datagovin-mcp

Ein MCP-Server, der Claude (oder jedem MCP-Client) natürlichen Sprachzugriff auf Indiens offene Regierungsdatenplattform, data.gov.in, ermöglicht – über 100.000 öffentliche Datensätze zu Luftqualität, Landwirtschaft, Gesundheit, Kraftstoffpreisen, Volkszählung, Bildung, Niederschlag und mehr.

Der Server bringt keinerlei eigene Daten mit. Er ist ein schlanker, wohlerzogener Wrapper: Jede Abfrage ist ein Live-Aufruf an data.gov.in unter Verwendung Ihres eigenen kostenlosen API-Schlüssels. Was er hinzufügt, ist die fehlende Ebene – Auffinden und sauberes Abfragen – sodass ein Sprachmodell von „Wie hoch ist der AQI in Delhi gerade?“ bis zu echten Datenzeilen kommen kann, ohne dass Sie jemals eine Datensatz-UUID von Hand zusammensuchen müssen.

Warum es das gibt

data.gov.in hat einen riesigen Katalog, aber keine brauchbare Volltextsuche-API: Der übliche Arbeitsablauf besteht darin, die Website zu durchsuchen und die Ressourcen-ID eines Datensatzes von der Schaltfläche „API“ zu kopieren. Das ist für ein LLM schlecht geeignet. Dieser Server schließt die Lücke mit einem kuratierten, verifizierten Index, der per Schlüsselwort durchsucht werden kann, plus Werkzeuge, die das Schema eines Datensatzes abrufen und gefilterte Zeilen live liefern. Außerdem glättet er die Kanten der Upstream-API (case-sensitive Filter, gelegentliche CSV-Antworten, eine Eigenheit der Paginierung bei derletzten Seite), sodass das Modell das nicht selbst übernehmen muss.

Related MCP server: bharatlas-mcp

Werkzeuge

Einrichtung

1. Holen Sie sich einen kostenlosen API-Schlüssel. Registrieren Sie sich bei data.gov.in und erzeugen Sie einen Schlüssel auf Ihrer Profilseite. Das Ganze ist kostenlos und hat kein veröffentlichtes Anrufungslimit.

2. Abständen.

git clone https://github.com/<your-username>/datagovin-mcp.git
cd datagovin-mcp
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

3. Legen Sie Ihren Schlüssel fest.

cp .env.example .env
# edit .env and paste your key, or just export it:
export DATA_GOV_IN_API_KEY="your_key_here"

4. Verbinden Sie den Server mit Claude Desktop. Ergänzen Sie dazu Ihre MCP-Client-Konfiguration (claude_desktop_config.json):

{
  "mcpServers": {
    "datagovin": {
      "command": "python",
      "args": ["/absolute/path/to/datagovin-mcp/server.py"],
      "env": { "DATA_GOV_IN_API_KEY": "your_key_here" }
    }
  }
}

Starten Sie den Client neu und die vier Werkzeuge werden angezeigt.

Beispieldialog

Sie: Welche Datensätze haben Sie zur Luftqualität? Claude: (ruft search_datasets("air quality") auf) → Real-Time-Air-Quality-Index nach Station.

Sie: Welche Felder enthält er? Claude: (ruft get_dataset_info(...) auf) → country, state, city, station, pollutant_id, pollutant_avg, last_update …

Sie: Zeigen Sie mir PM2.5-Werte in Delhi. Claude: (ruft query_dataset(resource_id, filters={"city": "Delhi", "pollutant_id": "PM2.5"}) auf) → tatsächliche Zeilen live.

Den Katalog erweitern

Der Katalog startet mit einem verifizierten Datensatz und soll erweitert werden. Um einen Datensatz hinzuzufügen, kopieren Sie die Ressourcen-ID von der schaltenden Schaltfläche „API“ auf der data.gov.in-Seite des Datensatzes und führen Sie Folgendes aus:

python scripts/add_dataset.py <resource_id> --sector Agriculture --keywords "wheat,crop,production"

Das Skript ruft den echten Titel und das Schema des Datensatzes live ab und hängt derweil einen verifizierten Eintrag an data/catalog.json an. --sector und --keywords sind optional.

Hinweise zur Upstream-API

Ein paar Verhaltensweisen von data.gov.in, die dieser Server für Sie übernimmt:

• Feldnamen für Filter sind case-sensitive (filters[State] ≠ filters[state]) und dies ist dokumentiert – verwenden Sie immer die exakte Feld-id aus get_dataset_info.

• Einige ältere Datensätze liefern CSV, unabhängig von format=json; der Client erkennt uns am Content-Type und parst sie dennoch.

• Paginierung der letzten Seite kann ein leeres records-Array mit status: ok zurückgeben; ein Null-Ergebnis bei positiver Gesamtzahl bedeutet, dass Sie über das Ende hinausgeblättert haben.

• Maximal ~100 Zeilen pro Anfrage – blättern Sie bei größeren Datensätzen mit offset weiter.

Projektstruktur

datagovin-mcp/
├── server.py              # MCP entry point (stdio); defines the four tools
├── datagovin/
│   ├── client.py          # async data.gov.in API wrapper (quirk handling)
│   └── catalog.py         # curated catalog load + keyword search
├── data/catalog.json      # verified, extensible dataset index
├── scripts/add_dataset.py # enrich the catalog by resource ID
├── requirements.txt
└── pyproject.toml

Lizenz

MIT