Skip to main content
Glama
Atrash87

AWO MCP Server

by Atrash87

AWO MCP Server

MCP-Server (Model Context Protocol), der verarbeitete AWO-Einrichtungsdaten für KI-Assistenten wie Claude Desktop bereitstellt.

Überblick

Dieser MCP-Server stellt eine standardisierte Schnittstelle zwischen KI-Assistenten und AWO-Organisationsdaten bereit. Er ermöglicht natürliche Sprachabfragen zu AWO-Einrichtungen, Angeboten und Statistiken.

Datenquelle: Verarbeitete AWO-Datensätze (Einrichtungen, Adressen, Angebote, Träger)

Status: ✅ Produktionsreif


Related MCP server: OSM Edit MCP Server

Architektur

User
  │
Claude Desktop
  │
MCP Server (this repo)
  │
Processed AWO Data (CSV)

Funktionen

Verfügbare Werkzeuge

Tool

Beschreibung

Beispiel

count_facilities(city)

Zählt Einrichtungen in einer Stadt

„Wie viele AWO-Einrichtungen gibt es in Berlin?“

search_facilities(city)

Listet alle Einrichtungen in einer Stadt auf

„Zeig mir alle AWO-Einrichtungen in Berlin“

get_facility_details(name)

Ruft detaillierte Informationen zu einer Einrichtung ab

„Erzähl mir etwas über AWO Sozialstation Wedding“

search_services(query)

Durchsucht Angebote nach einem Stichwort

„Finde Angebote zur Suchtberatung“

generate_statistics()

Liefert Datenstatistiken

„Zeigen Sie mir Statistiken zu AWO-Einrichtungen“

check_completeness()

Prüft die Datenqualität

„Prüfen Sie die Datenvollständigkeit der AWO-Datensätze“

detect_duplicates()

Findet doppelte Datensätze

„Gibt es Duplikate in den AWO-Daten?“

compare_facilities(f1, f2)

Vergleicht zwei Einrichtungen

„Vergleiche AWO-Mitte und AWO Spree-Wuhle“


Installation

1. Repository klonen

git clone https://github.com/YOUR_USERNAME/awo-mcp-production.git
cd awo-mcp-production

2. Conda-Umgebung erstellen und aktivieren

conda create -n awo-mcp python=3.11
conda activate awo-mcp

3. Abhängigkeiten installieren

pip install -r requirements.txt

4. Daten-Dateien prüfen

Stellen Sie sicher, dass die folgenden CSV-Dateien im Verzeichnis data/ vorhanden sind:

  • einrichtungSchema.csv – Einrichtungen

  • adresseSchema.csv – Adressen

  • angebotSchema.csv – Angebote

  • traegerSchema.csv – Träger


Server ausführen

Starten Sie den MCP-Server:

python server.py

Der Server startet und wartet auf MCP-Anfragen. Lassen Sie dieses Terminal geöffnet.


Mit Claude Desktop verbinden

Schritt 1: Claude Desktop installieren

Laden Sie Claude Desktop herunter.

Hinweis: Für die MCP-Server-Integration ist kein Claude-Abonnement erforderlich.

Schritt 2: MCP-Server konfigurieren

  1. Öffnen Sie Claude Desktop.

  2. Gehen Sie zu Einstellungen → Entwickler → Lokale MCP-Server → Konfiguration bearbeiten.

  3. Fügen Sie die folgende Konfiguration hinzu:

{
  "mcpServers": {
    "awo": {
      "command": "C:\\Users\\<YOUR_USERNAME>\\miniconda3\\envs\\awo-mcp\\python.exe",
      "args": [
        "D:\\path\\to\\awo-mcp-production\\server.py"
      ]
    }
  }
}

Schritt 3: Claude Desktop neu starten

Speichern Sie die Konfiguration und starten Sie Claude Desktop vollständig neu.

Der MCP-Server sollte unter Einstellungen → Entwickler → Lokale MCP-Server mit grünem Status erscheinen.


Beispielabfragen

Wenn die Verbindung hergestellt ist, versuchen Sie Folgendes:

Einheiten zählen

„Wie viele AWO-Einrichtungen gibt es in Berlin?”

Nach Stadt suchen

„Zeig mir alle AWO-Einrichtungen in Berlin mit ihren Adressen“

Einrichtungsdetails abrufen

„Erzähl mir etwas über AWO Sozialstation Wedding“

Angebote durchsuchen

„Finde AWO-Angebote zur Suchtberatung“

Statistiken erhalten

„Zeigen Sie mir Statistiken zu AWO-Einrichtungen“

Datenqualität

„Prüfe die Datenvollständigkeit der AWO-Datensätze“

Duplikate finden

„Gibt es Duplikate in den AWO-Daten?”

Einrichtungen vergleichen

„Vergleiche AWO-Mitte und AWO Spree-Wuhle“


Datenübersicht

Der Server verwendet vier CSV-Datensätze:

Datensatz

Beschreibung

Anzahl

einrichtungSchema.csv

AWO-Einrichtungen

168

adresseSchema.csv

Adressen

108

angebotSchema.csv

Angebote

99

traegerSchema.csv

Träger/Organisationen

4


Dateistruktur

awo-mcp-production/
├── data/                      # CSV datasets
│   ├── einrichtungSchema.csv
│   ├── adresseSchema.csv
│   ├── angebotSchema.csv
│   └── traegerSchema.csv
├── src/                       # Core modules
│   ├── data_loader.py
│   └── data_repository.py
├── server.py                  # MCP server
├── requirements.txt
└── README.md

Testen

Server testen

python -c "from server import mcp; print('✅ Server loaded successfully')"

Client testen (optional)

Falls Sie eine Datei client.py für interaktive Tests haben:

python client.py

Bereitstellung

Lokale Entwicklung

  • Führen Sie python server.py direkt aus.

  • Verbinden Sie Claude Desktop mit dem lokalen Server.

Cloud-Bereitstellung

  • Stellen Sie den Server auf einer Cloud-VM oder einem Container bereit.

  • Konfigurieren Sie Claude Desktop so, dass ein entfernter Endpunkt verwendet wird, sobald dies unterstützt wird.


Fehlerbehebung

Server wird nicht in Claude Desktop angezeigt

  • Überprüfen Sie die JSON-Syntax in der Konfigurationsdatei.

  • Stellen Sie sicher, dass keine nachfolgenden Kommas vorhanden sind.

  • Vergewissern Sie sich, dass der Python-Pfad existiert.

  • Prüfen Sie die Claude-Protokolle unter:

%APPDATA%\Claude\logs\mcp*.log

Server startet nicht

  • Stellen Sie sicher, dass alle Abhängigkeiten installiert sind.

  • Prüfen Sie, ob der Ordner data/ mit den erforderlichen CSV-Dateien vorhanden ist.

  • Führen Sie den Server manuell aus, um eventuelle Fehler zu sehen:

python server.py

Lizenz

MIT License


Mitwirken

  1. Forken Sie das Repository.

  2. Erstellen Sie einen Feature-Branch.

  3. Committen Sie Ihre Änderungen.

  4. Pushen Sie den Branch.

  5. Öffnen Sie einen Pull Request.

F
license - not found
Not graded
quality - not tested
B
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    Not graded
    quality
    C
    maintenance
    Provides access to Sweden's comprehensive municipal and regional statistics database with semantic search capabilities. Enables natural language queries against thousands of Key Performance Indicators covering various aspects of Swedish public sector data.
    16
    Apache 2.0
  • A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI assistants to search, validate, and edit OpenStreetMap data through natural language commands and built-in safety protections. It supports discovery of nearby amenities, geographic data exploration, and secure map editing via OAuth authentication.
    4
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Enables AI assistants to search, explore, and query any CKAN open data portal through natural language, making public datasets accessible without requiring knowledge of the portal's API.
    20
    641
    57
    MIT

View all related MCP servers

Related MCP Connectors

  • Public social-data API and live docs for AI coding agents.

  • Verified, citable German & EU law for any LLM. Daily updates from official sources, hosted in DE.

  • Verified, citable German & EU law for any LLM. Daily updates from official sources, hosted in DE.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Atrash87/awo-mcp-production'

If you have feedback or need assistance with the MCP directory API, please join our Discord server