
MLIT DPF MCP
Servidor MCP oficial (versão α) do Ministério da Terra, Infraestrutura, Transportes e Turismo do Japão (MLIT) que conecta modelos de IA como o Claude à Plataforma de Dados do MLIT por meio de consultas em linguagem natural para busca, recuperação e download intuitivos de dados.
Visão Geral
O MLIT DPF MCP é o servidor oficial do Model Context Protocol (MCP) (versão α) desenvolvido pela equipe da MLIT DATA PLATFORM do Ministério do Território, Infraestrutura, Transporte e Turismo do Japão (国土交通省). Ele encapsula as APIs públicas da 国土交通データプラットフォーム — um hub centralizado que agrega dados mantidos pelo MLIT com conjuntos de dados do setor privado para busca, visualização e download unificados.
Ao executar este servidor MCP, modelos de linguagem grandes (como aqueles no Claude Desktop) podem interagir diretamente com a plataforma em japonês ou inglês conversacional. Os usuários podem emitir instruções vagas ou complexas em linguagem natural (por exemplo, "Encontre dados recentes de preços de terrenos perto das estações de Tóquio" ou "Recupere conjuntos de dados de prevenção de desastres para áreas costeiras") e receber resultados estruturados, metadados e links de download — tudo sem necessidade de conhecimento profundo de APIs.
Principais Características
- Acesso a Dados em Linguagem Natural: Traduz consultas ambíguas do usuário em chamadas de API precisas para a Plataforma de Dados do MLIT.
- Exposição de Ferramentas: Fornece múltiplas ferramentas MCP para descoberta, filtragem, recuperação de metadados e download de conteúdo de conjuntos de dados.
- Integração Perfeita com MCP: Funciona com qualquer host/cliente compatível com MCP (Claude Desktop e similares).
- Servidor Baseado em Python: Implantação local fácil com Python 3.10+.
- Foco em Dados Governamentais: Abrange infraestrutura, geoespacial (compatível com PLATEAU), uso do solo, transporte, prevenção de desastres, imobiliário e mais.
- Seguro e Oficial: Apoiado pelo MLIT; requer uma chave de API gratuita da Plataforma de Dados do MLIT para acesso autenticado.
Requisitos
- SO: Windows 10/11 ou macOS 13+
- Python 3.10+
- Host MCP: Claude Desktop ou outros clientes compatíveis
- Recomendado: 8GB+ de RAM
- Chave de API do MLIT (obtida através de uma conta gratuita em data-platform.mlit.go.jp)
Instalação e Configuração
- Clone o repositório:
git clone https://github.com/MLIT-DATA-PLATFORM/mlit-dpf-mcp.git cd mlit-dpf-mcp - Crie e ative um ambiente virtual.
- Instale as dependências.
- Configure sua
MLIT_API_KEYe opcionalmenteMLIT_BASE_URL. - Adicione a configuração do servidor ao seu host MCP (por exemplo, a seção
mcpServersdo Claude Desktop apontando parasrc/server.py).
Instruções detalhadas em japonês/inglês e exemplos de configuração estão disponíveis no README do repositório.
Casos de Uso
- Planejamento Urbano e Pesquisa: Reúna rapidamente dados de preços de terrenos, edificações ou transporte para análise.
- Preparação para Desastres: Recupere mapas de risco e conjuntos de dados de prevenção através de prompts simples.
- Insights Imobiliários: Consulte informações geoespaciais e relacionadas a propriedades de forma conversacional.
- Exploração de Dados Governamentais: Capacite usuários não técnicos e agentes de IA a explorar conjuntos de dados públicos de infraestrutura do Japão.
- Fluxos de Trabalho com Múltiplos Agentes: Combine com outros servidores MCP (por exemplo, dados PLATEAU) para aplicações de IA geoespacial mais ricas.
Detalhes Técnicos
- Protocolo: Model Context Protocol (MCP) — exposição padronizada de ferramentas, recursos e prompts.
- Linguagem: Python.
- Licença: MIT (conforme metadados do pacote PyPI).
- Status: Versão alfa; mantido ativamente pela equipe oficial do MLIT.
Este servidor MCP exemplifica como iniciativas governamentais de dados abertos podem utilizar protocolos de IA emergentes para democratizar o acesso a conjuntos de dados complexos.
Para o guia de configuração mais recente, exemplos e atualizações, visite o repositório GitHub.
Tags
Related Entries
Keep exploring similar tools and resources in this category.

Agent Reach
MCP ServersAgent Reach is an open-source CLI and Agent Skill that installs, routes, and health-checks upstream tools for web, social, GitHub, video transcript, RSS, and search access. It is not documented as a standalone MCP server; some channels use MCP-backed upstream tools such as mcporter/Exa, xiaohongshu-mcp, and linkedin-scraper-mcp.

X MCP
MCP ServersX MCP é o servidor Model Context Protocol oficial e hospedado da X para chamar endpoints da X API a partir de ferramentas compatíveis com MCP. Ele usa a ponte xurl para OAuth com contexto de usuário e cobre fluxos como busca de posts, usuários, bookmarks, tendências, notícias e Articles.
TinyFish
MCP ServersTinyFish exposes web automation, web search, content extraction, and remote browser-session tools to MCP-compatible AI assistants. The hosted MCP server uses OAuth 2.1, while an optional local @tiny-fish/mcp proxy supports API-key authentication for local-only, CI, and headless setups.

openaiDeveloperDocs
MCP ServersOpenAI Developer Docs MCP is an OpenAI-hosted, read-only server that lets MCP clients search and fetch documentation from developers.openai.com, platform.openai.com, and learn.chatgpt.com. It uses a public streamable HTTP endpoint and does not call the OpenAI API on the user's behalf.

FetchSandbox
MCP ServersFetchSandbox is a stdio MCP server and hosted API-sandbox service that lets AI coding agents import OpenAPI 3.x specifications, discover runnable workflows, and execute stateful integration tests without using production API credentials. It is designed for validating request flows, lifecycle state, webhooks, retries, and shareable run traces from MCP-compatible development tools.
DataForSEO MCP Server
MCP ServersDataForSEO MCP Server is the official Model Context Protocol server for connecting AI clients to DataForSEO SEO, SERP, keyword, backlink, on-page, business, domain, content, merchant, and AI optimization data. It can be used as a hosted Streamable HTTP endpoint, a local npx package, a Docker container, or a source-built TypeScript server.
Related Reads
Background, tutorials, and protocol context connected to this entry.


