使用说明

NL OpenData MCP服务器

全面 模型上下文协议（MCP） 用于访问荷兰政府公开数据的服务器 CBS（中央统计局）和数据.政府.nl.

这是一个小型的附带项目，旨在试验MCP，看看它是否有助于访问荷兰政府的开放数据。 它还没有准备好生产，不应该用于生产。

我用Claude Desktop和LM Studio测试过它，它运行得很好。它应该适用于大多数MCP客户端。结果始终取决于您使用的模型的质量。前沿模型很好地理解数据和mcp工具，并产生了良好的结果。本地模型可能无法理解工具调用并产生意外结果。

对于局部模型，我使用Devstral2小模型获得了最佳结果，gpt-oss 20b紧随其后。上下文长度是局部模型的一个非常有限的因素。Yo需要至少30000个令牌上下文长度才能进行基本分析。

✨ 特征

📊 访问4800+CBS数据集 -浏览和查询人口、经济、健康、环境等统计数据
🔍 智能搜索 -使用本地缓存按标题、摘要或两者搜索数据集，以获得快速结果
📥 灵活的数据获取 -查询、过滤和下载CSV或Parquet格式的数据集
🐍 Python分析 -直接在数据集上执行Pandas代码，无需下载
🗂️ 双源支持 -检查CBS OData和data.overheid.nl的可用性

📦 安装

使用uvx（推荐）

# Run directly from PyPI
uvx nl-opendata-mcp

# Or run directly from GitHub
uvx --from git+https://github.com/soulnai/nl-opendata-mcp.git nl-opendata-mcp

用pip/uv安装

# Install from PyPI
uv pip install nl-opendata-mcp

# Install from GitHub
uv pip install git+https://github.com/soulnai/nl-opendata-mcp.git

来源（发展）

# Clone the repository
git clone https://github.com/soulnai/nl-opendata-mcp.git
cd nl-opendata-mcp

# Install dependencies and package in editable mode
uv sync
uv pip install -e .

# Run the server
uv run nl-opendata-mcp

🔧 配置

克劳德桌面

添加到您的Claude Desktop配置(claude_desktop_config.json):

{
  "mcpServers": {
    "nl-opendata-mcp": {
      "command": "uvx",
      "args": ["nl-opendata-mcp"]
    }
  }
}

LM工作室

添加到LM Studio配置(mcp.json):

{
  "mcpServers": {
    "nl-opendata-mcp": {
      "command": "uvx",
      "args": ["nl-opendata-mcp"]
    }
  }
}

使用环境变量

服务器支持不同的传输模式：

# Default: stdio transport
uvx nl-opendata-mcp

# HTTP transport (port 8000)
TRANSPORT=http uvx nl-opendata-mcp

# SSE transport (port 8000)
TRANSPORT=sse uvx nl-opendata-mcp

🛠️ 可用工具

发现工具

工具	说明
`cbs_list_datasets`	列出CBS目录中的可用数据集
`cbs_search_datasets`	按关键字搜索数据集（在标题、摘要或两者中）
`cbs_check_dataset_availability`	检查数据集是否可通过CBS OData或data.overheid.nl获得
`cbs_estimate_dataset_size`	在获取之前估计数据集大小（行、列、推荐策略）
`cbs_inspect_dataset_details`	获取全面的数据集摘要（元数据、结构、示例数据）

元数据工具

工具	说明
`cbs_get_metadata`	统一元数据工具-获取信息、结构、维度值或自定义端点

cbs_get_metadata 类型：

metadata_type="info" -数据集描述（表信息）
metadata_type="structure" -列定义和数据类型（DataProperty）
metadata_type="endpoints" -可用元数据端点
metadata_type="dimensions" -带有过滤代码的维度值（需要 endpoint_name)
metadata_type="custom" -查询自定义终结点（需要 endpoint_name)

数据获取工具

工具	说明
`cbs_query_dataset`	通过过滤和列选择查询数据
`cbs_save_dataset`	将数据集保存到CSV（使用 `fetch_all=True` 完整数据集）

分析工具（默认禁用）

工具	说明
`cbs_analyze_remote_dataset`	在远程数据集上执行Python/Pandas代码
`cbs_analyze_local_dataset`	在本地CSV文件上执行Python/Pandas代码

📖 使用示例

1.发现数据集

列出可用数据集：

Use cbs_list_datasets with top=20 to see the first 20 datasets

搜索人口数据：

Use cbs_search_datasets with query="bevolking" to find population datasets

仅在标题中搜索：

Use cbs_search_datasets with query="inflatie" and search_field="title"

2.探索数据集

获取全面概述（建议的第一步）：

Use cbs_inspect_dataset_details with dataset_id="85313NED"

# Returns:
# - Source confirmation (CBS OData or data.overheid.nl)
# - Title and description
# - Column definitions with types
# - Sample data (first 5 rows)

在获取之前检查数据集大小：

Use cbs_estimate_dataset_size with dataset_id="85313NED"

# Returns:
# - Estimated row count
# - Column count
# - Recommended fetch strategy

获取详细的列结构：

Use cbs_get_metadata with dataset_id="85313NED" and metadata_type="structure"

# Returns CSV with: Key, Type, Title, Description for each column

3.查询数据

带分页的基本查询：

Use cbs_query_dataset with:
  - dataset_id="85313NED"
  - top=100
  - skip=0

使用OData筛选器进行查询：

Use cbs_query_dataset with:
  - dataset_id="85313NED"
  - filter="Perioden eq '2023JJ00'"
  - top=50

选择特定列：

Use cbs_query_dataset with:
  - dataset_id="85313NED"
  - select=["Perioden", "TotaleBevolking_1", "Mannen_2", "Vrouwen_3"]
  - top=100

多条件查询：

Use cbs_query_dataset with:
  - dataset_id="85313NED"
  - filter="Perioden eq '2023JJ00' and Leeftijd eq '10000'"

4.下载完整数据集

将完整数据集保存到CSV：

Use cbs_save_dataset with:
  - dataset_id="85313NED"
  - file_name="population_data.csv"
  - fetch_all=true

5.分析数据

注意：默认情况下，分析工具处于禁用状态。要启用它们，请设置 USE_PYTHON_ANALYSIS=true 在环境中。让模型在客户端机器上编写和执行Python代码存在安全风险。仅建议高级用户使用。最好让模型查询并将数据保存到文件中，并让您的CLI LLM编码工具通过编写和执行脚本来分析它。如果您在非CLI环境（如LM Studio）中运行它，并且仍然希望赋予它分析数据的能力，则可以通过设置来启用它 USE_PYTHON_ANALYSIS=true 在环境中。

使用Pandas分析远程数据集：

Use cbs_analyze_remote_dataset with:
  - dataset_id="85313NED"
  - analysis_code="print(df.describe())"

统计计算：

Use cbs_analyze_remote_dataset with:
  - dataset_id="85313NED"
  - analysis_code="result = df['TotaleBevolking_1'].mean()"

过滤器和骨料：

Use cbs_analyze_remote_dataset with:
  - dataset_id="85313NED"
  - analysis_code="""
    filtered = df[df['Perioden'].str.contains('2023')]
    result = filtered.groupby('Leeftijd')['TotaleBevolking_1'].sum()
    print(result)
    """

分析本地CSV文件：

Use cbs_analyze_local_dataset with:
  - dataset_path="downloads/85313NED_full.csv"
  - analysis_code="print(df.info())"

6.使用元数据

获取分类代码（例如，性别类别）：

Use cbs_get_metadata with:
  - dataset_id="85313NED"
  - metadata_type="dimensions"
  - endpoint_name="Geslacht"

获取时间段定义：

Use cbs_get_metadata with:
  - dataset_id="85313NED"
  - metadata_type="dimensions"
  - endpoint_name="Perioden"

🎯 常见工作流

工作流程1：快速数据探索

1. cbs_search_datasets(query="unemployment")              # Find relevant datasets
2. cbs_inspect_dataset_details(dataset_id="82809NED")     # Get overview
3. cbs_query_dataset(dataset_id="82809NED", top=10)       # Preview data

工作流程2：完整数据集分析

1. cbs_estimate_dataset_size(dataset_id="85313NED")           # Check size
2. cbs_save_dataset(dataset_id="85313NED", fetch_all=True)    # Save full dataset to CSV
3. cbs_analyze_local_dataset(...)                            # Analyze locally with Pandas

工作流程3：筛选数据导出

1. cbs_get_metadata(dataset_id="85313NED", metadata_type="structure")  # Get column names
2. cbs_get_metadata(dataset_id="85313NED", metadata_type="dimensions", endpoint_name="Perioden")  # Get period codes
3. cbs_query_dataset(dataset_id="85313NED", filter="Perioden eq '2023JJ00'", select=["..."])  # Query
4. cbs_save_dataset(dataset_id="85313NED", file_name="filtered_data.csv")  # Export

📁 输出格式

格式	用例
逗号分隔值	通用兼容性，适用于Excel、Pandas等。

🔗 OData筛选器示例

CBS OData API使用OData v3语法进行筛选：

# Exact match
Perioden eq '2023JJ00'

# Substring match
substringof('Amsterdam', RegioS)

# Multiple conditions
Perioden eq '2023JJ00' and Leeftijd eq '10000'

# OR conditions
Geslacht eq '1100' or Geslacht eq '2000'

# Numeric comparisons
TotaleBevolking_1 gt 100000

荷兰开放数据MCP服务器

使用说明

NL OpenData MCP服务器

✨ 特征

📦 安装

使用uvx（推荐）

用pip/uv安装

来源（发展）

🔧 配置

克劳德桌面

LM工作室

使用环境变量

🛠️ 可用工具

发现工具

元数据工具

数据获取工具

分析工具（默认禁用）

📖 使用示例

1.发现数据集

2.探索数据集

3.查询数据

4.下载完整数据集

5.分析数据

6.使用元数据

🎯 常见工作流

工作流程1：快速数据探索

工作流程2：完整数据集分析

工作流程3：筛选数据导出

📁 输出格式

🔗 OData筛选器示例

📚 资源

使用说明

NL OpenData MCP服务器

✨ 特征

📦 安装

使用uvx（推荐）

用pip/uv安装

来源（发展）

🔧 配置

克劳德桌面

LM工作室

使用环境变量

🛠️ 可用工具

发现工具

元数据工具

数据获取工具

分析工具（默认禁用）

📖 使用示例

1.发现数据集

2.探索数据集

3.查询数据

4.下载完整数据集

5.分析数据

6.使用元数据

🎯 常见工作流

工作流程1：快速数据探索

工作流程2：完整数据集分析

工作流程3：筛选数据导出

📁 输出格式

🔗 OData筛选器示例

📚 资源

相关 MCP

文件与终端管理MCP服务

图表生成MCP服务器

ECharts 图表生成 MCP 服务

Elasticsearch/OpenSearch MCP服务器

区块链数据查询服务

智能图表推荐工具