AI导哈

碳足迹查询工具

EcoMCP是一款生态智能模型上下文协议代理，用于查询印度食品的碳足迹数据，支持通过食品名称、区域或ID进行查询，并集成FastAPI后端和MCP协议。

  • by npthinks
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 npthinks/EcoMCP

使用说明

EcoMCP

EcoMCP 是一种生态智能MCP（模型上下文协议）代理，旨在提供 印度食品的碳足迹洞察它将FastAPI后端与MCP集成相结合，使AI系统或其他客户端能够高效地查询碳足迹数据。

🚀 特性

  • 按以下方式查询碳足迹数据 食物名称, 区域，或 食品ID.
  • 支持 部分匹配 食物的名字。
  • 手柄 单一区域和组合区域.
  • MCP集成使用 快速多通道处理 和 stdio传输.
  • API本地托管，使用 快速API.

🧩 架构概述

  • 运输： stdio
  • MCP主机： 困惑AI
  • MCP客户端： 困惑的客户端正在连接到我的本地主机(http://127.0.0.1:8000)
  • MCP服务器： 基于FastAPI的后端提供碳足迹数据，FastMCP（处理请求并与FastAPI通信）

流量：

User Query → MCP Host → MCP Client → FastAPI Server → JSON Dataset → Client → Host → Response

🗂️ 数据集

该项目使用了一个精心策划的印度食品碳足迹数据集，该数据集最初来自Kaggle。它包含了各种印度食物的碳足迹及其原产地的信息。

数据集预处理

  • 区域标准化：为单个食品列出的多个区域被标准化为一致的、按字母顺序排序的、逗号分隔的格式。
  • 唯一ID分配：根据其区域组合和组内的顺序，为每种食物分配一个唯一的标识符。
  • 格式：数据集以JSON格式存储。

键列

  • ID → 食品的唯一标识符
  • Food → 食品名称
  • 区域→ 单个或多个区域的组合（例如，“北部、西部”）
  • 类别→ 食物类型（如素食、非素食）
  • 服务→ 标准份量
  • 碳足迹（千克二氧化碳当量）→ 排放量（kg CO）₂ 每公斤食物

🛠️ 技术栈

  • Python 3.11
  • 快速API （后端API）
  • 快速多通道处理 （MCP客户端集成）
  • 运输： 标准
  • 光标IDE 为了发展

⚙️ 安装

  1. 克隆存储库：
git clone https://github.com/npthinks/EcoMCP.git
cd EcoMCP
  1. 使用创建虚拟环境 uv:
# Using uv
uv venv create .venv
uv venv activate

🏗️ 用法

运行FastAPI服务器

uvicorn main:app --reload
  • 服务器将在以下时间运行 http://127.0.0.1:8000/

相关 MCP