DataGov Israel MCP-Server

Ein MCP-Server zur Erkundung offener Daten der israelischen Regierung (data.gov.il) — mit integrierten interaktiven Visualisierungen, bereitgestellt durch MCP Apps.

Durchsuchen Sie Tausende öffentlicher Datensätze, analysieren Sie deren Struktur, erstellen Sie Diagramme und stellen Sie geografische Daten auf Karten dar – alles direkt aus Ihrem KI-Assistenten heraus.

Was können Sie damit tun?

🏠 Den Wohnungsmarkt erkunden

Analysieren Sie Datensätze zum sozialen Wohnungsbau, um Wohnungsgrößen, Standorte und Verfügbarkeiten zu verstehen:

Sehen Sie, welche Städte die höchste Nachfrage bei staatlichen Wohnungslotterien haben:

Verstehen Sie die Verteilung der Wohnungsgrößen im ganzen Land:

Verfolgen Sie die Verfügbarkeit von Wohneinheiten im Zeitverlauf:

🗺️ Öffentliche Infrastruktur kartieren

Visualisieren Sie Bildungseinrichtungen in ganz Israel:

Stellen Sie Haltestellen des öffentlichen Nahverkehrs dar:

Related MCP server: senado-br-mcp

Schnellstart

Installation

git clone https://github.com/aviveldan/datagov-mcp.git
cd datagov-mcp

# Create virtual environment and install (requires uv)
uv venv
source .venv/bin/activate  # On Windows: .venv\Scripts\activate
uv pip install -e ".[dev]"

Verwendung mit Claude Desktop

fastmcp install claude-desktop server.py

Starten Sie Claude Desktop neu – Sie werden die DataGovIL-Tools sofort verfügbar sehen.

Ausprobieren mit dem MCP Inspector

fastmcp dev inspector server.py

Dies öffnet eine Web-Benutzeroberfläche, in der Sie Tools durchsuchen, interaktiv testen und eine Vorschau der MCP-App-Visualisierungen im Tab Apps anzeigen können.

Verwendung mit fastmcp dev apps

Zeigen Sie die interaktiven Visualisierungs-Apps lokal in der Vorschau an:

fastmcp dev apps server.py

Beispiel: Immobilienmöglichkeiten finden

Hier ist ein echter Arbeitsablauf für jemanden, der den israelischen Wohnungsmarkt erkundet:

You: "Search for discounted housing lottery datasets"

→ package_search(q="דירה בהנחה")
  Found: "נתונים תקופתיים - תכנית דירה בהנחה" (Discounted Housing Program)
  Resource ID: 7c8255d0-49ef-49db-8904-4cf917586031

You: "Profile this dataset so I can understand what fields are available"

→ dataset_profile(resource_id="7c8255d0-49ef-49db-8904-4cf917586031")
  Shows: LamasName (city), Subscribers, Winners, PriceForMeter,
         LotteryHousingUnits, ProjectName, Neighborhood...

You: "Show me which cities have the most subscribers competing for units"

→ chart_generator(
    resource_id="7c8255d0-49ef-49db-8904-4cf917586031",
    chart_type="bar",
    x_field="LamasName",
    y_field="Subscribers",
    title="Housing Lottery Subscribers by City"
  )
  → Interactive bar chart rendered in MCP Apps UI

You: "Now show the public housing units — map them and show me sizes"

→ dataset_profile(resource_id="c3a68837-9b7a-4ee7-bd92-130678dc8ae3")
  Shows: CityLmsName, NumOfRooms (avg 2.4), Floor, TotalArea (21-110 m²)...

→ chart_generator(
    resource_id="c3a68837-9b7a-4ee7-bd92-130678dc8ae3",
    chart_type="histogram",
    x_field="TotalArea",
    title="Distribution of Housing Unit Sizes (m²)"
  )
  → Most units are 48-57 m², with a long tail up to 110 m²

Erkenntnis: Städte wie Aschkelon und Sderot verzeichnen 25.000–35.000 Teilnehmer pro Lotterie – das ist ein intensiver Wettbewerb. Kleinere Städte in der Peripherie (Umm al-Fahm, Nazareth) haben weitaus weniger. Wenn Sie beim Standort flexibel sind, verbessern sich Ihre Chancen dramatisch.

Verfügbare Tools

Kern-Datentools

Visualisierungstools (MCP Apps) 📊

Diese Tools rendern eine interaktive Benutzeroberfläche direkt in MCP-kompatiblen Clients.

dataset_profile

Analysieren Sie einen Datensatz, um dessen Struktur und Qualität zu verstehen.

• Erkannte Felder: integer, number, string, coordinate

• Statistiken: min, max, mean, null count, unique values

• Ausgabe: Interaktive Datentabelle mit Such-/Filterfunktion

dataset_profile(resource_id="c3a68837-9b7a-4ee7-bd92-130678dc8ae3", sample_size=200)

chart_generator

Erstellen Sie interaktive Diagramme aus jedem Datensatz.

chart_generator(
  resource_id="7c8255d0-49ef-49db-8904-4cf917586031",
  chart_type="bar",
  x_field="LamasName",
  y_field="Subscribers",
  title="Housing Lottery Subscribers by City",
  limit=50
)

map_generator

Stellen Sie geografische Daten auf interaktiven Leaflet-Karten dar.

map_generator(
  resource_id="e873e6a2-66c1-494f-a677-f5e77348edb0",
  lat_field="Lat",
  lon_field="Long",
  limit=500
)

Nützliche Ressourcen-IDs

Hier sind einige interessante Datensätze für den Einstieg:

Architektur

MCP Apps

Visualisierungstools verwenden FastMCPApp-Provider mit prefab-ui-Komponenten:

• DataProfile App → DataTable, Metric-Komponenten

• Charts App → BarChart, LineChart, ScatterChart, Histogram

• Maps App → Embed mit Leaflet HTML

Tools, die über @app.ui() registriert werden, erhalten automatisch die korrekten MCP-App-Metadaten und werden in kompatiblen Clients gerendert.

Asynchrone HTTP-Schicht

Alle API-Aufrufe verwenden httpx.AsyncClient mit:

• 30 Sekunden Timeout

• Automatische Wiederholungsversuche bei 5xx-Fehlern

• Verbindungspooling

Datensicherheit

• Numerische Werte aus CKAN werden konvertiert (verarbeitet "25" → 25.0)

• Karten-Popup-Inhalte werden HTML-maskiert, um XSS zu verhindern

• Liniendiagramme werden für eine korrekte Darstellung nach der x-Achse sortiert

Entwicklung

Tests ausführen

pytest tests/ -v          # 39 tests
pytest tests/ --cov=datagov_mcp  # With coverage

Code-Stil

ruff check .   # Lint
ruff format .  # Format

Projektstruktur

datagov-mcp/
├── datagov_mcp/
│   ├── server.py          # Core CKAN tools + provider registration
│   ├── apps.py            # FastMCPApp definitions (DataProfile, Charts, Maps)
│   ├── visualization.py   # Visualization tools (@app.ui entry points)
│   ├── api.py             # CKAN API helper
│   └── client.py          # HTTP client
├── tests/                 # 39 tests with HTTP mocking
│   ├── test_api.py
│   ├── test_contracts.py
│   ├── test_tools.py
│   └── test_visualization.py
├── screenshots/           # Auto-generated demo screenshots
├── server.py              # Entrypoint
└── pyproject.toml

Mitwirken

Wir freuen uns über Beiträge! Siehe CONTRIBUTING.md für Richtlinien.

1. Forken Sie das Repository

2. Erstellen Sie einen Feature-Branch

3. Nehmen Sie Änderungen mit Tests vor

4. Senden Sie einen Pull Request

Fehlerbehebung

Port-Konflikte mit dem MCP Inspector

pip install nano-dev-utils
python -c "from nano_dev_utils import release_ports; release_ports.PortsRelease().release_all()"

Windows + OneDrive

Vermeiden Sie die Installation in OneDrive-synchronisierten Ordnern. Siehe uv#7906.

Import-Fehler

uv pip install -e ".[dev]"

Lizenz

MIT — siehe LICENSE.

Danksagungen

• Erstellt mit FastMCP und prefab-ui

• Daten vom Israel Open Data Portal

• Karten bereitgestellt durch Leaflet + CARTO

• Diagramme bereitgestellt durch Recharts (via prefab-ui)