AI导哈

LLM与统计数据库集成服务

Kolada MCP Server是一个智能中间件，实现大型语言模型（LLMs）与瑞典Kolada统计数据库的无缝集成，提供语义搜索、多维度分析和数据可视化功能，适用于公共部门数据分析和决策支持。

  • by aerugo
  • Python
  • 本地部署
  • 13 星标
  • 更新于
在 GitHub 查看 aerugo/kolada-mcp

使用说明

Kolada MCP服务器

Kolada MCP服务器 实现了大型语言模型（LLM）和 科拉达，瑞典综合市政和区域统计数据库。它提供了对数千个关键绩效指标（KPI）的结构化访问，促进了对公共部门统计数据的丰富、数据驱动的分析、比较和探索。

概述

Kolada MCP Server充当基于LLM的应用程序和Kolada数据库之间的智能中间件，允许轻松查询和分析与瑞典市政当局和地区相关的数据。凭借语义搜索功能和强大的分析工具，Kolada MCP大大简化了在Kolada中导航和解释大量KPI的过程。

查询示例

向Kolada MCP Server提出需要数据分析的复杂问题：

  • 在瑞典，一个家庭应该搬到哪里去寻找经济适用房、好学校和医疗保健？
  • 调查Västernorland失业与精神疾病之间的联系。
  • 确定过去五年中学前教育质量增长最快的城市。
  • 创建一个仪表板，可视化拥有最佳和最差公共交通的城市。

特性

  • 语义搜索：KPI的自然语言查询。
  • 类别筛选：访问按主题领域分组的关键绩效指标。
  • 市政和区域数据检索：获取KPI数据或历史时间序列。
  • 多年比较分析评估各市的KPI绩效变化。
  • 交叉KPI相关性：分析KPI之间的关系。

可用工具

  1. 列表_操作_区域：检索可用的KPI类别。
  2. get_kpis_by_operating_area：在类别下列出KPI。
  3. search_kpis：使用语义搜索发现KPI。
  4. 获取_ kpi_medata：访问详细的KPI元数据。
  5. fetch_kolada_data：检索KPI值。
  6. 分析跨城市性：深入的市级KPI分析。
  7. compare.kpi：评估KPI相关性。
  8. list_城市：列出市政ID和名称。

快速开始

Kolada MCP服务器包括预缓存的KPI元数据。删除 kpi_embeddings.npz 刷新。

安装

使用 uv 要安装Kolada MCP依赖项：

uv sync

在当地发展

在本地启动服务器：

uv run mcp dev server.py

打开 MCP检查员 在 http://localhost:5173 进行测试和调试。

Claude桌面集成

编辑您的 claude_desktop_config.json 要添加Kolada MCP服务器：

Docker镜像（本地构建）

"KoladaDocker": {
  "args": [
    "run",
    "-i",
    "--rm",
    "--name",
    "kolada-mcp-managed",
    "kolada-mcp:local"
  ],
  "command": "docker",
  "env": {}
}

通过PyPI预构建容器

"KoladaPyPI": {
  "args": ["kolada-mcp"],
  "command": "/Users/hugi/.cargo/bin/uvx"
}

本地UV执行（无Docker）

替换 [path to kolada-mcp] 使用您的本地目录：

"KoladaLocal": {
  "args": [
    "--directory",
    "[path to kolada-mcp]/src/kolada_mcp",
    "run",
    "kolada-mcp"
  ],
  "command": "uv"
}

更新后重新启动Claude Desktop。

贡献

欢迎投稿！在GitHub上提交问题、增强功能或PR。

免责声明

Kolada MCP Server是独立开发的，不受RKA或其他组织的认可或附属。

许可证

Kolada MCP服务器根据 Apache许可证2.0.

相关 MCP