
MLIT DPF MCP
這是日本國土交通省(MLIT)官方推出的MCP伺服器(α版本),能透過自然語言查詢將Claude等AI模型連接至MLIT資料平台,實現直觀的資料搜尋、擷取與下載功能。
概述
MLIT DPF MCP 是日本國土交通省 MLIT DATA PLATFORM 團隊開發的官方 Model Context Protocol (MCP) 伺服器(α版本)。它封裝了 國土交通數據平台 的公開 API。該平台是一個集中式樞紐,彙整了國土交通省持有的數據與民間企業的數據集,提供統一的搜尋、視覺化和下載功能。
透過運行此 MCP 伺服器,大型語言模型(例如 Claude Desktop 中的模型)可以直接使用日語或英語對話與平台互動。用戶可以提出模糊或複雜的自然語言指令(例如:「查找東京車站附近最近的土地價格數據」或「檢索沿海地區的防災數據集」),並接收結構化結果、元數據和下載連結,無需具備深入的 API 知識。
主要功能
- 自然語言數據訪問:將模糊的用戶查詢轉化為針對 MLIT 數據平台的精確 API 呼叫。
- 工具暴露:提供多種 MCP 工具,用於數據集發現、篩選、元數據檢索和內容下載。
- 無縫 MCP 整合:適用於任何兼容 MCP 的主機/客戶端(Claude Desktop 及類似應用)。
- 基於 Python 的伺服器:使用 Python 3.10+ 即可輕鬆本地部署。
- 政府數據焦點:涵蓋基礎設施、地理空間(兼容 PLATEAU)、土地使用、交通運輸、防災、房地產等領域。
- 安全且官方:由國土交通省支持;需要免費的 MLIT 數據平台 API 金鑰進行身分驗證訪問。
系統需求
- 作業系統:Windows 10/11 或 macOS 13+
- Python 3.10+
- MCP 主機:Claude Desktop 或其他兼容客戶端
- 建議:8GB 以上記憶體
- MLIT API 金鑰(透過 data-platform.mlit.go.jp 免費帳戶取得)
安裝與設定
- 複製儲存庫:
git clone https://github.com/MLIT-DATA-PLATFORM/mlit-dpf-mcp.git cd mlit-dpf-mcp - 建立並啟動虛擬環境。
- 安裝相依套件。
- 設定您的
MLIT_API_KEY,可選設定MLIT_BASE_URL。 - 將伺服器配置添加到您的 MCP 主機(例如,將 Claude Desktop 的
mcpServers區段指向src/server.py)。
詳細的日語/英語說明和配置範例可在儲存庫的 README 文件中找到。
使用案例
- 都市規劃與研究:快速收集土地價格、建築或交通運輸數據進行分析。
- 災害預防:透過簡單提示檢索災害地圖和防災數據集。
- 房地產洞察:以對話方式查詢地理空間和物業相關資訊。
- 政府數據探索:讓非技術用戶和 AI 代理能夠探索日本的公共基礎設施數據集。
- 多代理工作流程:與其他 MCP 伺服器(例如 PLATEAU 數據)結合,實現更豐富的地理空間 AI 應用。
技術細節
- 協定:模型情境協定 (MCP) — 標準化的工具、資源與提示呈現方式。
- 語言:Python。
- 授權:MIT (依據 PyPI/套件中繼資料)。
- 狀態:Alpha 版本;由官方 MLIT 團隊積極維護。
此 MCP 伺服器示範了政府開放資料計畫如何利用新興的 AI 協定,來普及化複雜資料集的存取。
欲瞭解最新的設定指南、範例與更新,請造訪 GitHub 儲存庫 。
Tags
Related Entries
Keep exploring similar tools and resources in this category.

PaidSync.ai
MCP ServersPaidSync.ai is a hosted MCP server for paid advertising that exposes 610+ tools across 14 advertising, analytics, tagging, and commerce platforms. It supports read/write workflows from AI clients including ChatGPT, Claude, Gemini, Cursor, Claude Code, and Codex, with a free plan.

Hyper3D MCP
MCP ServersHyper3D MCP is Hyper3D's hosted Rodin MCP server for creating 3D assets from natural-language instructions or supported references, checking asynchronous generation progress, and retrieving model download links inside AI coding clients. Official setup is documented for Codex, Claude Code, and Kimi Code CLI.
Related Reads
Background, tutorials, and protocol context connected to this entry.






