china-law-mcp
by THUboran
README.md
<div align="center">
# ⚖️ china-law-mcp
**中国法律条文 MCP 服务器 · 让 AI 引用法条不再编造**
免费 · 免注册 · 免 API key · 本地运行
[](LICENSE)
[](https://github.com/thu-lawyer/china-law-mcp/actions/workflows/ci.yml)
[](https://python.org)
[](https://pypi.org/project/china-law-mcp/)
[](https://pypi.org/project/china-law-mcp/)
[](https://modelcontextprotocol.io)
[](https://registry.modelcontextprotocol.io/v0/servers?search=china-law-mcp)
[](https://glama.ai/mcp/servers/thu-lawyer/china-law-mcp)
[](https://github.com/thu-lawyer/china-law-mcp/pkgs/container/china-law-mcp)
[](#数据)
[](#数据)
[English](README.en.md) · 中文
</div>
<!-- mcp-name: io.github.thu-lawyer/china-law-mcp -->
---
## 解决什么问题
直接问大模型中国法律问题，有两个后果：**引用的条文可能根本不存在或已废止**，**你无法核实**。法律是最不能容忍编造的领域。
china-law-mcp 给 AI 装上一个**离线法条库 + 引用核验器**：
- 模型要引用《民法典》第 1254 条？先调 `verify_citation` 查一下，不存在就换掉
- 模型写了一整段分析？`check_citations_in_text` 会把里面**所有**《某法》第 N 条抽出来逐条核验，列出编造的引用
- 不知道适用哪条？`search_statutes` 用自然语言检索（支持「同事借我钱不还」这种口语）
**数据在本地，不联网、不注册、不需要 API key。**
## 快速开始
**方式一：一行命令（推荐）**
```bash
uvx china-law-mcp
```
**方式二：pip 安装**
```bash
pip install china-law-mcp
china-law-mcp
```
**方式三：克隆运行**
```bash
git clone https://github.com/thu-lawyer/china-law-mcp
cd china-law-mcp
pip install -r requirements.txt
python -m china_law_mcp # 首次运行自动构建 BM25 索引，约 6 秒
```
**方式四：Docker**（镜像已发布到 ghcr.io）
```bash
docker run -i --rm ghcr.io/thu-lawyer/china-law-mcp:latest
```
```json
{
"mcpServers": {
"china-law": {
"command": "docker",
"args": ["run", "-i", "--rm", "ghcr.io/thu-lawyer/china-law-mcp:latest"]
}
}
}
```
### 接入你的客户端
标准 stdio 服务器，任何 MCP 客户端都能接。先确定 `uvx` 在 PATH 里（`uv` 随附）。
| 客户端 | 接入方式 |
| --- | --- |
| **Claude Code** | 一条命令：`claude mcp add china-law -- uvx china-law-mcp` |
| **Claude Desktop** | 编辑 `claude_desktop_config.json`（macOS：`~/Library/Application Support/Claude/`；Windows：`%APPDATA%\Claude\`），粘入下面的 JSON 后重启 |
| **Cursor** | 项目级 `.cursor/mcp.json` 或全局 `~/.cursor/mcp.json`，粘入下面的 JSON |
| **VS Code**（Copilot Chat） | `.vscode/mcp.json`，注意顶层键是 **`servers`** 而不是 `mcpServers` |
| **国内客户端**（Cherry Studio、ChatWise、LobeChat、DeepChat 等） | 在各自的 MCP 设置页粘贴同一段 JSON |
把 `uvx` 换成 Docker 也可以，见上一节。
```json
{
"mcpServers": {
"china-law": {
"command": "uvx",
"args": ["china-law-mcp"]
}
}
}
```
## 工具
| 工具 | 作用 |
| --- | --- |
| `search_statutes(query, top_k, law?)` | 自然语言问题 → 相关法条（口语自动扩展为法言法语） |
| `get_article(law, article_no)` | 法律 + 条号 → 条文原文，支持「民法典」「1254」「第一千二百五十四条」 |
| `list_laws(keyword?, department?)` | 浏览库内法律目录 |
| `verify_citation(law, article_no)` | **核验单条引用是否真实存在** |
| `check_citations_in_text(text)` | **抽取文本中全部引用并逐条核验，列出编造的** |
## 效果示例
下图为真实工具调用返回结果的渲染（终端样式，非截图）：
**自然语言检索**（口语直接问）：
```text
search_statutes("同事借我钱不还怎么办")
→ 中华人民共和国民法典 第六百七十五条 借款人应当按照约定的期限返还借款…
→ 中华人民共和国民法典 第六百七十四条 借款人应当按照约定的期限支付利息…
search_statutes("外卖吃出异物能退吗")
→ 中华人民共和国食品安全法 第一百四十八条 消费者因不符合食品安全标准的食品受到损害的，
可以向经营者要求赔偿损失，也可以向生产者要求赔偿…
```
**引用核验**（防止 AI 编造）：
```text
verify_citation("民法典", "1254") → verified=True （真实存在）
verify_citation("民法典", "9999") → verified=False 中华人民共和国民法典 没有第 9999 条
check_citations_in_text("根据《民法典》第1254条…依据《劳动合同法》第99条和《民法典》第88888条…")
→ 共 3 条，有效 1，无效 2
→ invalid: ['《劳动合同法》第99条', '《民法典》第88888条']
```
## 作为 Agent Skill 使用（不用 MCP）
如果你用的 Agent 还不支持 MCP，或者只想在命令行里快速查一条法条，仓库里的 [`skills/china-law/`](skills/china-law/) 提供了等价能力：
- [`skills/china-law/SKILL.md`](skills/china-law/SKILL.md) —— Agent Skill 定义（何时用、怎么用、铁律）
- [`skills/china-law/law.py`](skills/china-law/law.py) —— 零依赖 CLI，**不需要 `mcp` 包**，只依赖 `china_law_mcp` 的检索与数据库模块
```bash
pip install china-law-mcp
python skills/china-law/law.py search "外卖吃出异物能退吗"
python skills/china-law/law.py verify 民法典 1254
python skills/china-law/law.py get 民法典 1254
python skills/china-law/law.py list 劳动
echo "根据《民法典》第1254条，另依据《民法典》第88888条。" | python skills/china-law/law.py check -
# 每个子命令都支持 --json
python skills/china-law/law.py verify 民法典 1254 --json
```
把 `skills/china-law/` 整个目录放进对应 Agent 的技能目录即可：Claude Code 用户级 `~/.claude/skills/` 或项目级 `.claude/skills/`；Codex `~/.codex/skills/`；Kimi CLI 通过 `--skills-dir` 指定。
## 数据
- **378 部法律、23,995 条现行条文**（宪法、法律、立法解释全量）
- 每条含：法律名、编章、条号（中文 + 阿拉伯数字）、条文全文、部门法、时效状态
- SQLite 数据库（15 MB）**随仓库提供，开箱即用**；BM25 索引首次运行自动构建（约 6 秒，之后缓存）
**换成你自己的语料**：
```bash
python scripts/build_corpus.py 你的条文.jsonl # → data/laws.db
```
字段说明见 `scripts/build_corpus.py` 头部注释。`scripts/` 下另有两个可选工具：`make_subset.py`（抽取常用法律子集）、`encrypt_data.py`（把数据库加密为 `laws.db.enc`，服务器可用 `CHINA_LAW_KEY` 环境变量自动解密）。
## 工作原理
```
用户提问
↓
search_statutes ← BM25 召回 + 口语同义词/共现规则扩展 + 覆盖率与短语重排 + 条号直查
↓
返回条文原文（含出处）
↓
模型依据条文作答
↓
check_citations_in_text ← 正则抽取《X法》第N条，逐条查库核验
↓
编造的引用被列出并剔除
```
检索是**纯本地 BM25**（`rank-bm25` + `jieba`），不调用任何外部 API，因此没有网络依赖、没有调用成本，也不会把你的查询发给第三方。
## 已知局限
- **检索是 BM25 基线**，口语→法言法语的映射靠一张手工规则表（约 40 条）。常见场景效果好，生僻表述可能召回不相关条文——**请始终以返回的条文原文为准**。
- 覆盖范围为**宪法、法律、立法解释**（378 部），不含行政法规、地方性法规、司法解释。修法频繁的领域请留意时效状态字段。
- 条文时效状态部分为库内推定（见语料 `status_basis` 字段）。
- 本工具提供条文检索与引用核验，**不构成法律意见**。
## 收录情况
- **PyPI**：https://pypi.org/project/china-law-mcp/ （v0.1.1）
- **MCP 官方注册表**（active）：https://registry.modelcontextprotocol.io/v0/servers?search=china-law-mcp
- **Glama**：https://glama.ai/mcp/servers/thu-lawyer/china-law-mcp —— 工具定义评分 **A**
- **awesome 列表**：已向 [punkpeye/awesome-mcp-servers](https://github.com/punkpeye/awesome-mcp-servers)（Legal 分类）与 [yzfly/Awesome-MCP-ZH](https://github.com/yzfly/Awesome-MCP-ZH) 提交 PR，**仍在审核中、尚未合并**
- 容器镜像：`ghcr.io/thu-lawyer/china-law-mcp`
## 开发
```bash
pip install -r requirements-dev.txt
PYTHONPATH=src pytest tests/ -v # 12 个测试，覆盖检索、直查、引用核验
```
发布镜像与注册表条目走 tag 触发：
```bash
git tag v0.1.2 && git push origin v0.1.2
```
或在 Actions 里手工触发 **Publish image and register** 工作流并填入版本号。
## 相关项目
- [律问 LawQ](https://github.com/thu-lawyer/lawq) —— 同一套检索引擎的 Web / 小程序版本（带流式问答）
- [中国行政诉讼案例数据集](https://github.com/thu-lawyer/xingzheng-susongfa-case-index) —— 635 个行政案件、425 篇裁判文书全文
## 许可
[MIT](LICENSE)。条文数据来自公开渠道整理，请遵守相应来源的使用条款。
TDQS
A3.9/5.0
Scored across 5 tools
Disambiguation4/5
search_statutes (NL retrieval) and get_article (exact law+article lookup) overlap somewhat, especially since search_statutes also does '直查优先' for exact citations. verify_citation also retrieves a law+article, but its validation-focused return (verified bool) distinguishes it from get_article's text retrieval, and check_citations_in_text is clearly distinct as a batch extractor.
Naming Consistency5/5
All five tools use a consistent snake_case verb_noun pattern: search_statutes, get_article, list_laws, verify_citation, check_citations_in_text. The longer batch tool name remains readable and follows the same convention.
Tool Count5/5
Five tools is well-scoped for a legal retrieval/verification server, with each tool covering a distinct capability (search, exact fetch, browse, single verify, bulk verify). No redundant or filler tools.
Completeness4/5
The surface covers the core read-only legal workflow: search by NL, fetch by citation, browse the catalog, and verify single or bulk citations. Minor gaps like retrieving a full law's chapter structure or browsing by effective date exist, but the primary agent workflows are supported.
Maintenance
ActivityMaintained
ResponsivenessNo issues