GeoCroissant MCP Server

Model Context Protocol (MCP) サーバーです。GeoCroissant とその地理空間拡張のためのサーバー。

機能

• EO データセットの検出 - ライブの Element84 Earth Search API (https://earth-search.aws.element84.com/v1、AWS Open Data) に対する STAC コレクションのキーワード / トピック検索と、シーンの空間検索 (bbox + datetime + 雲量) を行います。センサーのモダリティ分類 (optical / radar / elevation) とテーマのショートカット (flood、wildfire、ndvi、dem、...) を備えています。

• STAC -> GeoCroissant 生成 - ライブ検索結果を検証済みの GeoCroissant ドキュメントに変換します。schema.org のカバレッジ、CRS、バンド構成、eo:bands から導出されたスペクトルメタデータ (マイクロメートルからナノメートルに変換)、アセット URL を直接参照する distribution の FileObject、シーンごとに 1 行を埋め込む RecordSet などを生成します。

• 公式バリデータをツールとして提供 - mlcroissant (mlcroissant validate と同じエンジン) によるエラーと警告を含む、構造化された pass/fail レポートを返します。

• 深い検査 - コアメタデータとすべての GeoCroissant プロパティを検査します: CRS、空間 / 時間解像度、バンド構成、スペクトルバンドのメタデータ、レコードエンドポイント、空間インデックス / バイアス / サンプリング戦略。

• 構造化グラフの抽出 - ライブラリが内部で構築する有向多重グラフを公開します (Metadata / FileObject / FileSet / RecordSet / Field ノード、source / join / containment エッジ)。

• レコードのマテリアライズ - 実際の操作グラフ (ダウンロード、抽出、変換) を実行し、Python の Dataset.records(...) とまったく同様に実際のレコードをプレビューします。

• 検証済みスキャフォールディング - 構造化されたパラメータから標準準拠の GeoCroissant JSON-LD を生成し、実際のバリデータでチェックします。

• 組み込み仕様リファレンス - 名前空間、ドメイン / カーディナリティ付きのすべての geocr: プロパティ、正規の @context、サンプルドキュメント、Python API。

Related MCP server: Copernicus Earth Observation MCP Server

ツール

カタログの追加

レジストリは データ駆動 です (src/geocr_mcp_server/config/catalogs.yaml)。各カタログは、STAC URL、モダーティごとの厳選されたコレクション、共有の topics とモダリティのキーワードヒントを持つエントリです。コードを変更せずに別のカタログを登録するには:

1. YAML を任意の場所にコピーし、catalogs の下にカタログを追加します (テーマのマッピングは topics の下にも追加します)。

2. 次の環境変数をそのファイルに設定します:

"env": { "GEOCR_CATALOGS_CONFIG": "/path/to/catalogs.yaml" }

ローダーは、トピック参照がどこかのカタログのコレクションリストに存在するかを検証するため、タイプミスは起動時にすぐに失敗します。

推奨されるエージェントワークフロー

discovery:  list_eo_catalogs -> search_eo_datasets("burn scar", modality=optical)
            -> search_eo_scenes(bbox=[...], datetime_range=...)
metadata:   create_geocroissant_from_stac(...)  # validated output + optional file
consuming:  inspect_geocroissant -> get_records_preview -> extract_distribution_urls
authoring:  create_geocroissant_scaffold -> edit -> validate_croissant

インストール

クローンは不要です。pip / uvx が geocr-mcp と mlcroissant 依存機能の両方を GitHub から直接取得します。クローンが必要なのは開発時のみです。

pip

pip install git+https://github.com/HarshShinde0/geocr_mcp.git@main

唯一の依存である mlcroissant は、GeoCr FROM`フォークから自動的に取得されます:

pip install git+https://github.com/HarshShinde0/croissant.git@main#subdirectory=python/mlcroissant

uv / uvx (クライアントに推奨)

uvx --from "geocr-mcp @ git+https://github.com/HarshShinde0/geocr_mcp.git@main" geocr-mcp-server

Docker

docker build -t geocr-mcp-server .
# stdio (local clients):
docker run -i --rm geocr-mcp-server
# hosted (HTTP transports):
docker run -p 8000:8000 geocr-mcp-server --transport streamable-http --host 0.0.0.0 --port 8000

クライアント設定

クローンは必要ありません。クライアントは uvx を介して両パッケージを GitHub から直接インストール (およびキャッシュ) します。

{
  "mcpServers": {
    "geocr": {
      "command": "uvx",
      "args": [
        "--from", "geocr-mcp @ git+https://github.com/HarshShinde0/geocr_mcp.git@main",
        "geocr-mcp-server"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

{
  "mcp": {
    "servers": {
      "geocr": {
        "command": "uvx",
        "args": [
          "--from", "geocr-mcp @ git+https://github.com/HarshShinde0/geocr_mcp.git@main",
          "geocr-mcp-server"
        ],
        "env": {
          "FASTMCP_LOG_LEVEL": "ERROR"
        }
      }
    }
  }
}

サーバーコード自体を反復する場合にのみ必要です:

git clone https://github.com/HarshShinde0/geocr_mcp.git   # or this monorepo

{
  "mcpServers": {
    "geocr": {
      "command": "uv",
      "args": [
        "--directory", "/path/to/geocr_mcp",
        "run", "geocr-mcp-server"
      ],
      "env": {
        "FASTMCP_LOG_LEVEL": "ERROR"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

共有 / リモートクラウド利用のために、同じサーバーを HTTP トランスポートで実行します:

geocr-mcp-server --transport streamable-http --host 0.0.0.0 --port $PORT

Render へのデプロイ (1-Click Blueprint)

このリポジトリには render.yaml の blueprint が含まれています:

1. Render Dashboard にログインします。

2. New + -> Blueprint をクリックし、リポジトリ HarshShinde0/geocr_mcp を接続します。

3. Apply をクリックします。Render がコンテナを自動的にビルドし、サーバーをデプロイルします。

ライブエンドポイント: https://geocr-mcp-server.onrender.com/mcp

ホスト型 MCP へのクライアント接続

AI クライアント、IDE、またはエージェントの設定 (mcpServers) で:

{
  "mcpServers": {
    "geocr-remote": {
      "url": "https://geocr-mcp-server.onrender.com/mcp"
    }
  }
}

カスタムリバースプロキシの背後では、プロキシで TLS を終端し、GEOCR_HOST=0.0.0.0 と GEOCR_TRANSPORT=streamable-http を設定してください。

環境変数

セキュリティに関する考慮事項

• サーバーは、ツール入力が URL を参照する場合、またはリモートの distribution からレコードをマテリア時の (get_records_preview) 場合のみネットワークリクエストを行います。信頼できないコンテキストでは limit を小さく保ってください。

• 生成されたファイルは常に GEOCR_OUTPUT_DIR 内に書き込まれます。パストラバーサルは、ファイル名をベスト名に短縮することで防がれます。

• コンテナは non-root で実行してください (提供されている Dockerfile はすでにそうなっています)。

開発

cd geocr_mcp
uv venv && uv sync --all-groups     # or: python -m pip install -e ".[dev]"
uv run pytest --cov --cov-branch    # unit tests (no network required)
uv run ruff check src tests         # lint (same rules as awslabs/mcp)
npx @modelcontextprotocol/inspector geocr-mcp-server   # interactive debugging