korail-mcp
🇰🇷 한국어 · 🇬🇧 English
KORAIL 공공데이터 MCP
한국철도공사(KORAIL) 공공데이터를 AI에 연결하는 MCP(Model Context Protocol) 서버 모음입니다. 설치 후 Claude Desktop·Claude Code·Cursor·Antigravity·GitHub Copilot(CLI/VS Code) 등에서 자연어로 KORAIL 데이터를 조회할 수 있습니다.
✅ API 키 신청 불필요 — 전용 프록시 서버가 공공데이터 API 호출을 대신 처리합니다.
💻 로컬 설치형 (stdio) — 별도 서버 없이 개인 PC에서 직접 실행됩니다. Claude Desktop·Claude Code·Cursor·Antigravity·GitHub Copilot(CLI/VS Code) 등 로컬 MCP 클라이언트에 연결합니다. ChatGPT·Grok 같은 웹 서비스는 원격 연결이 필요합니다(하단 "그 밖의 방식" 참고).
📦 필요 디스크 공간 — 약 100MB (
uv가 관리하는 Python과 패키지 포함)
👉 처음이신가요? 바로 아래 "제일 쉬운 방법"부터 시도해보세요. 98개 도구 전체 목록은 설치를 마친 뒤 필요할 때 참고하세요.
🤖 제일 쉬운 방법 — AI에게 그대로 시키기
Claude Code·Cursor·GitHub Copilot(CLI/VS Code)·Antigravity처럼 터미널 명령을 직접 실행할 수 있는 AI를 쓰고 있다면, 그 채팅창에 아래 문장을 그대로 붙여넣으세요.
https://github.com/lovelyquality/korail-mcp 의 README를 참고해서 이 MCP 서버를 설치하고 내 클라이언트에 연결해줘.AI가 README를 직접 읽고 uv 설치 → korail-mcp 설치 → 클라이언트 설정 파일 등록까지 알아서 처리합니다. 완료되면 "서울역에 엘리베이터가 있나요?" 같은 질문으로 확인해보세요.
⚠️ ChatGPT·Grok처럼 로컬 명령을 실행하지 못하는 AI에서는 이 방법이 통하지 않습니다(왜인지는 하단 "그 밖의 방식" 참고). 그리고 AI가 중간에 막히거나, 애초에 이런 방식의 AI 도구가 없다면 → 바로 아래 "수동 설치"를 그대로 따라 하시면 됩니다.
Related MCP server: Korea Stats MCP
⚙️ 수동 설치 (Windows · 2단계)
Python을 따로 설치하거나 저장소를 다운로드할 필요가 없습니다. uv가 필요한 것을 알아서 준비합니다.
1단계 — uv 설치 (최초 1회)
PowerShell을 열고 아래를 붙여넣습니다. 관리자 권한이 필요 없습니다.
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"설치 후 PowerShell을 새로 열고 uv --version이 출력되면 성공입니다.
2단계 — KORAIL MCP 설치 (최초 1회)
uv tool install --from git+https://github.com/lovelyquality/korail-mcp.git korail-mcp마지막에 Installed 1 executable: korail-mcp 가 나오면 성공입니다.
⏳ 첫 설치는 1~3분 걸립니다(Python과 패키지를 받는 시간). 설치 후 실행은 약 5초입니다.
🔄 최신 버전으로 갱신 —
uv tool upgrade korail-mcp실행 후 클라이언트를 재시작하세요.⚠️ 갱신 전에는 korail-mcp를 쓰는 클라이언트(Claude Desktop·Cursor·Antigravity·VS Code 등)를 먼저 완전히 종료하세요. 실행 중인 상태로 갱신하면 실행파일이 잠겨 있어 내부 패키지만 새 버전으로 바뀌고 실행파일은 그대로 남아
ModuleNotFoundError: No module named 'gateway'로 깨질 수 있습니다 (2026-08-24 실측으로 재현·확인). 이미 이 에러가 나면korail-mcp.exe를 쓰는 모든 프로세스를 작업 관리자에서 종료한 뒤uv tool install --from git+https://github.com/lovelyquality/korail-mcp.git korail-mcp --force로 재설치하세요. 여러 클라이언트가 같은 설치를 동시에 쓰는 것 자체는 문제 없습니다 — 충돌은 갱신하는 그 순간에만 일어납니다.
🔌 3단계 — 클라이언트 연결
아래 JSON을 클라이언트 설정 파일의 mcpServers 안에 넣고, <사용자명> 부분만 본인 윈도우 계정명으로 바꿉니다.
{
"mcpServers": {
"korail-mcp": {
"command": "C:\\Users\\<사용자명>\\.local\\bin\\korail-mcp.exe"
}
}
}💡 계정명을 모르면 PowerShell에
echo $env:USERNAME을 입력하세요. 경로의 역슬래시는 JSON 규칙상 두 개(\\) 로 씁니다.⚠️ 이미 다른 MCP 서버를 쓰고 있다면
korail-mcp항목만 기존mcpServers안에 추가하세요(전체를 덮어쓰면 기존 서버가 사라집니다).
설정 파일 위치
클라이언트 | 설정 파일 |
Claude Desktop |
|
Claude Code |
|
Cursor |
|
Antigravity |
|
GitHub Copilot CLI |
|
VS Code (GitHub Copilot Chat) | 아래 별도 안내 참고 (JSON 형식이 다름) |
탐색기 주소창에
%APPDATA%입력 → EnterClaude폴더가 없으면 직접 만드세요그 안에
claude_desktop_config.json파일을 만들고 위 JSON을 넣으세요
AppData가 안 보이면 탐색기 → 보기 → 숨긴 항목을 체크하세요.
터미널에서 쓰는 Claude Code CLI(claude, VS Code나 Claude Desktop 없이도 동작)로 실제 계정 붙여서 검증했습니다.
# 1) korail-mcp를 MCP 서버로 등록 (최초 1회)
claude mcp add korail-mcp -s user -- "C:\Users\<사용자명>\.local\bin\korail-mcp.exe"
# 2) 실제 질문 (해당 도구만 허용)
claude -p "korail-mcp 도구를 사용해서 서울역에 엘리베이터가 있는지 알려줘" --allowedTools "mcp__korail-mcp__*"✅ 2026-08-24 실측 결과 — 위 명령을 실제로 실행해서 실데이터 답변까지 확인했습니다:
서울역 — 엘리베이터 있음 (18개) 에스컬레이터: 23개 · 일반화장실: 있음 · 수유실: 있음 · 종합안내센터: 있음 (출처: 한국철도공사 공공데이터포털 편의시설정보, 실시간 API 기준)
claude mcp list로 등록 확인,claude mcp remove korail-mcp로 제거할 수 있습니다. 대화형으로 쓸 때는--allowedTools없이 실행하면 첫 도구 호출 시 승인 여부를 물어봅니다.
.cursor 또는 .gemini\antigravity 폴더나 그 안의 설정 파일이 없다면 직접 만들면 됩니다.
탐색기 주소창에
%USERPROFILE%입력 → Enter (본인 계정 폴더로 이동)없는 폴더(
.cursor또는.gemini\antigravity)를 새로 만드세요그 안에
mcp.json(Cursor) 또는mcp_config.json(Antigravity) 파일을 만들고 위 JSON을 넣으세요
Antigravity는 채팅에 위 JSON을 붙여넣고 "이 MCP 서버를 등록해줘"라고 요청하는 방법이 더 쉽습니다. 무료로 설치 가능하며, KORAIL MCP 연결에 별도 구독이 필요 없습니다.
터미널에서 쓰는 공식 GitHub Copilot CLI(@github/copilot, VS Code 없이도 동작)로 실제 계정 붙여서 검증했습니다. 무료 플랜에서도 MCP 서버 연결이 됩니다 (다만 월 채팅 50회, 모델은 Claude Haiku 4.5 / GPT-5 mini로 제한).
⚠️ 사전 준비 — Node.js 22 이상이 필요합니다.
node --version으로 확인하고, 없으면 nodejs.org에서 LTS 버전을 설치하세요(uv와 달리 자동으로 준비되지 않습니다).
# 1) 설치 (최초 1회)
npm install -g @github/copilot
# 2) korail-mcp를 MCP 서버로 등록 (최초 1회)
copilot mcp add korail-mcp -- "C:\Users\<사용자명>\.local\bin\korail-mcp.exe"
# 3) 실제 질문 (도구 자동 승인)
copilot -p "서울역에 엘리베이터가 있는지 korail-mcp 도구로 조회해줘" --allow-all-tools✅ 2026-08-24 실측 결과 — 위 명령을 실제로 실행해서 GitHub Copilot이
get_urban_accessibility도구를 스스로 호출하고 실데이터로 답변하는 것까지 확인했습니다:● get_urban_accessibility (MCP: korail-mcp) · station_name: "서울역", facility_type: "elevator" 네, 서울역에는 엘리베이터가 있습니다! 총 17개의 엘리베이터가 설치되어 있습니다. - 공항철도(AR): 9개 · 경의중앙선(KR): 1개 · 1호선(S1): 4개 · 4호선(S1): 3개설정 파일은
~/.copilot/mcp-config.json에mcpServers.korail-mcp로 저장되며,copilot mcp list로 등록 확인,copilot mcp remove korail-mcp로 제거할 수 있습니다.
VS Code 확장 형태의 Copilot Chat은 위 CLI와 별개 제품이라 설정 파일이 다릅니다. 최상위 키가 mcpServers가 아니라 servers 라서 위 JSON을 그대로 쓸 수 없습니다.
저장소(작업 폴더) 루트에
.vscode\mcp.json파일을 만들고 아래 내용을 넣습니다. (모든 작업 폴더에서 쓰려면 명령 팔레트(Ctrl+Shift+P) → MCP: Open User Configuration 으로 열리는%APPDATA%\Code\User\mcp.json에 넣으세요.)
{
"servers": {
"korail-mcp": {
"command": "C:\\Users\\<사용자명>\\.local\\bin\\korail-mcp.exe"
}
}
}파일을 저장하면 상단에 나타나는 Start 버튼을 클릭합니다.
Copilot Chat을 열고 Agent 모드를 선택 → 도구 아이콘에서
korail-mcp98개 도구가 보이면 연결 완료입니다.
⚠️ 위 CLI 테스트로 서버 쪽(stdio 프로토콜·98개 도구·실데이터 응답)은 이미 검증됐지만, VS Code 화면에서 Start를 눌러 실제로 붙는지는 GUI 조작 도구가 없어 확인하지 못했습니다. 안 되면 알려주세요.
연결 후 반드시 — 클라이언트를 완전히 종료했다 다시 실행
ℹ️ Claude Code·GitHub Copilot CLI는 이 단계가 필요 없습니다 — 명령을 실행할 때마다 설정을 새로 읽습니다. 아래는 Claude Desktop·Cursor·Antigravity·VS Code처럼 창을 띄워두는 클라이언트에만 해당합니다.
창의 X를 눌러 닫아도 트레이(작업표시줄 오른쪽 ^ 안)에 계속 실행 중이라 설정이 적용되지 않습니다.
→ 트레이 아이콘 우클릭 → Quit / 종료 후 다시 실행하세요.
정상 연결되면 설정의 MCP 서버 목록에 korail-mcp가 running 으로 표시되고, 98개 도구를 쓸 수 있습니다.
💬 설치 확인 — 이렇게 물어보세요
서울역에 엘리베이터가 있나요?
2024년 간선철도 수송실적을 알려주세요.
KTX 101 열차의 운행 계획을 알려주세요.정상 응답이 오면 설치 완료입니다. 더 많은 사용 예시는 문서 하단의 "사용 예시" 섹션을 참고하세요.
📦 제공 서버 (총 11개 · 98개 도구)
서버 | 도구 수 | 제공 데이터 |
m-convenience | 6 | 역사 편의시설·접근성·엘리베이터·위치 정보 |
m-stats | 15 | 수송실적·발권 통계·이용유형·KTX 장기 통계 |
m-train-ops | 4 | 열차 운행계획·운행이력 |
m-codebook | 4 | 역코드·노선코드 조회 |
m-freight | 11 | 화물·컨테이너·물류시설·품목·위험물 |
m-network | 8 | 노선·역간거리·운임·역 선로제원 |
m-rolling-stock | 6 | 차량 보유현황·형별제원·차종별 운행실적 |
m-voc-cs | 10 | 고객서비스·정보공개 |
m-internal-svc | 14 | 임대매장·사회공헌·인사 정보 |
m-procurement | 4 | 자재그룹·G2B 품명·자재속성·대상장비 |
m-urban-rail | 16 | 전국 도시철도 역사·노선·차량 시설·접근성·안전·환경·시각표 |
서버별 도구 상세 (클릭하여 펼치기)
도구 | 설명 |
get_station_facilities | 역 이름으로 편의시설 정보 조회 |
get_accessible_facilities | 역 이름으로 교통약자 편의시설 조회 |
list_stations_with_elevator | 엘리베이터가 설치된 역 목록 조회 |
get_station_facilities_detail | 역사 내외부 시설현황 조회 |
get_station_transfer_info | 역별 타 교통수단 환승현황 조회 |
get_station_location | 역 위치(좌표) 정보 조회 |
도구 | 설명 |
get_mainline_station_per | 간선열차 역별 승하차 통계 |
get_mainline_route_per | 간선열차 노선별 이용인원 통계 |
get_wide_rail_station_per | 광역철도 역별 승하차 통계 |
get_wide_rail_route_per | 광역철도 노선별 이용인원 통계 |
get_mainline_distance_per | 간선열차 거리별 이용인원 통계 |
get_mainline_model_per | 간선열차 차량별 이용인원 통계 |
get_mainline_day_of_week_per | 간선열차 요일별 이용인원 통계 |
get_mainline_grade_per | 간선열차 객실별 이용인원 통계 |
get_mainline_ticketing_stat | 간선열차 발권유형 통계 |
get_mainline_person_distance | 간선열차 노선별 인거리 통계 |
get_ktx_long_term_stats | KTX 장기 통계 |
get_mainline_carriage | 간선 여객열차 수송실적 조회 |
get_wide_area_carriage | 광역 여객열차 수송실적 조회 |
get_freight_carriage | 화물열차 수송실적 조회 |
get_transport_stat_codes | 수송실적 통계 코드정보 조회 |
도구 | 설명 |
get_train_codes | 열차운행 코드정보 조회 |
get_train_run_plan | 여객열차 운행계획 조회 |
get_train_run_info | 여객열차 실제 운행정보 조회 |
get_train_run_history | 차세대예약발매 열차 운행내역 조회 |
도구 | 설명 |
search_station | 역명으로 역코드·영문명·지역본부 통합 조회 |
decode_station_code | 역코드로 역명 조회 |
search_route | 노선명으로 노선코드 조회 |
list_stations_by_region | 지역본부명으로 관할 역 목록 조회 |
도구 | 설명 |
search_freight_code | 내적화물코드 검색 |
decode_freight_code | 내적화물분류코드 단건 디코딩 |
search_container_record | 컨테이너 적재 이력 조회 |
list_freight_work_lines | 화물적하작업 전용 작업선 정보 |
list_standard_loading_time | 표준 적하시간 마스터 조회 |
search_loading_time_adjustment | 적하시간 조정 이력 조회 |
search_consignment_change | 수탁변경요금 검색 |
search_consignment_change_per_wagon | 수탁변경요금 화차별 조회 |
get_logistics_facility | 물류시설 정보 통합 조회 |
get_freight_items | 화물 품목정보 조회 |
get_hazardous_cargo | 위험물 정보 조회 |
도구 | 설명 |
search_operation_patterns | 전국 철도 운행계통 검색 |
get_station_distance | 두 역 간 최단 운행거리 조회 |
get_freight_minimum_fare | 화물 운송 최저운임 기준 조회 |
get_freight_rate | 철도 화물 임율 정보 조회 |
get_segment_info | 철도 전동차 세그먼트 정보 조회 |
get_operation_distance | 노선별 역간 운행거리 조회 |
get_ktx_stations | KTX 노선별 역 정보 조회 |
get_station_track_info | 역별 선로·시설 상세 정보 조회 |
도구 | 설명 |
get_train_type_specs | 동력차 형별제원 조회 |
get_rolling_stock_by_year | 연도별 차량보유현황 조회 |
get_wagon_by_weight_class | 화차 자중별 보유현황 조회 |
get_wagon_by_load_capacity | 화차 적재하중별 보유현황 조회 |
get_maintenance_equipment | 철도차량 검수용 기계 보유현황 조회 |
get_train_operation_by_type | 차종별 연간 운행실적 조회 |
도구 | 설명 |
get_customer_satisfaction_stats | 顾客之声满意度每日统计 |
get_consultation_types | 铁路客服中心咨询类型代码查询 |
get_consultation_departments | 铁路客服中心负责部门列表查询 |
get_advance_disclosure | 网站事前信息公开列表查询 |
get_advance_disclosure_detail | 事前信息公开详细内容查询 |
get_advance_disclosure_files | 事前信息公开附件列表查询 |
get_info_disclosure_dept | 信息公开负责部门列表查询 |
get_info_disclosure_codes | 信息公开系统通用代码查询 |
get_homepage_dept | KORAIL 网站部门信息查询 |
get_homepage_position | KORAIL 网站职位代码查询 |
도구 | 설명 |
get_lease_stores | 站内租赁商铺运营信息查询 |
get_lease_codes | 租赁系统代码查询 |
get_leased_assets | 租赁资产现状查询 |
get_dormitory_longterm_codes | 员工宿舍长期预约原因代码查询 |
get_social_funds | 社会公益基金种类查询 |
get_social_volunteer_fields | 社会公益志愿服务领域代码查询 |
get_social_donations | 爱心捐款使用明细查询 |
get_social_volunteer_matching | 志愿服务活动匹配支出明细查询 |
get_social_org | 社会公益门户组织信息查询 |
get_support_facilities | 办公楼内附属设施列表查询 |
get_support_departments | 业务支持各部门人员现状查询 |
get_office_meeting_rooms | 总部办公楼会议室列表查询 |
get_job_grades | 职级代码信息查询 |
get_cafeteria_menu_stats | 内部食堂菜单数量现状查询 |
도구 | 설명 |
search_material_group | 物资组代码搜索 |
search_g2b_item | G2B 分类编号·品名搜索 |
search_material_attr | 物资属性信息查询 |
search_material_equipment | 物资对象设备查询 |
首都圈 1~9号线·新盆唐·机场铁路,釜山·大邱·大田·光州·仁川,轻轨·GTX等全国22个运营机构1,108个车站。 需要运营机构·线路·车站代码,因此请先用
search_urban_station确定车站。换乘站等相同站名通过operator(运营机构)区分。
도구 | 설명 |
search_urban_station | 按站名搜索运营机构·线路·车站代码(其他查询的前置步骤) |
get_urban_station_info | 车站基本信息查询(地址·坐标·多语言站名) |
get_urban_accessibility | 车站无障碍设施查询(电梯·自动扶梯·轮椅升降机现状/位置·动线·安全踏板·间隙距离·盲文·无障碍卫生间·相邻台阶车厢编号等) |
get_urban_amenity | 车站便利设施查询(卫生间·哺乳室·储物柜·ATM·失物招领中心·无线网络) |
get_urban_safety | 车站安全设施查询(除颤器·消防设备·紧急呼叫电话·空气呼吸器·屏蔽门·站台安全护栏) |
get_urban_surroundings | 车站周边设施查询(公共交通·停车场·自行车停放/租赁) |
get_urban_exit_info | 车站出口信息查询(出口编号·周边设施·距离) |
get_urban_transfer_info | 车站换乘信息查询(换乘线路·换乘距离·动线) |
get_urban_movement | 行动不便人士出入口→站台移动路径(无障碍动线)查询 |
get_urban_platform | 车站站台信息查询(站台类型·是否复合等) |
get_urban_environment | 车站环境测量查询(空气质量·温度·湿度·噪音) |
get_urban_timetable | 各车站运行时刻表查询(平日/节假日·快车选择) |
get_urban_route | 线路全部车站构成(上行~下行顺序)查询 — 与车站无关 |
get_urban_train_composition | 按运营机构查询列车编组类型(编组代码·车厢号) — 车辆查询的前置 |
get_urban_train_facility | 按车辆(车厢)查询设施(灭火器·紧急呼叫电话·除颤器·孕妇专座·老弱病残专座·轮椅等) |
get_urban_train_environment | 按列车查询车内环境信息(温度·湿度·细颗粒物等) |
🧩 其他方式
ChatGPT 和 Grok 不支持本地 MCP 服务器。 只能将公开 HTTPS 端点添加为连接器,因此无法通过上述方式连接。
网关内置了远程(Streamable HTTP)模式,通过公开地址暴露即可连接。不过涉及服务器运营和公开范围问题,详情请参考 gateway/README.md。
无需安装过程,也可以直接用 uvx 运行。
{
"mcpServers": {
"korail-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/lovelyquality/korail-mcp.git", "korail-mcp"]
}
}
}优点是不需要输入账户名,但每次运行时都会检查 GitHub 上是否有最新提交,因此每次启动客户端时启动速度都会变慢。
方式 | 启动时间(实测) |
| 约5秒 |
| 约40秒 |
如果启动过慢,客户端可能会在等待服务器时错过连接,导致工具不显示。
如需修改服务器代码,请克隆仓库后运行。
git clone https://github.com/lovelyquality/korail-mcp.git
cd korail-mcp
uv run gateway/server.py依赖项声明在 gateway/server.py 顶部,uv 会自动准备。修改后请使用
python docker-test/smoke_test.py 一次性验证 11 个服务器·98 个工具·返回类型声明。
详情请参考 gateway/README.md。
💬 使用示例
서울역에 엘리베이터가 있나요? (convenience)
2026년 4월 KTX 발권유형 비율을 알려주세요. (stats)
KTX 101 열차의 운행 계획을 알려주세요. (train-ops)
서울역 코드가 뭔가요? (codebook)
2024년 간선철도 수송실적을 알려주세요. (stats)
컨테이너 화물 운송 이력을 조회해주세요. (freight)
경부선 KTX 정차역과 역간 거리를 알려주세요. (network)
KTX 차량 형별 제원을 보여주세요. (rolling-stock)
철도 고객센터 상담유형 코드를 알려주세요. (voc-cs)
역사 임대매장 현황을 알려주세요. (internal-svc)
'EMU용품' 자재그룹코드를 검색해주세요. (procurement)
강남역(서울교통공사) 엘리베이터 위치를 알려주세요. (urban-rail)
서울역 도시철도 역사들의 운영기관을 찾아주세요. (urban-rail)📚 数据来源
韩国铁道公社公共数据门户(data.go.kr)
国家铁路公团(KRIC)铁路产业信息中心开放API(openapi.kric.go.kr)— 城市铁路车站信息
REST API(B551457)· odcloud 文件转换 API · 本地 CSV
⚠️ 注意事项
数据调用通过专用 Cloudflare Workers 代理 进行,因此无需员工个人 API 密钥。
各数据集的基准日期·更新周期显示在工具响应的
_meta项中。
各服务器的详细行为请参考相应文件夹中的 server.py docstring。
Available Tools
98 toolsdecode_freight_codeB
내적화물분류코드 → 한글명/영문명 단건 디코딩.
Inputs: code (required).
decode_station_codeA
역코드(숫자)로 역명을 조회. 다른 MCP 응답에서 코드가 나왔을 때 사용. 차세대예약발매(75역)와 철도운영정보(1255역) 두 시스템 동시 검색. 예: code='3900023'(서울), code='390'(부분매칭 가능)
Inputs: code (required). Returns: result
get_accessible_facilitiesB
역 이름으로 교통약자(장애인) 편의시설 조회 (B551457 실시간 API). 휠체어리프트·장애인경사로·장애인화장실 유무. station_name: 역 이름 부분일치 (예: '서울', '부산') (EN: accessible/accessibility facilities for disabled and mobility-impaired passengers - wheelchair lift, accessible ramp, accessible restroom. JA: 交通弱者・障害者向け便宜施設 - 車椅子リフト、スロープ、障害者トイレ) ※ 데이터기준일: 실시간 API. 현장 변경이 즉시 반영되지 않을 수 있음.
Inputs: station_name (required). Returns: result
get_advance_disclosureA
홈페이지 사전정보공표 목록 조회.
공표대상, 공표시기, 담당부서 코드를 제공한다. 경영 투명성 확인 또는 특정 공표 항목 탐색에 활용.
keyword: 공표대상 부분일치 필터
Inputs: keyword. Returns: result
get_advance_disclosure_detailA
홈페이지 사전정보공표 세부 내역 조회.
공표대상 제목, 담당부서코드, 조회수를 제공한다.
keyword: 제목 부분일치 필터 dept_code: 담당부서 코드 일치 필터
Inputs: keyword, dept_code. Returns: result
get_advance_disclosure_filesC
홈페이지 사전정보공표 첨부파일 목록 조회.
첨부파일명, 파일 확장자, 연결된 공표대상 번호를 제공한다.
keyword: 파일명 부분일치 필터
Inputs: keyword. Returns: result
get_consultation_departmentsA
철도 고객센터 담당 부서(역) 목록 조회.
본부명, 담당센터명(역명), 표기명을 제공한다.
headquarter: 본부명 부분일치 필터 (예: "강원", "대구", "서울")
Inputs: headquarter. Returns: result
get_consultation_typesA
철도 고객센터 상담유형 코드 조회.
상담 대분류(MAJOR_COUNSEL), 중분류(MINOR_COUNSEL), 그룹명, 상담코드(COUNSEL_CODE), 유형명을 제공한다.
keyword: 그룹명 또는 유형명 부분일치 필터 (예: "운임", "예매", "분실")
Inputs: keyword. Returns: result
get_customer_satisfaction_statsA
고객의소리 만족도 일별 통계 조회.
철도 고객센터 만족도 조사 결과를 일별로 제공한다. 참여수와 평균 점수(100점 만점)를 확인할 수 있다.
date_from / date_to: 조사일자 범위 (예: "2025-01-01", "2025-03-31") day_of_week: 요일 필터 (예: "월요일", "토요일")
Inputs: date_to, date_from, day_of_week. Returns: result
get_dormitory_longterm_codesA
직원숙사 장기예약 사유 코드 조회 (15건).
장기숙박 예약 시 사용되는 사유코드(그룹·값·명칭)를 제공한다. '장기'(교육생·출장자·비연고지 발령 등)와 '기타'(2급이상·야간근무 등) 구분.
group: 코드그룹 필터 (예: "장기", "기타")
Inputs: group. Returns: result
get_freight_carriageA
화물열차 수송실적 조회. 발송역~도착역 구간별 화물 발송톤·운송연톤키로를 제공합니다. 화물구분·품목(대/중/소분류)별 필터링 가능.
Args: crtr_ymd: 특정 기준일자 (YYYYMMDD). 입력 시 해당 날짜만 조회. crtr_ymd_gte: 기준일자 시작 (YYYYMMDD, 이후) crtr_ymd_lte: 기준일자 종료 (YYYYMMDD, 이전) sndng_stn_cd: 발송역코드 (예: "3900090"=약목) sndng_stn_nm: 발송역명 (예: "약목") arvl_stn_cd: 도착역코드 (예: "3900113"=부산진) arvl_stn_nm: 도착역명 (예: "부산진") item_lclsf_cd: 품목대분류코드 (예: "110") item_mclsf_cd: 품목중분류코드 (예: "111") item_sclsf_cd: 품목소분류코드 (예: "1111")
Inputs: crtr_ymd, arvl_stn_cd, arvl_stn_nm, crtr_ymd_gte, +6 more. Returns: result
get_freight_itemsA
화물 품목정보 조회 (총 861건, 로컬 CSV).
품목코드·품목명·품목약어명·최저톤수율 정보. 계층형 코드 구조 (상위 0000, 중위 00, 하위 01~99). 빈 query시 상위 항목부터 limit 반환.
Inputs: limit, query.
get_freight_minimum_fareA
화물 운송 최저운임 기준 정보를 조회합니다. (총 7건 — 역사적 이력 포함)
Args: fare_type: 운임요금유형 (예: "최저운임"). 없으면 전체. classification_no: 분류번호 (예: "10", "20", "30"). 없으면 전체. current_only: True면 적용종료일자가 2100년 이후인 현재 유효 운임만 반환.
Returns: 운임요금유형, 분류번호, 분류번호내용, 적용최저운임(원), 적용시작일자, 적용종료일자.
Inputs: fare_type, current_only, classification_no.
get_freight_rateA
철도 화물 임율(ton-km 기준 운임 요율) 정보를 조회합니다. (전체 249건, 현재 유효 약 123건)
Args: category: 신청구분 (예: "일반", "컨테이너"). 없으면 전체. classification_no: 분류번호 (예: "10", "1001", "1021"). 없으면 전체. current_only: True면 현재 적용 중인 임율만 반환 (적용종료일자 2100 이후). 기본 True. ※ 분류번호 1xxx는 컨테이너 임율. 10~80번대는 일반 화물 임율.
Returns: 신청구분, 분류번호, 분류번호내용(화물 유형 설명), 적용임율(원/ton-km), 컨테이너규격내용, 적용기간.
Inputs: category, current_only, classification_no.
get_hazardous_cargoA
위험물 정보 조회 (로컬 CSV, 2025.09.15 기준).
위험물분류기준(52건) + 위험물코드상세(2301건) 두 테이블을 통합 조회.
query: 유엔위험물 한글명 또는 번호 부분일치 검색 (예: '가스', '아세틸렌', '1001')
grade: 위험물등급번호 정확일치 필터 (예: '1'=폭발물, '2'=가스, '3'=인화성액체)
limit: 최대 반환 건수 (기본 50)
위험물 등급 안내: 1=폭발물, 2=가스(인화성·독성), 3=인화성액체, 4=가연성고체, 5=산화성물질, 6=독성물질, 7=방사성물질, 8=부식성물질, 9=기타위험물
Inputs: grade, limit, query.
get_homepage_deptA
KORAIL 홈페이지 부서 정보 조회 (전체 약 500건).
부서명(DEPT_NM), 부서코드(DEPT_CODE), 상위부서코드(UPPER_DEPT_CODE)를 제공한다.
keyword: 부서명 부분일치 필터 (예: "본부", "처", "단", "TF") ※ 전체 데이터가 크므로 keyword 없이 호출하면 처음 200건만 반환됨. 전체 조회가 필요하면 keyword를 여러 번 나눠 호출할 것.
Inputs: keyword. Returns: result
get_homepage_positionB
KORAIL 홈페이지 직책 코드 조회.
직책 ID, 직책명, 직책코드를 제공한다.
keyword: 직책명 부분일치 필터
Inputs: keyword. Returns: result
get_info_disclosure_codesA
정보공개 시스템 공통코드 조회.
분류코드(CODETYPE), 분류코드명(CODENAME), 사용여부를 제공한다.
code_type: CODETYPE 일치 필터 (빈값=전체)
Inputs: code_type. Returns: result
get_info_disclosure_deptA
정보공개 담당 부서 목록 조회.
부서코드, 부서명, 상위부서명(영문)을 제공한다.
keyword: 부서명 부분일치 필터
Inputs: keyword. Returns: result
get_job_gradesA
직급 코드 정보 조회 (109건).
직급등급(1~10급), 직급명, 직급코드를 제공한다. 사무·기술·차량·운전·전기통신·토목·건축·특수·열차승무·물류영업 등 직종별 구분.
grade_level: 직급등급 정확일치 필터 (예: 3 → 3급 전체) keyword: 직급명 부분일치 필터 (예: "운전", "차량", "사무영업")
Inputs: keyword, grade_level. Returns: result
get_ktx_long_term_statsA
KTX 장기 통계 조회 (2004~2023년, 로컬 XLSX).
경부선(서울-부산)·호남선(용산-목포) 2개 노선의 20년 역사 데이터.
category 선택: "운행횟수_주중" — 화요일 기준 편도 운행 횟수 (단위: 회) "운행횟수_주말" — 토요일 기준 편도 운행 횟수 (단위: 회) "운임_원" — 해당 연도 운임 (단위: 원, 서울-부산·용산-목포 기준) "이용객_천명월" — 월평균 이용객 수 (단위: 천명/월) 빈값 — 위 4개 카테고리 전체 반환
route: "경부선" | "호남선" 부분일치 필터 (빈값=전체) year_from / year_to: 연도 범위 필터 (예: year_from=2010, year_to=2019)
Inputs: route, year_to, category, year_from. Returns: result
get_ktx_stationsA
KTX 노선별 역 정보(역명, 도로명주소, 정차 순번)를 조회합니다. (총 102건)
Args: line_name: KTX 노선명 부분 일치 (예: "경부선", "호남선", "경전선"). 없으면 전체. station_name: 역명 부분 일치 (예: "서울", "부산", "광명"). 없으면 필터 없음.
Returns: 고속철도명, 철도운영기관, 노선명, 순번, 역명, 주소(도로명) 목록.
Inputs: line_name, station_name.
get_lease_codesA
임대 시스템 코드 조회 (실시간 REST API).
임대 관련 분류 코드표를 제공한다. 코드타입(type), 코드값(code), 코드설명(value)으로 구성된다.
code_type: 코드타입 정확일치 필터 code: 코드 정확일치 필터 value: 코드설명 부분일치 필터
Inputs: code, value, code_type. Returns: result
get_leased_assetsA
한국철도공사 임대자산 현황 조회 (1,773건).
철도공사가 관리 중인 임대 자산의 소재지, 시설명, 계약기간, 임대면적(㎡), 연간임대료(부가세 별도)를 제공한다. 역사 내 상업공간·건물·유휴부지 등 실제 임대 중인 부동산 자산 정보. B551457 /stores(매장 운영정보)와 다름 — 이 도구는 자산/재무 관점.
location: 자산소재지 부분일치 필터 (예: "서울", "대전", "경기") facility_name: 시설명 부분일치 필터 (예: "서울역", "용산역")
Inputs: location, facility_name. Returns: result
get_lease_storesA
역사 내 임대매장 운영정보 조회 (실시간 REST API).
역사 내 임대매장의 매장명, 매장위치, 역명, 본부, 개업일자, 계약기간, 승인면적, 평일·휴일 영업시간 등을 제공한다.
store_name: 매장명 부분일치 필터 (예: "파리바게뜨", "GS25") station_code: 역코드 정확일치 필터 (예: "0001") station_name: 역명 정확일치 필터 (예: "서울역", "부산역")
Inputs: store_name, station_code, station_name. Returns: result
get_logistics_facilityA
물류시설 정보 통합 조회 (기본 210건 + 규모 71건 + 사진 457건).
역명 또는 지역본부명 부분일치 필터. 기본정보(시설 면적·요금·수입 등), 규모(싸이로 용량·수), 사진(첨부파일명·설명)을 역명 기준으로 결합 반환.
Inputs: limit, region, station_name.
get_mainline_carriageA
간선 여객열차 수송실적 조회. 역별 승하차 인원수를 제공합니다. 운행일자, 주운행선(경부선·호남선 등), 역 기준으로 필터링 가능.
Args: run_ymd: 특정 운행일자 (YYYYMMDD). 입력 시 해당 날짜만 조회. run_ymd_gte: 운행일자 시작 (YYYYMMDD, 이후) run_ymd_lte: 운행일자 종료 (YYYYMMDD, 이전) mrnt_cd: 주운행선코드 (예: "01"=경부선) mrnt_nm: 주운행선명 (예: "경부선", "호남선") stn_cd: 역코드 (예: "3900023"=서울) stn_nm: 역명 (예: "서울", "부산")
Inputs: stn_cd, stn_nm, mrnt_cd, mrnt_nm, +3 more. Returns: result
get_mainline_day_of_week_perA
간선열차 요일별 이용인원 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM), rte_nm=노선명
Inputs: rte_nm, run_ym. Returns: result
get_mainline_distance_perB
간선열차 거리별 이용인원 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM)
Inputs: run_ym. Returns: result
get_mainline_grade_perA
간선열차 객실별 이용인원 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM), carmdl=차종명(예:KTX)
Inputs: carmdl, run_ym. Returns: result
get_mainline_model_perA
간선열차 차량별 이용인원 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM), carmdl=차종명(예:KTX)
Inputs: carmdl, run_ym. Returns: result
get_mainline_person_distanceB
간선열차 노선별 인거리 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM), rte_nm=노선명
Inputs: rte_nm, run_ym. Returns: result
get_mainline_route_perA
간선열차 노선별 이용인원 통계 (갱신: 매월 1일, M-2). run_ym=운행연월(YYYYMM), rte_nm=노선명
Inputs: rte_nm, run_ym. Returns: result
get_mainline_station_perB
간선열차 역별 승하차 통계 (갱신: 매일 D-2~D-1). opr_ymd=특정일자(YYYYMMDD), opr_ymd_gte/lte=기간, stn_nm=역명
Inputs: stn_nm, opr_ymd, opr_ymd_gte, opr_ymd_lte. Returns: result
get_mainline_ticketing_statA
간선열차 발권유형 통계 (갱신: 매월 1일, M-1). ntsl_ym=판매연월(YYYYMM), ise_type=발권유형명
Inputs: ntsl_ym, ise_type. Returns: result
get_maintenance_equipmentA
철도차량 검수용 기계 보유현황 조회 (2024.12.31 기준, 16개 지역). 지역(정비단·지역본부)별 공작기계·원동기계·시험기계·유체기계·양물기계· 공기기계·토목기계·계중기계·차량이동기계·전기기계·로기계·잡기계·고속시험기계 수량. region: 지역 부분일치 (예: '수도권', '부산', '대전', '강원'). '정비단' 또는 '지역본부'로 구분 가능. 미입력 시 전체 16개 지역 반환.
Inputs: region. Returns: result
get_office_meeting_roomsA
본사 사옥 회의실 목록 조회 (11건).
회의실코드, 수용인원, 회의실사양(명칭·좌석수)을 제공한다. 대회의실(160석)부터 소회의실(18석), 영상회의실, 디지털허브 랩 포함.
※ 2024년 이후 최신화 이력 없음. 현재 운영 현황과 다를 수 있음.
min_capacity: 최소 수용인원 필터 (예: 30 → 30인 이상 회의실만)
Inputs: min_capacity. Returns: result
get_operation_distanceA
전국 철도 노선별 역간 운행거리를 조회합니다. (20개 노선 그룹)
열차가 실제로 주행하는 선로 거리 기준입니다. 운임 계산용 여객최단운행거리와 다를 수 있습니다. (예: 서울↔부산 KTX 운행거리 417.4 km, 여객최단운행거리 441.7 km)
⚠️ 이 데이터는 철도운행거리_전체 XLSX(노선별 삼각행렬)에 수록된 역만 포함합니다. KTX 전용선 경유 역(경부KTX: 서울·영등포·광명·천안아산·오송·대전·김천구미·동대구·부산 등)만 있고, 같은 KTX가 경유해도 행신·수원처럼 별도 인입선·재래선 역은 미포함일 수 있습니다.
Args: line_name: 노선명 부분 일치 (예: "경부", "호남", "전라", "강릉", "영동", "중앙", "태백"). 없으면 전체 노선 그룹 목록 반환. from_station: 출발역명 (정확 일치). 해당 역에서 출발하는 모든 거리 반환. to_station: 도착역명 (정확 일치). from_station과 함께 지정 시 두 역 간 거리 반환.
Returns: line_name 없음: available_lines 목록. line_name만: 매칭 노선과 역 목록. from_station 추가: 출발역에서 각 역까지의 거리 목록(거리 오름차순 정렬). from+to 모두: 두 역 간 거리(km). ※ 최초 호출 시 XLSX 파싱에 수 초 소요됩니다.
Inputs: line_name, to_station, from_station.
get_rolling_stock_by_yearA
연도별 차량보유현황 조회 (2024.12.31 기준, 2016~2024년 9개 연도). KTX·SRT·KTX-이음·디젤기관차·전기기관차·디젤동차·전기동차·간선형전기동차· ITX-청춘·객차·발전차·화차·기중기 차종별 연도별 보유 대수 포함. year: 조회 연도 (예: '2024', '2020'). 미입력 시 전체 9개 연도 반환. ※ SRT는 SR(수서고속철도) 소속으로 KORAIL 보유 수치에 포함된 것으로 표기됨.
Inputs: year. Returns: result
get_segment_infoA
철도 전동차 세그먼트(구간) 정보를 조회합니다. 세그먼트는 노선을 운행 분석 최소 단위로 분리한 구간입니다.
Args: segment_code: 세그먼트코드 (예: "100", "200", "300"). region: 운행지역본부 부분 일치 (예: "서울", "대전", "수도권서부", "부산"). station: 세그먼트 시작역·종료역·경유역명 부분 일치 (예: "서울", "대전").
Returns: basic: 세그먼트 기본 정보 (코드, 기간, 지역본부, 시작역, 종료역, 거리(km)). detail: 해당 세그먼트 구성 역 상세 (역명, 역일련번호, 누적거리). total_segments: 매칭된 세그먼트 수.
Inputs: region, station, segment_code.
get_social_donationsA
사회공헌 '사랑의 성금' 사용 내역 조회 (1,053건).
성금 지출 관리번호, 순번, 지출일자, 금액(원), 사용내역을 제공한다. 온누리상품권 구매, 해피트레인 여행상품비, 후원물품 구입 등.
date_from: 지출일자 시작 (예: "2025-01-01") date_to: 지출일자 종료 keyword: 내역 부분일치 필터 (예: "온누리", "해피트레인", "헌혈")
Inputs: date_to, keyword, date_from. Returns: result
get_social_fundsA
사회공헌 펀드 종류 조회 (6건).
사회공헌 재원 펀드 유형(종류명, 기본값여부, 분류순서)을 제공한다. '사랑의 성금', '매칭그랜트', '자체성금', '러브포인트' 등 구분.
Inputs: no named parameters. Returns: result
get_social_orgA
사회공헌 포털 조직정보 조회 (6,306건).
한국철도공사 전체 조직 현황(본부·역·사업소·팀 등)을 제공한다. 조직명은 'KORAIL/강원본부/강릉역' 형식의 계층 경로. 메모1·메모2·메모3에 본부명·소속 정보 포함.
※ 전체 조회 시 최대 200건 반환. org_name 또는 headquarter 필터 권장.
org_name: 조직명 부분일치 필터 (예: "강릉역", "차량사업소", "AI전략본부") headquarter: 본부명 부분일치 필터 (예: "강원본부", "서울본부", "대전")
Inputs: org_name, headquarter. Returns: result
get_social_volunteer_fieldsA
사회공헌 봉사 분야 코드 조회 (7건).
봉사분야 구분코드, 분야명, 분야설명을 제공한다. 내일하우스·해피트레인·복지단체·환경봉사·헌혈 등.
keyword: 분야명 부분일치 필터 (예: "헌혈", "환경", "해피")
Inputs: keyword. Returns: result
get_social_volunteer_matchingA
사회공헌 봉사활동 매칭 지출 내역 조회 (877건).
봉사활동 매칭 관련 지출의 관리번호, 순번, 지출일자, 사용금액(원), 사용내역을 제공한다. 매칭그랜트·온누리상품권·봉사요원 간식비 등.
date_from: 지출일자 시작 date_to: 지출일자 종료 keyword: 사용내역 부분일치 필터 (예: "매칭그랜트", "봉사자", "온누리")
Inputs: date_to, keyword, date_from. Returns: result
get_station_distanceA
두 역 간 최단 운행거리(km)를 조회합니다. 여객·화물 거리를 구분하며 경유역 정보 포함.
Args: from_station: 출발역명 (정확한 역명 권장, 부분 일치도 지원. 예: "서울", "부산"). to_station: 도착역명 (부분 일치). 없으면 출발역에서 출발하는 모든 구간 거리 반환. current_only: True면 현재 유효 데이터(적용종료일자=9999-12-31)만 반환. 기본 True.
Returns: 출발역명, 도착역명, 여객최단운행거리(km), 화물운행거리(km), 구간거리내용(경유역), 적용기간. ※ 총 220,782건. 최초 호출 시 로딩에 수 초가 소요됩니다. 최대 200건 반환. ※ 출발역명 기준 인덱스만 존재. "특정 역에 도착하는 모든 경로" 역방향 조회는 미지원. ※ 여객최단운행거리는 운임 계산 기준 거리로, 실제 열차 운행거리(XLSX 기준)와 다를 수 있음. 예: 서울↔부산 여객최단 441.7 km vs KTX 운행거리 417.4 km (고속선 vs 운임 기준선 차이).
Inputs: from_station (required), to_station, current_only.
get_station_facilitiesB
역 이름으로 편의시설 정보 조회 (B551457 실시간 API). 엘리베이터·에스컬레이터·화장실·수유실·종합안내센터 유무. station_name: 역 이름 부분일치 (예: '서울', '부산') (EN: station amenities/facilities - elevator, escalator, restroom, nursing room, information center. JA: 駅の便宜施設・設備 - エレベーター、エスカレーター、トイレ、授乳室、案内センター) ※ 데이터기준일: 실시간 API (날짜 미포함). 현장 변경이 즉시 반영되지 않을 수 있음.
Inputs: station_name (required). Returns: result
get_station_facilities_detailA
역사 내외부 시설현황 조회 (odcloud, 2024.12.31 기준, 288개 역). 엘리베이터·에스컬레이터·휠체어리프트·장애인경사로·장애인화장실·일반화장실· 모유수유실·종합안내소·환승주차장(면수) 수량 포함. station_name: 역명 부분일치 (예: '서울', '광명'). 미입력 시 전체 반환. (EN: detailed interior/exterior station facilities - elevator, escalator, wheelchair lift, accessible ramp/restroom, nursing room, parking. JA: 駅舎内外の詳細な設備現況) ※ B551457 편의시설 API 대비 수량 정보 더 풍부하나 데이터 기준일 고정(2024.12.31).
Inputs: station_name. Returns: result
get_station_locationA
역 위치 정보 조회 (odcloud, 2024.04.01 기준, 202개 간선 철도역). 지역본부·역명·위도·경도·출입구 개수 포함. station_name: 역명 부분일치 (예: '서울', '부산'). region: 지역본부 부분일치 (예: '서울본부', '대전충청', '강원본부'). 미입력 시 전체 반환. (EN: station location - coordinates, regional HQ, number of exits. JA: 駅の位置情報)
Inputs: region, station_name. Returns: result
get_station_track_infoA
역별 선로·시설 상세 정보 조회 (공통기준 역상세, 로컬 CSV, 2025.06.18 기준, 5161행).
구내유효장·선로길이·지선·전용선 거리, 총선수, 분기역여부, 입환시작여부 등 현장 운영에 필요한 역 선로 제원 정보 제공.
station_name: 역이름 부분일치 (예: '서울', '부산', '대전'). 미입력 시 전체.
current_only: True(기본)이면 현재 유효한 이력만 반환 (역이력적용종료일자 빈 값). False이면 이력 전체(동일 역의 이력 변경 포함) 반환.
주요 컬럼: 구내유효장(m), 구내선로길이(m), 지선유효장(m), 지선선로거리(m), 전용선유효장(m), 전용선선로거리(m), 총선수, 분기역여부(Y/N), 입환시작여부(Y/N)
Inputs: current_only, station_name.
get_station_transfer_infoA
역별 타 교통수단과 환승현황 조회 (odcloud, 2024.12.31 기준, 93개 역). 노선별·역별 KTX·광역철도·도시철도 역수 및 환승주차장 면수 포함. station_name: 역명 부분일치 (예: '서울', '동대구'). line_name: 노선명 부분일치 (예: '경부고속', '호남선'). 미입력 시 전체 반환. (EN: transfer info to other transit modes by station. JA: 駅別の他交通手段への乗換現況)
Inputs: line_name, station_name. Returns: result
get_support_departmentsA
업무지원 부서별 직위·직급 인원 현황 조회 (10,015건).
부서명, 직위명, 직급명, 인원수를 제공한다. 조직 내 인력 배분 및 직무 구조 파악에 활용.
※ 전체 조회 시 최대 200건 반환. 필터 사용 권장.
dept_name: 부서명 부분일치 필터 (예: "서울역", "AI전략본부", "차량사업소") position: 직위명 부분일치 필터 (예: "역장", "팀장", "기술원") grade: 직급명 부분일치 필터 (예: "사무영업3급", "운전4급", "토목5급")
Inputs: grade, position, dept_name. Returns: result
get_support_facilitiesA
사옥 내 부대시설 목록 조회 (29건).
본사 사옥 내 부대시설(카페·어린이집·회의실·스포츠센터·편의점 등)의 시설명, 생성일시, 수정일시, 비고를 제공한다.
※ 최신성 주의: 2025.08.20 기준 데이터로 현재와 다를 수 있음.
Inputs: no named parameters. Returns: result
get_train_codesA
열차운행 코드정보 조회. 최소 하나 이상의 파라미터 필요. code_type=코드유형(예:stn_cd,mrnt_cd), code=코드값(정확일치), value=코드명(부분일치) 주요 code_type: stn_cd(역코드), mrnt_cd(주운행선코드)
Inputs: code, value, code_type. Returns: result
get_train_operation_by_typeA
차종별 연간 운행실적 조회 (로컬 CSV, 2025.08.31 기준, 2019~2025년).
디젤기관차·전기기관차·전동차(수도권) 등 KORAIL 보유 차종별 연간 운행 횟수. 2025년은 8월까지의 통계.
year: 특정 연도 (예: 2024). 0이면 전체(2019~2025).
train_type: 차종명 부분일치 필터 (예: 'KTX', 'ITX', '디젤기관차', '전기기관차'). 미입력 시 전체 차종 컬럼 반환.
주요 차종: 디젤기관차(4400·7300·7400·7500호대), 전기기관차(8200·8500호대), KTX, ITX-새마을, ITX-청춘, 누리로, 수도권전동차 각 계열
Inputs: year, train_type. Returns: result
get_train_run_historyA
차세대예약발매 열차 운행내역 조회 (2024-01-01 단일 일자 100건 스냅샷).
※ 데이터 한계 (반드시 참고):
이 데이터는 2024-01-01 하루치만 존재. 다른 날짜 필터 시 0건 반환.
실제 하루 운행 열차는 수백 편이나, 이 스냅샷은 일부 열차·역 포함.
동일 (열차번호, 역)이 2건씩 중복 등장하는 경우 있음 (경유 처리 방식).
정차 순번 필드 없음 → 정확한 정차 순서는 get_train_run_info 또는 get_train_run_plan으로 교차 확인 필요.
역코드 상세 정보(영문명·지역본부 등)는 korail-codebook의 decode_station_code 도구로 조회 가능.
파라미터:
run_dt: 운행일자 (YYYY-MM-DD, 예: '2024-01-01')
trn_no: 열차번호 (예: '6' 또는 '00006', 숫자 자동 변환)
stn_nm: 한글역명 부분일치 (예: '서울', '부산')
stn_cd: 역코드 정확일치 (예: '3900023')
dedupe: True 시 동일 (열차번호+역코드) 중복 레코드 제거 (기본 False)
반환 필드: 운행일자(RUN_DT), 열차번호(TRN_NO), 역코드(STN_CD), 한글역명(KOR_STN_NM)
Inputs: dedupe, run_dt, stn_cd, stn_nm, +1 more. Returns: result
get_train_run_infoB
여객열차 실제 운행정보 조회 (운행일자·역별 실제 출발/도착시각·정차구분). run_ymd=특정일자(YYYYMMDD), run_ymd_gte/lte=기간 범위, stn_nm=역명(예:서울), mrnt_nm=주운행선명(예:경부선)
Inputs: stn_nm, mrnt_nm, run_ymd, run_ymd_gte, +1 more. Returns: result
get_train_run_planB
여객열차 운행계획 조회 (열차번호·출발/도착역·계획출발/도착시각). run_ymd=특정일자(YYYYMMDD), run_ymd_gte/lte=기간 범위, dptre_stn_nm=출발역명(예:서울), arvl_stn_nm=도착역명(예:부산)
Inputs: run_ymd, arvl_stn_nm, run_ymd_gte, run_ymd_lte, +1 more. Returns: result
get_train_type_specsA
동력차 형별제원 조회 (2024.12.31 기준, 47개 차종). KTX·KTX-산천·KTX-이음·디젤기관차·전기기관차·디젤동차·전기동차·ITX 등 각 차종의 마력(HP)·보유대수·자중(톤)·내용연수 포함. train_type: 형별명 부분일치 (예: 'KTX', '디젤기관차', '전기기관차', 'ITX'). 미입력 시 전체 47개 반환.
Inputs: train_type. Returns: result
get_transport_stat_codesA
수송실적 통계 코드정보 조회. 간선·광역·화물 수송실적에서 사용되는 코드를 조회합니다. (구 get_carriage_codes — carriageStatistics/codes) 최소 하나 이상의 파라미터를 입력해야 결과가 반환됩니다.
Args: code_type: 코드유형 (예: "stn_cd"=역코드, "mrnt_cd"=주운행선코드, "sbwy_ln_cd"=전철선코드) code: 코드값 정확일치 (예: "3900023") value: 코드명 부분일치 (예: "서울", "경부")
주의: 파라미터 없이 호출하면 0건 반환될 수 있습니다. code_type 지정을 권장합니다.
Inputs: code, value, code_type. Returns: result
get_urban_accessibilityA
도시철도 역사 접근성 시설 조회 (교통약자).
facility_type: elevator 엘리베이터 현황 elevator_route 엘리베이터 이동동선 elevator_route_detail 엘리베이터 상세 이동동선(경로 텍스트) escalator 에스컬레이터 현황 wheelchair_route 휠체어리프트 이동동선 wheelchair_lift_loc 휠체어리프트 설치 위치(치수·한계중량) safety_step 승강장 안전발판 설치유무 platform_gap 승강장-차량 이격거리 braille 점자표시 유무 disabled_toilet 장애인화장실 위치 adjacent_elevator 인접 승강기 차량번호 stair_car 인접 계단 차량번호(휠체어 하차위치) all 위 전체 (역이 1~3개로 특정될 때만) station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator, facility_type. Returns: result
get_urban_amenityA
도시철도 역사 편의시설 조회.
amenity_type: toilet(화장실) / nursing_room(수유실) / locker(물품보관함) / atm(ATM) / lost_found(유실물센터) / wifi(무선인터넷) / all(전체) station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator, amenity_type. Returns: result
get_urban_environmentA
도시철도 역사 환경측정 정보 조회 (공기질·온도·습도·소음).
measure: air_quality(공기질·미세먼지·CO2) / temperature(온도) / humidity(습도) / noise(소음도) / all(전체) station_name: 역명. operator: 운영기관 코드/명(선택). 주의: 환경측정기는 일부 운영기관·역에만 설치되어 데이터가 없을 수 있다 (특히 소음도). 측정값에는 측정일시(msmtDttm)가 함께 온다.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), measure, operator. Returns: result
get_urban_exit_infoA
도시철도 역사 출구정보 조회 (출구번호·주변시설·거리). station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator. Returns: result
get_urban_movementA
도시철도 교통약자 출입구→승강장 이동경로(동선) 조회.
엘리베이터 등 무장애 경로를 출입구부터 승강장까지 단계별 텍스트(mvContDtl)와 안내 이미지(imgPath)로 제공한다. station_name: 역명. operator: 운영기관 코드/명(선택). line: 노선(선택). next_station: 열차 진행방면의 '다음 역명'(승강장 방향 특정에 사용). 같은 노선의 다음 역명을 넣는다. 미입력 시 방면 구분 없이 조회. 참고: 역 내 엘리베이터 상세 동선은 get_urban_accessibility(elevator_route_detail)도 있다.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), line, operator, next_station. Returns: result
get_urban_platformA
도시철도 역사 승강장 정보 조회 (승강장 유형·복합여부·안전발판 등). station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator. Returns: result
get_urban_routeA
도시철도 노선 전체 역 구성(상행~하행 순서) 조회. 역 무관, 노선 단위.
line: 선코드(예 '1','A1','I1') 또는 노선명 일부(예 '1호선','경의중앙'). region: 권역 — 수도권/부산/대구/광주/대전 (또는 코드 01~05). 수도권 노선은 region을 함께 주면 정확하다.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: line, region. Returns: result
get_urban_safetyA
도시철도 역사 안전시설 조회.
safety_type: defibrillator(제세동기) / fire_extinguish(소화설비) / emergency_phone(비상콜폰) / air_respirator(공기호흡기) / screen_door(스크린도어) / safety_fence(승강장 안전펜스) / all(전체) station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator, safety_type. Returns: result
get_urban_station_infoA
도시철도 역사 기본정보 조회 (주소·좌표·다국어 역명). station_name: 역명. operator: 환승역 구분용 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator. Returns: result
get_urban_surroundingsA
도시철도 역 주변 시설 조회 (대중교통·주차장·자전거).
kind: public_transport(주변 버스 등 대중교통) / parking(주변 주차장) / bike_parking(자전거 주차시설) / bike_rental(자전거 대여) / all(전체) station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), kind, operator. Returns: result
get_urban_timetableA
도시철도 역사별 운행시각표(열차 도착·출발시각) 조회.
station_name: 역명. operator: 운영기관 코드/명(선택). day: 요일 — 평일/휴일/토/일/월~금 또는 전요일. (기본 평일) express: True면 급행 시각표(운영기관에 따라 미제공일 수 있음).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), day, express, operator. Returns: result
get_urban_train_compositionA
도시철도 운영기관별 열차 편성종류 조회 (역 무관).
편성유형코드(cpsTpCd)·편성명·호차별 좌석/출입문수/교통약자석 등을 준다. 이 도구로 얻은 cpsTpCd와 호차(scarNo)를 get_urban_train_facility의 composition_type·scar_seq 인자로 넘겨 차량별 시설을 조회한다. operator: 운영기관 코드(예 'BS') 또는 명(예 '부산교통공사'). 참고: 서울교통공사(S1)·한국철도공사(KR)·공항철도(AR)는 편성데이터 미제공. 부산(BS)·대구(DG)·인천(IC)·대전(DJ)·광주(GJ) 등은 제공.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: operator (required). Returns: result
get_urban_train_environmentA
도시철도 열차 차내 환경정보 조회 (CO2·미세먼지·온도·습도·소음 등, 역 무관).
operator: 운영기관 코드(예 'S1') 또는 명(예 '서울교통공사'). train_no: 열차번호(선택). 미입력 시 해당 운영기관 전체 측정 데이터를 반환한다 (사용자가 열차번호를 모를 때가 많으므로 보통 생략). measure: 환경측정 항목코드(envrMsmtDvCd) — 1 미세먼지(PM10), 2 CO2, 21 온도, 22 습도, 23 소음 등. 미입력 시 전체 항목. 참고: 차내 환경 데이터는 서울교통공사(S1)·부산(BS)·대구(DG) 등 일부 기관만 제공. 한국철도공사(KR)·공항철도(AR) 등은 미제공.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: operator (required), measure, train_no. Returns: result
get_urban_train_facilityA
도시철도 차량(호차)별 시설 조회 (역 무관).
facility_type: fire_extinguisher(소화기) / emergency_phone(비상콜폰) / crush_hammer(비상탈출망치) / door_manual(출입문 수동설정) / defibrillator(제세동기) / pregnant_seat(임산부 배려석) / priority_seat(노약자석) / wheelchair_board(휠체어 승차가능) / wheelchair_belt(휠체어 안전벨트) / all(전체) operator: 운영기관 코드/명. scar_seq: 호차일련번호(scarSqno, 예 '1'). composition_type: 편성유형코드(cpsTpCd). get_urban_train_composition으로 먼저 확인한다. 주의: 운영기관마다 보유 항목이 달라 일부 종류는 빈 결과일 수 있다.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: operator (required), scar_seq (required), composition_type (required), facility_type. Returns: result
get_urban_transfer_infoA
도시철도 역사 환승정보 조회 (환승노선·환승거리·동선). station_name: 역명. operator: 운영기관 코드/명(선택).
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: station_name (required), operator. Returns: result
get_wagon_by_load_capacityA
화차 적재하중별 보유현황 조회 (2024.12.31 기준, 27개 하중 등급). 적재하중(화물 최대 적재 중량) 등급별 유개차·무개차·평판차·소화물·유조차·차장차·침식차 보유 대수. 필드명 주의: '유 개 차', '무 개 차', '평 판 차' 등 띄어쓰기 포함. wagon_type: 차종 (예: '유 개 차', '무 개 차', '평 판 차', '유 조 차'). 해당 차종 보유량 > 0 인 행만 반환. min_load: 최소 적재하중 (예: '40'). max_load: 최대 적재하중 (예: '60'). 미입력 시 전체 27개 행 반환.
Inputs: max_load, min_load, wagon_type. Returns: result
get_wagon_by_weight_classA
화차 자중별 보유현황 조회 (2024.12.31 기준, 70개 자중 구간). 자중(톤) 구간별 유개차·유조차·무개차·평판차·소화물·차장차·침식차 보유 대수. wagon_type: 차종 필터 (예: '유개차', '유조차', '무개차', '평판차'). 해당 차종 보유량 > 0 인 행만 반환. min_weight: 최소 자중(톤, 예: '20'). max_weight: 최대 자중(톤, 예: '25'). 미입력 시 전체 70개 행 반환.
Inputs: max_weight, min_weight, wagon_type. Returns: result
get_wide_area_carriageA
광역 여객열차 수송실적 조회. 전철역별 시간대별 승하차 인원수를 제공합니다. 광역철도(수도권 전철 등) 이용 통계 조회에 사용.
Args: run_ymd: 특정 운행일자 (YYYYMMDD). 입력 시 해당 날짜만 조회. run_ymd_gte: 운행일자 시작 (YYYYMMDD, 이후) run_ymd_lte: 운행일자 종료 (YYYYMMDD, 이전) sbwy_ln_cd: 전철선코드 (예: "101") sbwy_ln_nm: 전철선명 (예: "경부선") sbwy_stn_cd: 전철역코드 (예: "010000") sbwy_stn_nm: 전철역명 (예: "서울") tmwd_se_cd: 시간대구분코드 (예: "01")
Inputs: run_ymd, sbwy_ln_cd, sbwy_ln_nm, tmwd_se_cd, +4 more. Returns: result
get_wide_rail_route_perB
광역철도 노선별 이용인원 통계 (갱신: 매월 26일, M-1). run_ym=운행연월(YYYYMM), sbwy_ln_nm=전철선명
Inputs: run_ym, sbwy_ln_nm. Returns: result
get_wide_rail_station_perB
광역철도 역별 승하차 통계 (갱신: 매월 26일, M-1). run_ym=운행연월(YYYYMM), stn_nm=역명
Inputs: run_ym, stn_nm. Returns: result
list_freight_work_linesC
화물적하작업 - 전용 작업선 정보 (총 424건, odcloud, 전체 캐시).
역명 부분일치 필터 가능. 작업선 길이·작업거리·운임계산거리·할인할증 등 포함.
Inputs: limit, station_name.
list_standard_loading_timeA
표준 적하시간 마스터 (총 11건, odcloud, 전체 반환).
⚠️ 명칭 주의: data.go.kr 등록명은 '적하시간'이지만 실제 데이터는 화물 유형별 표준 작업시간 마스터(일반 보통품·화약류·컨테이너 등 11건). 조정 이력은 search_loading_time_adjustment 사용.
Inputs: no named parameters.
list_stations_by_regionA
지역본부명(부분일치)으로 관할 역 목록 조회. 주요 지역본부: 서울본부, 수도권동부본부, 충청본부, 전라본부, 대구본부, 부산경남본부, 강원본부 예: region='서울', region='부산경남'
Inputs: region (required). Returns: result
list_stations_with_elevatorA
엘리베이터가 설치된 역 목록 전체 조회 (B551457 실시간 API). (EN: list of stations with elevators. JA: エレベーターが設置された駅の一覧) ※ 데이터기준일: 실시간 API. 현장 변경이 즉시 반영되지 않을 수 있음.
Inputs: no named parameters. Returns: result
search_consignment_changeB
수탁변경요금 검색 (총 4,015건, 로컬 CSV).
화물 운송장 접수 후 발생한 착역 변경·화물 지시 변경 등 수탁 조건 변경 건별 요금 이력. 필터: 제요금입력역명(station), 운송장번호(waybill_no), 화물지시종류(change_type).
Inputs: limit, station, waybill_no, change_type.
search_consignment_change_per_wagonB
수탁변경요금 화차별 (총 6,681건, 로컬 CSV).
개별 화차 단위 지시번호·운송장번호·화통번호 매핑 및 화차요금 산출 근거. 필터: 화차차량번호(wagon_number), 운송장번호(waybill_no).
Inputs: limit, waybill_no, wagon_number.
search_container_recordA
컨테이너 적재 이력 페이지 조회 (총 166,275건, odcloud).
대용량이라 매 호출 시 odcloud에 페이지 단위로 요청. 필터(컨테이너번호/화차차량번호/화물수탁일자/품목명)가 주어지면 받은 페이지 내에서 부분일치로 후필터링. per_page 최대 1000.
Inputs: page, per_page, item_name, receipt_date, +2 more.
search_freight_codeA
내적화물코드 검색 (총 961건).
분류코드(예: 7404), 한글명, 영문명에 대한 부분일치 검색. 빈 query시 limit만큼 앞에서부터 반환.
Inputs: limit, query.
search_g2b_itemA
G2B(나라장터) 분류번호·품명 검색 (총 13,400건, 로컬 CSV).
G2B분류번호(8자리) 또는 G2B품명(한글·영문)으로 부분일치 검색. 품명해설 포함. active_only=True 시 사용 코드만 반환.
Inputs: limit, query, active_only.
search_loading_time_adjustmentA
적하시간 조정 이력 페이지 조회 (총 35,967건, odcloud).
⚠️ 명칭 주의: data.go.kr 등록명은 '표준적하시간'이지만 실제 데이터는 표준 대비 조정된 이력. 마스터는 list_standard_loading_time 사용.
필터: 조정역(station), 조정사유(reason, 예: '천재지변등 악조건', '작업능력초과'), 조정지역본부(region). 받은 페이지 내 부분일치 필터링. per_page 최대 1000.
Inputs: page, reason, region, station, +1 more.
search_material_attrA
자재속성정보 조회 (총 34,630건, 로컬 CSV).
자재번호·G2B분류번호·속성코드로 조회. 자재별 속성값(규격·재질·치수 등) 확인. 최소 1개 필터 권장 (미지정 시 앞에서 limit건 반환).
Inputs: limit, g2b_code, attr_code, material_no.
search_material_equipmentA
자재대상장비 조회 (총 24,258건, 로컬 CSV).
특정 자재번호가 사용되는 장비 코드 조회, 또는 장비코드로 해당 자재 역검색.
Inputs: limit, equipment, material_no.
search_material_groupA
자재그룹코드 검색 (총 999건, 로컬 CSV).
그룹코드(예: BB1300) 또는 그룹명칭(예: EMU용품)으로 부분일치 검색. active_only=True 시 사용 중(Y)인 코드만 반환.
Inputs: limit, query, active_only.
search_operation_patternsA
전국 철도 노선 정보를 검색합니다. (총 2,146개)
⚠️ 여기서 "노선"은 물리적 선로(경부선·호남선 등)가 아니라 열차 운행계통 코드입니다. 경부선 선로 하나에도 다양한 경유 패턴의 운행계통이 수백 개 존재합니다. "비전기 노선이 몇 개냐" 같은 인프라 기준 질문에는 수치가 과대 계산됩니다.
Args: query: 노선코드(ROUT_CD) 또는 노선명(ROUT_NM) 검색어 (부분 일치). 없으면 전체 반환. ※ 노선명에 "KTX" 문자열 없음. 고속선은 "고속", "경부고속" 등으로 표기됨. electric_only: True면 전기동력차 운행 노선만, False면 비전기 노선만. None이면 전체.
Returns: 노선코드(ROUT_CD), 노선명(ROUT_NM), 전기동력차운행여부(ELC_LCM_RUN_FLG) 목록.
Inputs: query, electric_only.
search_routeB
노선명(부분일치)으로 노선코드를 조회. name 미입력 시 전체 노선 목록 반환. 예: name='경부', name='호남', name='KTX'
Inputs: name. Returns: result
search_stationA
역명(부분일치)으로 역코드·영문명·지역본부를 통합 조회. 차세대예약발매 역코드(75역, 영문명 포함)와 철도운영정보 역코드(1255역) 두 시스템을 함께 검색. 예: name='서울', name='수서', name='광명'
Inputs: name (required). Returns: result
search_urban_stationA
전국 도시철도 역명으로 운영기관·선·역코드를 검색한다 (다른 조회의 선행 단계).
KRIC API는 운영기관·선·역코드가 필요하므로, 먼저 이 도구로 역을 특정하면 환승역 등 동일 역명의 운영기관 구분을 확인할 수 있다. station_name: 역명 부분일치 (예: '서울역', '강남'). 미입력 시 operator 기준 전체. operator: 운영기관 코드(예: 'S1') 또는 명(예: '서울교통공사') 부분일치로 좁힘.
[답변 지침] _meta의 '데이터수정일'(KRIC 데이터 최종수정 시점, 측정성 데이터는 '측정시점')을 근거로 데이터 시점을 알리되, 수정일에 따라 톤을 달리하라.
최근(약 2년 이내, 예 2025~2026): 답변 끝에 '데이터는 OOOO년 기준'을 간결히 한 줄만. 경고 문구나 고객센터 전화번호를 따로 나열하지 마라.
오래됨(2019~2021 등): 한 줄 고지에 더해 '최신 현황과 다를 수 있어 운영기관 확인 권장'을 딱 한 번만 덧붙여라. 전화번호는 사용자가 묻거나 응급·안전 관련일 때만. 여러 데이터셋을 함께 보여줄 땐 가장 오래된 수정일 기준으로 한 번만 고지하면 된다. 시점 고지·주의 문구를 답변 안에서 반복하지 마라. 결과가 비어 있으면 지어내지 말고 '해당 데이터 없음'을 분명히 알려라.
Inputs: operator, station_name. Returns: result
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 98 tools
There are several clusters of tools with unclear boundaries, such as get_station_facilities, get_accessible_facilities, get_station_facilities_detail, and the get_urban_* facility tools, which all cover similar physical station amenities from different sources. More seriously, get_mainline_carriage overlaps heavily with get_mainline_station_per, and get_wide_area_carriage overlaps with get_wide_rail_station_per, so an agent can easily select the wrong endpoint.
The set mostly uses English snake_case with get_/search_/list_/decode_ prefixes, so the broad pattern is readable. However, analogous tools are named inconsistently: get_mainline_carriage vs get_mainline_station_per, get_transport_stat_codes vs get_train_codes, and search_loading_time_adjustment vs list_standard_loading_time all use different verb/object conventions for similar lookup operations.
98 tools is an extreme size for a single MCP server and far exceeds the 50+ threshold for a coherence failure. Even if KORAIL has many datasets, the server should be split into focused sub-servers by domain such as urban rail, mainline operations, freight, station facilities, or corporate administration.
Read-only coverage is broad, but there are significant gaps for a KORAIL information server: current passenger fare lookup is missing, real-time train status/delay information is absent, and some datasets are only snapshots or single-day samples such as get_train_run_history. The many duplicated station and facilities datasets also make it unclear whether a query is fully answered without checking multiple tools.
Related MCP Connectors
Korean company facts in English for AI agents: ~830 KOSPI-listed companies (DART profiles, KRW financials, recent filings) and ~110,000 corporate public procurement suppliers (12-month KONEPS contract awards), plus live National Tax Service business status checks. 4 tools, keyless, read-only.
All KR Data tools in one server: Korean business checks, addresses, laws, car flood records & more
Korea-native MCP gateway: Korean commerce, payments, messaging, gov & finance APIs for AI agents.
Korean statutes, precedents, local business-district stats and public procurement for AI agents.
Related MCP Servers
- AlicenseAqualityDmaintenanceEnables AI assistants to access South Korean tourism information via the official Korea Tourism Organization API, providing comprehensive search for attractions, events, food, and accommodations with multilingual support.832 PyPI9MIT
- AlicenseAqualityCmaintenanceEnables natural language querying of Korean statistical data from KOSIS, including population, employment, GDP, housing prices, and more, with support for regional and trend analysis.810 npm18MIT
- AlicenseNot gradedqualityCmaintenanceEnables AI to query real-time Korean public data including weather, real estate prices, air quality, economic indicators, and business registration via natural language.1MIT
- AlicenseNot gradedqualityDmaintenanceEnables querying Korean official statistics from KOSIS via natural language in MCP clients like Claude Desktop, wrapping the KOSIS OpenAPI for search, data retrieval, and metadata exploration.MIT