VIN をデコードし、厳選された NHTSA vPIC データベースから車両データを照会 — Model Context Protocol を搭載。
LLM が NHTSA's vPIC のデータを使用して車両識別番号（VIN）をデコードし、メーカー、モデル、車両仕様を検索するための、スタンドアロン・オフライン対応の MCP サーバーです。
pip install vin-decode-mcp
vin-decode-mcp # Start the MCP serverオフライン: インターネット接続なしで動作します。厳選された SQLite データベース（約4.5 MB）は自己完結型です。
レート制限なし: vPIC API を直接呼び出すのとは異なり、ローカルクエリは無制限です。
高速: SQLite データベースに対するパターンマッチングはマイクロ秒で完了します。
LLM ネイティブ: リッチな docstring、スキーマリソース、構造化された JSON 出力を備えたツール。
オープンデータ: NHTSA vPIC は米国政府のオープンデータ — 無料、API キー不要。
Related MCP server: VIN MCP
米国市場向け車両、モデルイヤー 1981年以降
534メーカー、9,175モデル、88,140のVINパターン
乗用車、トラック、MPV、オートバイ、オフロード車両
除外：バス、トレーラー、低速車両、未完成車両
仕様情報のみ — このデータベースには、所有権、事故、走行距離計、盗難歴は含まれません （これらは NMVTIS/商用データソースが必要です）。
pip install vin-decode-mcpまたはソースから：
git clone https://github.com/<org>/vin-decode-mcp.git
cd vin-decode-mcp
pip install -e .# Default: stdio transport (for Claude Desktop, Cursor, etc.)
vin-decode-mcp
# HTTP transport
vin-decode-mcp --transport http --port 8765~/.config/claude-desktop/config.json（macOS の場合は ~/Library/Application Support/claude-desktop/config.json）に追加：
{
"mcpServers": {
"vin-decode": {
"command": "vin-decode-mcp"
}
}
}Claude Desktop を再起動します。モデルは会話で VIN デコードツールを使用できるようになります。
ツール | 説明 |
| VIN をデコード → メーカー、モデル、年式、車両タイプ |
|
|
| 全車両メーカーを一覧表示 |
| メーカーのモデルを一覧表示 |
| 生産年式の範囲を取得 |
| WMI をデコード → メーカー情報 |
| 利用可能な車両タイプを一覧表示 |
| メーカーの車両タイプを一覧表示 |
>>> decode_vin("1HGCM82633A004352")
{
"vin": "1HGCM82633A004352",
"make": "Honda",
"model": "Accord",
"year": 2003,
"vehicle_type": "Passenger Car",
"wmi": "1HG",
"confidence": "full"
}
>>> get_model_years("Porsche", "911")
{"year_from": 1981, "year_to": null}
>>> decode_partial_vin("5UXWX7C5*BA")
[{"make": "BMW", "model": "X5", "year": 2011, "confidence": "partial_match"}]コンパイル済みデータベースは Hugging Face でホストされています：
データセット: https://huggingface.co/datasets/vin-decode-mcp/vpic-database 直接ダウンロード: https://huggingface.co/datasets/vin-decode-mcp/vpic-database/resolve/main/vpic_decode.db
# Set via environment variable
export VIN_MCP_DB_PATH=/path/to/vpic_decode.db
vin-decode-mcp
# Or via CLI flag
vin-decode-mcp --db-path /path/to/vpic_decode.dbデータベースは NHTSA のスタンドアロン PostgreSQL データベースから約6〜12か月ごとに再構築されます：
# Requires PostgreSQL installed (pg_restore, psql)
bash tools/rebuild.sh
# Or step by step:
# 1. Download NHTSA data: https://vpic.nhtsa.dot.gov/Downloads/
# 2. Convert to SQLite
python3 tools/convert_to_sqlite.py --input dump.sql --output vpic_lite.db
# 3. Build curated database
python3 tools/build_db.py --source vpic_lite.db --output vpic_decode.dbHugging Face のセットアップ手順については、docs/hf-setup.md を参照してください。
車両データは NHTSA's vPIC — National Highway Traffic Safety Administration の Vehicle Product Information Catalog and Vehicle Listing — から取得しています。NHTSA は米国政府機関です。
データライセンス: 米国政府の著作物（パブリックドメイン）
API: キーや登録は不要
更新頻度: 約6〜12か月
エラーの報告: NHTSA Manufacturer Helpdesk（manufacturerinfo@dot.gov）または 1-888-399-3277 までご連絡ください
User / LLM Agent
│
▼ MCP (stdio / HTTP)
┌──────────────────┐
│ vin-decode-mcp │ pip install vin-decode-mcp
│ (FastMCP server)│ env: VIN_MCP_DB_PATH=/path/to/vpic_decode.db
└────────┬─────────┘
│ sqlite3 (mode=ro)
▼
┌──────────────────┐
│ vpic_decode.db │ ~4.5 MB, curated
│ (Hugging Face) │ makes + models + WMI + VIN patterns
└──────────────────┘
▲
│ rebuilds from
┌──────────────────┐
│ NHTSA vPIC PG DB │ 69 MB, official
│ (NHTSA website) │ refreshed 2x/year
└──────────────────┘vin-decode-mcp/
├── src/vin_decode_mcp/
│ ├── __init__.py # Package init
│ ├── server.py # FastMCP server with all tools
│ ├── database.py # SQLite layer + VIN decoder
│ └── cli.py # CLI entry point
├── tools/
│ ├── build_db.py # Pipeline orchestrator
│ ├── convert_to_sqlite.py # PG → SQLite converter
│ ├── rebuild.sh # Full rebuild script
│ ├── build_db.py # Curated DB builder (orchestrator for the pipeline)
│ ├── curation.json # Make/model curation rules
│ ├── overlay.json # Grey-import classic additions
│ └── README.md # Rebuild instructions
├── tests/
│ ├── conftest.py # Test fixtures
│ ├── test_decode.py # VIN decode canary tests
│ ├── test_server.py # Bulk lookup tests
│ └── fixtures/
│ ├── build_test_db.py # Test database builder
│ └── test_vpic.db # Minimal test database
├── .github/workflows/
│ ├── ci.yml # CI: test + lint
│ └── rebuild-db.yml # Scheduled DB rebuild
├── docs/
│ └── hf-setup.md # Hugging Face setup guide
├── pyproject.toml
├── LICENSE
├── README.md
└── vpic_pare_down.py # Pare-down pipeline (original)# Install dev dependencies
pip install -e ".[dev]"
# Run tests
python -m pytest tests/ -v
# Lint
python -m ruff check src/ tests/
# Format
python -m ruff format src/ tests/vin-decode-mcp | NHTSA vPIC API | vin-mcp (NLMA) | |
トランスポート | ローカル SQLite | HTTP REST | HTTP REST |
オフライン | ✅ | ❌ | ❌ |
レート制限 | なし | あり | あり |
データサイズ | 約4.5 MB | N/A | N/A |
VIN フィールド | メーカー + モデル + 年式 | 約130フィールド | 約130フィールド |
メーカー/モデル | ✅ 534/9,175 | ✅ 全カタログ | ✅ 全カタログ |
インストール |
| 不要 |
|
MIT ライセンス — コードは MIT。データは米国政府のパブリックドメイン。
詳細は LICENSE を参照してください。
コントリビューション歓迎！以下の手順でお願いします：
フォークしてフィーチャーブランチを作成
新し機機能のテスをト追加
CI が通ることを確認
プルリクエスをト提出
大きな変更の場合は、先に issue を開いてアプローチを検討してください。
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Machine-readable utilities and datasets for AI agents.
Neutral freight reference + validation layer for AI agents: ADR, HS, UN/LOCODE, freight math
500+ deterministic tools for AI agents: math, conversion, validation, hashing, encoding, date/time.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/joakes90/vin-decode-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server