Skip to main content
Glama
japan-opendata-lab

japan-climate-stats-mcp

by japan-opendata-lab
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

japan-climate-stats-mcp

Sub-100ms Japanese 47 Prefectures & Municipal Climate / Environment Statistics MCP Server powered by Open-Meteo API
APIキー不要の Open-Meteo API ＆ ローカル高速キャッシュを活用し、日本の全47都道府県・主要都市（JIS都道府県・市区町村コード・緯度経度対応）の「年間日照時間・平均気温・冬場の寒暖差・降水量・猛暑日数」を0.1秒未満で算出し、あらゆる地域統計データとクロス分析できる 1ツール特化型 MCP サーバー

License: MIT MCP Protocol Python 3.10+ Open-Meteo

English | 日本語ドキュメント

🌍 English Documentation

Why japan-climate-stats-mcp?

When analyzing regional socioeconomic trends—such as solar/renewable energy adoption, vacant house ratios, mortality/healthcare demand, agricultural output, or real estate prices—climate and natural environment factors (sunshine duration, winter coldness/diurnal temperature swings, extreme heat days, and annual precipitation) are critical physical drivers.

However, feeding raw meteorological data into local LLMs (Qwen3-8B, Llama-3, Mistral via LM Studio / Ollama) or cloud AI agents (Claude Desktop, Cursor, Cline) typically requires complex geocoding, daily weather aggregation, and JIS administrative code alignment.

japan-climate-stats-mcp solves this in a single, zero-API-key MCP tool (get_climate_environment_stats):

  • Instant JIS Code & Coordinate Normalization: Accepts "all_prefectures" (all 47 prefectures at once), Japanese/English prefecture or city names ("東京都", "Sapporo", "軽井沢町"), 2-digit JIS prefecture codes ("01"–"47"), 5-digit JIS municipality codes ("01100", "13101"), or arbitrary lat/lon coordinates.

  • Ready-to-Join Output Schema: Every record attaches prefecture_code, prefecture_ja, prefecture_en, prefecture, municipality_code, lat, lon, and year—joining directly with japan-data-mcp and correlation-discovery-mcp with zero schema conversion.

  • Sub-100ms Response & Offline Resilience: Combines live Open-Meteo Archive / Forecast HTTPS API aggregation with a local JSON cache and verified 47-prefecture climate baseline statistics for <0.01s (<10ms) response times and 100% offline reliability.

  • One-Click Parquet Export (export_parquet=True): Exports a standardized .parquet file into your shared data directory so correlation-discovery-mcp automatically includes climate indicators in cross-dataset correlation and driver scans.

  • Enterprise-Grade Security & Sandboxing:

    • SSRF Protection: Outbound HTTP requests are strictly restricted to HTTPS endpoints on api.open-meteo.com and archive-api.open-meteo.com.

    • Path Traversal Guard: File writes (JSON cache & Parquet export) are strictly confined to the sandboxed directory via Path.resolve() and relative_to() (../ rejected) with zero file-deletion capabilities.

    • Prompt Injection Defense: External/untrusted text inputs are sanitized and wrapped in <untrusted_data>...</untrusted_data> boundary tags.

📊 Climate & Environment Indicators Returned (get_climate_environment_stats)

Column Name

Type

Unit

Description

prefecture_code

string

JIS 2-digit

Standardized JIS prefecture code ("01" to "47")

prefecture_ja / prefecture

string

—

Japanese prefecture name ("北海道", "東京都", ..., "沖縄県")

prefecture_en

string

—

English prefecture name ("Hokkaido", "Tokyo", ..., "Okinawa")

municipality_code

string

JIS 5-digit

Standardized 5-digit JIS municipality code ("01100", "13101", etc.)

lat / lon

float

degrees

Latitude & Longitude (WGS84)

annual_sunshine_hours

float

hours

Annual cumulative sunshine duration

mean_temp_c

float

°C

Annual mean air temperature (2m)

max_temp_c / min_temp_c

float

°C

Annual extreme maximum & minimum temperature

winter_temp_mean_c

float

°C

Winter (Dec–Feb) mean air temperature

winter_temp_range_c

float

°C

Winter diurnal temperature swing / thermal stress index

annual_temp_range_c

float

°C

Annual temperature range (max_temp_c - min_temp_c)

annual_precipitation_mm

float

mm

Annual total precipitation

extreme_hot_days

int

days/year

Number of extreme hot days ($\text{daily max} \ge 35.0^\circ\text{C}$, Moshobi)

hot_summer_days

int

days/year

Number of hot summer days ($\text{daily max} \ge 30.0^\circ\text{C}$, Manatsubi)

frost_winter_days

int

days/year

Number of frost/winter days ($\text{daily min} < 0.0^\circ\text{C}$, Fuyubi)

ice_days

int

days/year

Number of ice/true-winter days ($\text{daily max} < 0.0^\circ\text{C}$, Mafuyubi)

heavy_rain_days

int

days/year

Number of heavy rain days ($\text{daily precipitation} \ge 50.0\text{mm}$)

🚀 Quick Start

1. Installation

git clone https://github.com/japan-opendata-lab/japan-climate-stats-mcp.git
cd japan-climate-stats-mcp
pip install -e ".[dev]"
pytest -v

2. Configure in LM Studio (~/.lmstudio/mcp.json) or Claude Desktop / Cursor

{
  "mcpServers": {
    "japan-climate-stats-mcp": {
      "command": "python",
      "args": [
        "-X",
        "utf8",
        "./oss_mcp/japan-climate-stats-mcp/server.py"
      ],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "CLIMATE_CACHE_DIR": "./oss_mcp/japan-climate-stats-mcp/.cache",
        "CLIMATE_EXPORT_DIR": "./oss_mcp/japan-climate-stats-mcp/.cache"
      }
    }
  }
}

🔗 Cross-Analysis Examples with correlation-discovery-mcp & japan-data-mcp

By setting export_parquet=True in get_climate_environment_stats and adding the export folder to DATA_SOURCE_DIR of correlation-discovery-mcp, your local LLM or AI agent can immediately cross-scan climate statistics against 162+ official Japanese socioeconomic datasets from japan-data-mcp:

  1. Sunshine Hours vs. Solar Renewable Energy Adoption:

    • Call get_climate_environment_stats(location="all_prefectures", export_parquet=True) to generate japan_climate_environment_stats.parquet (top sunshine prefectures: Yamanashi 2,225.8h, Kochi 2,168.4h, Miyazaki 2,154.2h, Shizuoka 2,145.0h, Gunma 2,132.5h).

    • Call discover_correlations(mode="pair", table_x="japan_climate_environment_stats", column_x="annual_sunshine_hours", table_y="renewable_energy", join_key="prefecture") to quantify how physical solar irradiation drives regional FIT/FIP solar capacity and identify policy-driven outlier prefectures.

  2. Winter Coldness & Diurnal Range vs. Vacant Houses & Demographics:

    • Cross-reference frost_winter_days and winter_temp_range_c against vacant_houses and demographics via municipality_code or prefecture to analyze depopulation and housing abandonment in heavy-snow / cold-winter regions vs. inland basins.

  3. Extreme Heat Days vs. Emergency Medical & Hospital Infrastructure:

    • Cross-reference extreme_hot_days ($\ge 35^\circ\text{C}$) with medical (hospital bed capacity & emergency clinics from japan-data-mcp) to evaluate heatstroke vulnerability across aging municipalities.

Related MCP server: Tokyo WBGT MCP Server

🇯🇵 日本語ドキュメント

なぜ japan-climate-stats-mcp が必要なのか？

太陽光発電（再エネ）の導入ポテンシャル、空き家率や人口流出、冬季の医療・介護需要、農業生産高、観光・不動産価格などの地域データを分析する際、**「年間日照時間」「平均・最高・最低気温」「冬場の寒暖差（日較差・冬季冷え込み）」「年間降水量」「猛暑日数・冬日数」**といった気象・自然環境データは極めて重要な説明変数（交絡因子・物理的ドライバー）になります。

japan-climate-stats-mcp は、APIキー不要の Open-Meteo API とローカル高速キャッシュを組み合わせ、単一の統合ツール get_climate_environment_stats で以下を実現するオープンソース MCP サーバーです。

4大特徴

  1. 1ツール統合 ＆ JIS都道府県・市区町村コード・任意座標の完全正規化

    • location="all_prefectures" で全47都道府県を一括取得できるほか、都道府県名（"北海道", "東京都", "Tokyo" 等）、主要市区町村名（"札幌市", "横浜市", "軽井沢町", "石垣市" 等）、2桁JIS都道府県コード（"01"〜"47"）、5桁JIS市区町村コード（"01100", "13101" 等）、および任意の lat / lon 緯度経度指定に対応。

    • すべての返却レコードに標準化された prefecture_code, prefecture_ja, prefecture_en, prefecture, municipality_code, lat, lon, year を自動付与します。

  2. 0.1秒未満（<10ms）の超高速応答 ＆ 完全オフライン耐性

    • ローカル JSON キャッシュ機構と、気象庁平年値・Open-Meteo実測値に準拠した「全47都道府県・主要都市の基準気候ベースライン統計」を内蔵。

    • キャッシュヒット時やベースライン参照時は 0.002秒〜0.01秒（0.1秒未満） で即座に応答し、fetch_live=True 指定時は Open-Meteo Archive / Forecast API から日次データを取得・再集計してキャッシュを自動更新します（オフライン時はベースラインへ安全にフォールバック）。

  3. export_parquet=True による correlation-discovery-mcp 自動連携

    • export_parquet=True を指定すると、指定キャッシュフォルダ内に標準キー付きの .parquet ファイル（japan_climate_environment_stats.parquet）を即座に出力します。

    • これにより、correlation-discovery-mcp が気象データも自動的に相関スキャン対象に取り込み、160以上の公的統計データセットとの相関係数 ($r$値) や回帰外れ値を0.2秒で一括算出できます。

  4. 厳格なセキュリティ＆サンドボックス設計

    • SSRF防止ホワイトリスト: 外部通信先は HTTPS の api.open-meteo.com および archive-api.open-meteo.com のみに厳格制限し、内部ネットワークや任意ホストへのリクエストを完全拒否します。

    • パストラバーサル完全拒否: キャッシュや Parquet 出力時は Path.resolve() と relative_to() により指定ディレクトリ外（../ や絶対パス）への書き込みを完全に拒否し、ファイル削除機能は一切持ちません。

    • プロンプトインジェクション対策: 外部テキストは制御トークンを除去した上で <untrusted_data>...</untrusted_data> 境界タグにより無害化します。

📊 japan-data-mcp / correlation-discovery-mcp とのクロス分析事例

LM Studio（Qwen3-8B 等）や Claude Desktop で以下の3つの MCP を同時登録すると、自然環境×社会経済データの高度なクロス分析がプロンプト1つで完結します。

  • 事例1：年間日照時間 × 再生可能エネルギー（太陽光発電）導入量・地価の相関検証

    1. get_climate_environment_stats(location="all_prefectures", year=2024, export_parquet=True) を実行し、全47都道府県の気象統計 Parquet を出力（日照時間トップ：山梨県 2,225.8h、高知県 2,168.4h、宮崎県 2,154.2h、静岡県 2,145.0h、群馬県 2,158.4h）。

    2. correlation-discovery-mcp の discover_correlations(mode="find_drivers", target_table="japan_climate_environment_stats", target_column="annual_sunshine_hours", join_key="prefecture") を実行し、日照時間や冬場の寒暖差と強い相関を持つ社会経済指標（太陽光発電設備容量、空き家率、農業産出額など）を0.1秒でランキング抽出。

  • 事例2：冬場の寒暖差・冬日数 × 空き家率・人口動態・医療インフラの要因分析

    1. winter_temp_range_c（冬場の寒暖差）や frost_winter_days（冬日数）と、vacant_houses（空き家率）や medical（病院・病床数）を municipality_code / prefecture キーで結合し、寒冷地や内陸盆地における住宅・医療課題を定量検証。

    2. 回帰直線から大きく外れた自治体（異常値・外れ値）を特定し、japan-data-mcp の search_japan_official_data で当該自治体の個別施設・行政調達データを深掘り調査。

🛠 セットアップと LM Studio 登録方法

1. インストールとテスト実行

git clone https://github.com/japan-opendata-lab/japan-climate-stats-mcp.git
cd japan-climate-stats-mcp
pip install -e ".[dev]"
pytest -v

2. LM Studio (~/.lmstudio/mcp.json) への登録例

{
  "mcpServers": {
    "japan-climate-stats-mcp": {
      "command": "python",
      "args": [
        "-X",
        "utf8",
        "./oss_mcp/japan-climate-stats-mcp/server.py"
      ],
      "env": {
        "PYTHONIOENCODING": "utf-8",
        "CLIMATE_CACHE_DIR": "./oss_mcp/japan-climate-stats-mcp/.cache",
        "CLIMATE_EXPORT_DIR": "./oss_mcp/japan-climate-stats-mcp/.cache"
      }
    }
  }
}

🌐 関連エコシステム（Japan Open Data Lab）

  • correlation-discovery-mcp: あらゆる DuckDB / Parquet / CSV データから相関係数 ($r$値)・要因ランキング・回帰外れ値を0.2秒で一括算出する統計探索 MCP サーバー

  • japan-data-mcp: 日本の公的オープンデータ（全162データセット・1,150万件超）を自然言語・標準フィルタ・SQLで検索できる公式 MCP サーバー

  • japan-official-data-megabank: 公式 Python SDK ＆ スターターキット

  • RapidAPI Hub — Japan Open Data Lab: クラウド API サブスクリプション（無料 BASIC プランあり）

  • Hugging Face Datasets: サンプル Parquet データセット公開ページ

License

MIT License — Copyright (c) 2026 Japan Open Data Lab (japan.opendata.lab@gmail.com)

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • Japan Area Code MCP Server

    CORDEA
    A
    license
    A
    quality
    D
    maintenance
    Provides access to Japanese statistical standard area codes (標準地域コード) from official government data, enabling users to list and search area codes by prefecture or municipality name.
    2
    Apache 2.0

  • Japanese Weather MCP

    tsukiyama85
    A
    license
    Not graded
    quality
    D
    maintenance
    Provides weather information for 110 cities across Japan with natural language support for location names in kanji, hiragana, and katakana. Retrieves current weather conditions and forecasts using OpenMeteo API through MCP-compliant tools.
    1
    MIT