eurostat-mcp

Servidor MCP de acceso a datos Eurostat, diseñado para modelos locales (probado para Qwen3.8-27B): 4 tools, esquemas estrechos, validación en el servidor, salidas compactadas.

Arquitectura

Modèle (Qwen3.8-27B via vLLM / llama.cpp + harness MCP)
   │  tool calls
   ▼
server.py        4 tools : search_datasets, get_structure, list_codes, query_data
   │             validation DSD + suggestions difflib + plafond 400 cellules
   ▼
store.py         SQLite : catalogue en FTS5 (TTL 24h), structures DSD (TTL 24h)
   ▼
eurostat_client.py   API dissémination Eurostat (catalogue TSV + Statistics JSON-stat)

El modelo nunca construye URLs SDMX. Toda solicitud pasa por query_data, que valida dimensiones y códigos contra el DSD en caché y devuelve errores accionables (Código 'FRA' desconocido. ¿Querías decir: FR?).

Related MCP server: DuckDB Eurostat MCP Server

Instalación

pip install "mcp>=1.2" httpx pyarrow duckdb   # SDK mcp 1.x et 2.x
python -m territorial_mcp.server                      # stdio
MCP_TRANSPORT=http python -m territorial_mcp.server   # streamable HTTP

Config del cliente MCP (stdio):

{
  "mcpServers": {
    "eurostat": {
      "command": "python",
      "args": ["-m", "territorial_mcp.server"],
      "cwd": "/chemin/vers/eurostat-mcp"
    }
  }
}

Secuencia típica del lado del modelo

1. search_datasets("GDP quarterly") → códigos candidatos

2. get_structure("namq_10_gdp") → dimensiones, códigos truncados

3. list_codes("namq_10_gdp", "geo", contains="fr") si es necesario

4. query_data("namq_10_gdp", {"geo": "FR+BE", "na_item": "B1GQ", "unit": "CP_MEUR"}, time_from="2022")

Nota para Qwen3.8-27B: forzar un nivel de razonamiento medio/bajo (el valor por defecto xhigh sobre-piensa las secuencias de tools simples).

Modo offline total

# 1. (en ligne) construire le miroir — TOC-driven, idempotent
python -m territorial_mcp.mirror --datasets nama_10_gdp,une_rt_m
python -m territorial_mcp.mirror --all        # tout le catalogue, ~24 Go compressés
python -m territorial_mcp.mirror --resync     # cron quotidien : ne retélécharge
                                           # que ce que le TOC signale comme modifié

# 2. (hors ligne) servir uniquement depuis le miroir + caches
EUROSTAT_OFFLINE=1 python -m territorial_mcp.server

• Datos: Parquet zstd en formato largo (dims, time, value, flag), un archivo por dataset, consultado mediante DuckDB. query_data sirve el espejo con prioridad incluso fuera del modo offline, y muestra la fecha de los datos ("espejo local, datos Eurostat del DD.MM.AAAA").

• Estructuras + catálogo: actualizados en cada sync, servidos sin TTL en modo offline; serve-stale-on-error cuando Eurostat no está disponible.

• La invalidación se controla mediante las columnas last update of data del TOC, no por un TTL: --resync solo toca los datasets modificados.

Límites del esqueleto y evoluciones

• Búsqueda: solo FTS5/BM25. Añadir una búsqueda híbrida con embeddings (ej. bge-m3 en sqlite-vec) para consultas vagas.

• Estructuras: obtenidas mediante el truco lastTimePeriod=1 en la API Statistics. Para datasets muy grandes, cambiar al endpoint SDMX 2.1 datastructure (XML) con parsing dedicado.

• Caché de datos: solo se cachean las estructuras. Añadir una caché de respuestas query_data (TTL 24h — Eurostat publica a las 11h/23h).

• Agregaciones: migrar store.py a DuckDB para ofrecer agregaciones del lado del servidor (promedios, crecimiento) en lugar de devolver datos brutos al modelo.

• HTTP multi-usuario: añadir autenticación (bearer) y limitación de tasa delante del transporte streamable HTTP.