卫星轨道数据服务

空间跟踪MCP服务器

包装MCP服务器 Space-Track.org REST API。建于 FastMCP 和 流式HTTP 运输。提供通用查询工具、谓词发现（modeldef）、GP/TLE、SATCAT和CDM公共的便利工具，具有内置身份验证、会话处理和根据空间跟踪指南的速率限制。

需求

• Python 3.10+
• 空间跟踪帐户（请求 space-track.org)

安装

pip install -e .

或与 紫外线:

uv pip install -e .

配置（环境）

*使用其中之一 SPACE_TRACK_IDENTITY/SPACE_TRACK_PASSWORD 或 SPACETRACK_USER/SPACETRACK_PASS. | SPACE_TRACK_BASE_URL |没有| https://www.space-track.org/ |API基本URL| | SPACE_TRACK_TIMEOUT_SECONDS |没有| 60 |请求超时| | SPACE_TRACK_USER_AGENT |没有| space-track-mcp/1.0 |用户代理标头| | SPACE_TRACK_ENABLE_CLASS_GUARDRAILS |没有| true |gp历史的软护栏等。 | | SPACE_TRACK_MAX_BYTES_PER_RESPONSE |没有| 26214400 （25MB）|流媒体阈值| | SPACE_TRACK_CACHE_TTL_SECONDS |没有| 21600 （6小时） | Modeldef TTL 缓存 | | SPACE_TRACK_MAX_SATS |没有| 50 |每次传播呼叫的最大卫星数| | SPACE_TRACK_MAX_TIMESTEPS_PER_CALL |没有| 200000 |最大时间步长（例如24小时1秒=86400）| | SPACE_TRACK_MAX_MC_SAMPLES |没有| 2000 |最大蒙特卡洛样本数| | SPACE_TRACK_MAX_MC_TOTAL_STEPS |没有| 10000000 |最大样本数×时间步长×卫星数| | SPACE_TRACK_MAX_TLE_HORIZON_DAYS_WARN |没有| 7 |当TLE传播超过这么多天时发出警告| | MCP_HOST |没有| 127.0.0.1 |绑定主机| | MCP_PORT |没有| 8000 |绑定端口| | MCP_PATH |没有| /mcp |可流式传输的HTTP路径|

凭据和Cookie永远不会被记录。

跑

export SPACE_TRACK_IDENTITY=your_username
export SPACE_TRACK_PASSWORD=your_password
space-track-mcp

或者：

python -m space_track_mcp.server

服务器侦听 http://127.0.0.1:8000/mcp （流式HTTP）。使用支持Streamable HTTP的MCP客户端进行连接。

速率限制

• 硬限制： 每分钟30个请求、每小时300个请求（令牌桶式）。
• 课堂指导： GP~1/小时；SATCAT/SATAT_DEBUT~1/UTC 1700后的一天；gphistory需要窄过滤器或显式过滤器 ack_heavy_query=true.

超过限制时，服务器返回一个明确的错误 retry_after_seconds.使用 spacetrack_rate_limit_status 检查当前状态。

工具

示例（GP TLE用于ISS）

相当于：

/basicspacedata/query/class/gp/norad_cat_id/25544/format/tle

使用工具：

• spacettrack_query： class_name="gp", predicates={"norad_cat_id": 25544}, format="tle".
• spacettrack_gp_lextress： norad_cat_id=25544, format="tle".

获取两颗卫星随时间的坐标

太空轨道返回 轨道要素 （TLE/GP），而不是预先计算的位置。得到 坐标随时间变化 你：

1. 获取两颗卫星

   • 选择两个NORAD ID（例如ISS= 25544，另一个= 48274)，或
   • 使用 空间轨迹查询: class_name="satcat", format="json", limit=2 获取两个目录条目并阅读它们 NORAD_CAT_ID.

2. 获取他们的元素

   • spacettrack_gp_lextress: norad_cat_id=[25544, 48274], format="tle"
   • 或 空间轨迹查询: class_name="gp", predicates={"norad_cat_id": [25544, 48274], "decay_date": "null-val", "epoch": ">now-10"}, format="tle".

3. 将元素转换为坐标
   将TLE传播到你关心的时代 SGP4 （例如Python sgp4).MCP不运行传播；您可以在本地或脚本中执行该操作。

示例脚本 （使用与MCP相同的凭据，不需要MCP客户端）：

pip install sgp4
python examples/two_satellites_coordinates.py
# Or with two NORAD IDs:
python examples/two_satellites_coordinates.py 25544 48274

该脚本从Space Track获取TLE，并打印当前+1小时、+2小时的ECI位置（公里）。对于lat/lon/alt，您需要转换ECI→ ECEF → 大地测量（例如 sgp4.conveniences 或 pymap3d).

仅使用MCP（例如在光标中）：
让AI打电话 spacettrack_gp_lextress 具有两个NORAD ID和 format="tle"。你会得到TLE文本。要在特定时间获取坐标，请将本地SGP4步骤（或上面的脚本）与TLE一起使用。

轨道传播、框架和蒙特卡洛不确定性

框架和惯例

• TLE/SGP4帧：所有SGP4传播都在 主题 帧（真赤道、均点）。你看到的任何地方：
  • mean_position_km / position_km_ECI 和 mean_velocity_km_s / velocity_km_s_ECI，这些是 ECI团队 矢量单位为km和km/s。
• ECEF:
  • position_km_ECEF / mean_position_km_ECEF 使用a进行转换 基于GMST的地球自转:
    • earth_rotation_model = "GMST (IAU 1982-style)"
    • ecef_frame = "ITRF-like" （近似地球固定框架）。
• LLA:
  • lat_deg, lon_deg, alt_km 大地坐标是否在 世界大地测量系统84 (lla_datum = "WGS84").

这些惯例在 metadata 对于确定性(orbit_propagate)蒙特卡洛(orbit_propagate_monte_carlo)输出。

spacetrack_project_positions：默认值和蒙特卡洛

spacetrack_project_positions 是一种一键式工具，用于：

1. 从Space Track获取给定的最新GP/TLE norad_cat_ids
2. 使用SGP4+本地帧转换向前传播。
3. 返回：
   • A. 蒙特卡洛总结 （默认），或
   • A. 确定性轨迹 （如有要求）。

默认值（当您仅通过时 norad_cat_id):

• 传播时间：6小时（~19个点，20分钟步长）。
• 框架： frames_out = ["ECI", "ECEF", "LLA"] （在LLA要求时添加了ECEF）。
• 默认情况下启用蒙特卡洛:
  • samples = 200
  • uncertainty = { state_sigma: { pos_km: [0.2, 0.2, 0.2], vel_km_s: [0.0002, 0.0002, 0.0002] } }

到 关闭蒙特卡洛 并得到一条确定性路径，pass：

{
  "norad_cat_id": 25544,
  "monte_carlo": { "enabled": false }
}

蒙特卡罗不确定性是如何表示的

对于每个卫星和每个时间步长， orbit_propagate_monte_carlo 产生a 总结 进入：

• 平均状态:
  • mean_position_km （TEME ECI，公里）
  • mean_velocity_km_s （TEME ECI，公里/秒）
  • 可选的 mean_position_km_ECEF 和 lat_deg, lon_deg, alt_km.
• 标量不确定性（与平均值的距离）:
  • p50_radius_km：50%的样本位于平均值的半径范围内。
  • p90_radius_km：90%的样本位于该半径范围内。
  • p95_radius_km95%的样本位于该半径范围内。
  • p99_radius_km99%的样本位于该半径范围内。

这些半径给你一个 概率包络 围绕平均轨迹：较小的半径=较高的置信度；半径越大=色散越大。

RTN（径向/沿轨道/交叉轨道）分解

为了使误差条在视觉上有意义，蒙特卡洛引擎还分解了 快速组织坏死 每次帧：

• p95_radial_km:
  • 绝对值的第95百分位数 径向的 偏差（沿地球中心半径的进出）。
• p95_along_track_km:
  • 绝对值的第95百分位数 沿轨 偏离（沿轨道前进/后退）。
• p95_cross_track_km:
  • 绝对值的第95百分位数 跨轨 偏离（轨道平面外）。
• pos_cov_rtn_km2:
  • RTN位置偏移的3×3协方差矩阵，单位为km²。

例子

许可证

请参阅存储库许可证。