🌾 crop-mcp

EU Crop Intelligence MCP Server — Ertragsprognosen, Marktwerte & Risikoanalysen für 25 EU-Länder.

Lassen Sie KI-Agenten antworten: „Wie wird sich Weizen dieses Jahr in Baden-Württemberg entwickeln? Was ist er zu aktuellen Marktpreisen wert?“

pip install git+https://github.com/DasClown/CropProphEU.git
# or try it on Smithery: https://smithery.ai/servers/crop-mcp/CropProphEU

Funktionen (10 MCP-Tools)

Related MCP server: agriculture-mcp-server

Schnellstart

1. Installation

pip install git+https://github.com/DasClown/CropProphEU.git

2. Verwendung als MCP-Server

via CLI (stdio):

crop-mcp

oder via Python:

from crop_mcp import predict_europe_yield

result = predict_europe_yield("DE11", "DE", crop="wheat", gdd=3050, precip_mm=650)
print(f"Yield: {result['predicted_yield_t_ha']} t/ha")
print(f"Revenue: ~{result['predicted_yield_t_ha'] * 235:.0f} €/ha")

3. Claude Desktop / Cursor / Beliebiger MCP-Client

Fügen Sie dies zu Ihrer MCP-Konfiguration hinzu:

{
  "mcpServers": {
    "crop": {
      "command": "python3",
      "args": ["-m", "crop_mcp.server"]
    }
  }
}

4. HTTP-Server (für Fernzugriff / Smithery)

pip install crop-mcp[http]
crop-mcp --http --port 8080

Verbindung via SSE: http://your-server:8080/sse

5. Docker

docker build -t crop-mcp .
docker run -p 8080:8080 crop-mcp crop-mcp --http --port 8080

Verifizierte Kulturen

Raps & Sonnenblumen: Nicht unterstützt — keine Eurostat-Ertragsdaten verfügbar. Tools lehnen diese mit einer klaren Fehlermeldung ab (keine stillen Halluzinationen).

Beispielausgabe

Deutsch (Standard):

Weizen – Region DE11 (DE)
Ertrag: 7.68 t/ha (Spanne 6.67–8.63)
...

Englisch (mit language="en"):

Wheat – Region DE11 (DE)
Yield: 7.68 t/ha (range 6.67–8.63)
Temperature: warm (3050°C GDD)
...

Alle Ausgaben sind auf Deutsch (Standard) oder Englisch verfügbar. Setzen Sie language="en" beim Aufruf von yield_and_value für eine englische Ausgabe. Die JSON-Daten werden immer mit englischen Feldnamen zurückgegeben; das Feld summary passt sich der angeforderten Sprache an.

Datenquellen

Modellgenauigkeit

Was das bedeutet: Die LOYO-Metrik ist optimistisch, da sie auf Daten aus allen Jahren einschließlich zukünftiger trainiert. Die Forward Validation (Training 2000-2022, Vorhersage 2023-2024) ist der reale Benchmark: ±15%.

Das Modell ist am genauesten für Kern-EU-Länder (DE, FR, BE, NL, AT, CZ), wo die Trainingsdaten dicht sind, und weniger genau für Ausreißer wie NL/BE 2024, wo ungewöhnliches Wetter zu einer systematischen Überschätzung führte.

Architektur

crop-mcp/
├── crop_mcp/
│   ├── server.py              # 10 MCP tools
│   ├── europe_model_api.py    # Random Forest (200 trees) + Yield-at-Risk
│   ├── market_prices.py       # Live prices via Yahoo Finance + reference
│   ├── core/regions.py        # 120 NUTS2 regions
│   └── sources/               # Weather, soil, NDVI data fetchers
├── models/                    # .pkl files (download from Releases)
├── data/                      # Training data (generated by build)
├── pyproject.toml
└── README.md

Grundlegende Designprinzipien:

• Keine Halluzinationen — jede Ertragsprognose lässt sich auf verifizierte Eurostat-Daten zurückführen

• Live-Preise — CBOT Weizen/Mais via Yahoo Finance, stündlich aktualisiert

• Selbstaktualisierend — monatlicher Cron-Job baut Modelle mit den neuesten Eurostat-Daten neu auf

• Keine externen API-Schlüssel — alle Datenquellen sind kostenlos und öffentlich

Kommerzialisierung

Das Tool ist heute produktionsreif für:

• Agrarhandelsabteilungen — „Was ist Weizen in der Picardie zu aktuellen MATIF-Preisen wert?“

• Landwirtschaftliche Beratung — „Wie schneidet diese Saison im Vergleich zu den letzten 5 Jahren ab?“

• Versicherung / Risiko — Yield-at-Risk (P10/P50/P90) pro Region

• EU-Politikanalyse — Auswirkungen von Klimaszenarien auf nationale Erträge

Nächste kommerzielle Funktionen: Marktpreise pro Land, historische Preiskorrelation, automatisierte PDF-Berichte, mehrjährige Fruchtfolgeplanung.

Erstellung & Training

# Build training data for a specific crop (25 min)
python3 build_europe.py --crop corn

# Train the model (2 min)
python3 train_europe_fast.py --crop corn

# Automatic monthly update (cron)
# Runs every 1st of the month at 06:00

Lizenz

MIT — frei zu verwenden, zu ändern und zu verbreiten.

Mit ❤️ für KI-Agenten entwickelt, die echte, verifizierbare Ernteintelligenz benötigen.