du Tourisme (国土交通省). Il encapsule les API publiques de la Plateforme de Données du Ministère du Territoire, des Infrastructures, des Transports et du Tourisme — un hub centralisé qui agrège les données détenues par le MLIT avec des ensembles de données du secteur privé pour une recherche, une visualisation et un téléchargement unifiés.

En exécutant ce serveur MCP, les grands modèles de langage (tels que ceux dans Claude Desktop) peuvent interagir directement avec la plateforme en japonais ou en anglais conversationnel. Les utilisateurs peuvent émettre des instructions vagues ou complexes en langage naturel (par exemple, "Trouvez des données récentes sur les prix des terrains près des gares de Tokyo" ou "Récupérez les ensembles de données de prévention des catastrophes pour les zones côtières") et recevoir des résultats structurés, des métadonnées et des liens de téléchargement — le tout sans nécessiter de connaissances approfondies des API.

Fonctionnalités principales

• Accès aux données en langage naturel : Traduit des requêtes utilisateur ambiguës en appels API précis auprès de la Plateforme de Données MLIT.
• Exposition d'outils : Fournit plusieurs outils MCP pour la découverte d'ensembles de données, le filtrage, la récupération de métadonnées et le téléchargement de contenu.
• Intégration MCP transparente : Fonctionne avec tout hôte/client compatible MCP (Claude Desktop et similaires).
• Serveur basé sur Python : Déploiement local facile avec Python 3.10+.
• Concentration sur les données gouvernementales : Couvre les infrastructures, les données géospatiales (compatibles PLATEAU), l'utilisation des terres, les transports, la prévention des catastrophes, l'immobilier, et plus encore.
• Sécurisé & Officiel : Soutenu par le MLIT ; nécessite une clé API gratuite de la Plateforme de Données MLIT pour un accès authentifié.

Prérequis

• Système d'exploitation : Windows 10/11 ou macOS 13+
• Python 3.10+
• Hôte MCP : Claude Desktop ou autres clients compatibles
• Recommandé : 8 Go+ de RAM
• Clé API MLIT (obtenue via un compte gratuit sur data-platform.mlit.go.jp)

Installation & Configuration

1. Clonez le dépôt :
   git clone https://github.com/MLIT-DATA-PLATFORM/mlit-dpf-mcp.git
   cd mlit-dpf-mcp
   

2. Créez et activez l'environnement virtuel.
3. Installez les dépendances.
4. Configurez votre MLIT_API_KEY et éventuellement MLIT_BASE_URL.
5. Ajoutez la configuration du serveur à votre hôte MCP (par exemple, la section mcpServers de Claude Desktop pointant vers src/server.py).

Des instructions détaillées en japonais/anglais et des exemples de configuration sont disponibles dans le README du dépôt.

Cas d'utilisation

• Urbanisme & Recherche : Collectez rapidement des données sur les prix des terrains, les bâtiments ou les transports pour analyse.
• Préparation aux catastrophes : Récupérez des cartes des risques et des ensembles de données de prévention via des invites simples.
• Informations immobilières : Interrogez de manière conversationnelle les informations géospatiales et liées aux propriétés.
• Exploration des données gouvernementales : Permettez aux utilisateurs non techniques et aux agents IA d'explorer les ensembles de données d'infrastructures publiques du Japon.
• Flux de travail multi-agents : Combinez avec d'autres serveurs MCP (par exemple, données PLATEAU) pour des applications IA géospatiales plus riches.

Détails Techniques

• Protocole : Model Context Protocol (MCP) — standardisation de l’exposition d’outils, de ressources et de prompts.
• Langage : Python.
• Licence : MIT (selon les métadonnées de PyPI/package).
• Statut : Version alpha ; activement maintenue par l’équipe officielle du MLIT.

Ce serveur MCP illustre comment les initiatives gouvernementales de données ouvertes peuvent exploiter les protocoles émergents d’IA pour démocratiser l’accès à des ensembles de données complexes.

Pour le guide d’installation le plus récent, des exemples et des mises à jour, consultez le dépôt GitHub.