Skip to main content
Glama

🇰🇷 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-mcp

마지막에 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-mcp 실행 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 나면 korail-mcp.exe를 쓰는 모든 프로세스를 작업 관리자에서 종료한 뒤 uv 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:USERNAME 을 입력하세요. 경로의 역슬래시는 JSON 규칙상 두 개(\\) 로 씁니다.

⚠️ 이미 다른 MCP 서버를 쓰고 있다면 korail-mcp 항목만 기존 mcpServers 안에 추가하세요(전체를 덮어쓰면 기존 서버가 사라집니다).

설정 파일 위치

클라이언트

설정 파일

Claude Desktop

%APPDATA%\Claude\claude_desktop_config.json

Claude Code

claude mcp add 명령으로 등록 (아래 별도 안내)

Cursor

C:\Users\<사용자명>\.cursor\mcp.json

Antigravity

C:\Users\<사용자명>\.gemini\antigravity\mcp_config.json

GitHub Copilot CLI

copilot mcp add 명령으로 등록 (아래 별도 안내)

VS Code (GitHub Copilot Chat)

아래 별도 안내 참고 (JSON 형식이 다름)

  1. 탐색기 주소창에 %APPDATA% 입력 → Enter

  2. Claude 폴더가 없으면 직접 만드세요

  3. 그 안에 claude_desktop_config.json 파일을 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 --allowedTools 없이 실행하면 첫 도구 호출 시 승인 여부를 물어봅니다.

.cursor 또는 .gemini\antigravity 폴더나 그 안의 설정 파일이 없다면 직접 만들면 됩니다.

  1. 탐색기 주소창에 %USERPROFILE% 입력 → Enter (본인 계정 폴더로 이동)

  2. 없는 폴더(.cursor 또는 .gemini\antigravity)를 새로 만드세요

  3. 그 안에 mcp.json(Cursor) 또는 mcp_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_accessibility 도구를 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): 3개

설정 파일은 ~/.copilot/mcp-config.json에 mcpServers.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.

  1. 저장소(작업 폴더) 루트에 .vscode\mcp.json 파일을 만들고 아래 내용을 넣습니다. (모든 작업 폴더에서 쓰려면 명령 팔레트(Ctrl+Shift+P) → MCP: Open User Configuration 으로 열리는 %APPDATA%\Code\User\mcp.json 에 넣으세요.)

{
  "servers": {
    "korail-mcp": {
      "command": "C:\\Users\\<사용자명>\\.local\\bin\\korail-mcp.exe"
    }
  }
}
  1. 파일을 저장하면 상단에 나타나는 Start 버튼을 클릭합니다.

  2. Copilot Chat을 열고 Agent 모드를 선택 → 도구 아이콘에서 korail-mcp 98개 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)

uv tool install 后运行

约5秒

uvx(每次远程检查)

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 tools
decode_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_cafeteria_menu_statsA

구내식당 메뉴 건수 현황 조회 (33건).

각 구내식당의 조식·중식·석식 식단 라인 수(등록된 식단 항목 건수)를 제공한다. 용산역·서울역·대전충남본부·부산역·인재개발원 등 전국 식당 포함.

※ '메뉴 건수'는 실제 요리 가짓수가 아닌 식단 제공 라인 수임에 유의. (예: 중식 2라인 = A코스·B코스 2종 제공)

location: 식단지역명 부분일치 필터 (예: "서울역", "부산", "대전", "본사")

Inputs: location. 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

    B3.1/5.0

    Scored across 98 tools

    Disambiguation2/5

    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.

    Naming Consistency3/5

    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.

    Tool Count1/5

    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.

    Completeness2/5

    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

    Related MCP Servers

    • A
      license
      A
      quality
      C
      maintenance
      Enables natural language querying of Korean statistical data from KOSIS, including population, employment, GDP, housing prices, and more, with support for regional and trend analysis.
      8
      10 npm
      18
      MIT
    • A
      license
      Not graded
      quality
      C
      maintenance
      Enables AI to query real-time Korean public data including weather, real estate prices, air quality, economic indicators, and business registration via natural language.
      1
      MIT
    • A
      license
      Not graded
      quality
      D
      maintenance
      Enables 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