ekigraph 🚄

English | 日本語

一个让 AI 能正确回答日本铁路网相关问题的 MCP 服务器。 它让 AI 可以即时访问“哪些车站之间由轨道连接”的数据——覆盖日本全国全部 9,043 座车站。

我为什么做这个

出去或计划旅行的时候，我经常会想查一些关于车站的信息。 我可以自己去搜，但那样太麻烦——所以我选择直接问 AI。

问题在于：一聊到铁路，AI 经常毫不犹豫地睁眼说瞎话。

下面是一个真实发生的事情。

我问 AI「Shin-Shibaura 站的下一站是哪站？」，它的回答是：

Shin-Shibaura 是东海道货物线上的一个新建车站，下一站是 Hama-Kawasaki。

这完全是错误的。Shin-Shibaura 在鹤见（Tsurumi）线上，其相邻车站是 Asano 和 Umi-Shibaura。

AI 并没有老老实实说“我不知道”。它反而编造了一个答案，连一条根本不存在的铁路线都凭空造了出来。

像新宿（Shinjuku）或涩谷（Shibuya）这样的大站，AI 的回答通常还算准确。 但在这种小站和地方线路面前，出现幻觉的概率就会大大增加。

Related MCP server: MLIT Geospatial MCP Server

你能获得什么

接入 ekigraph 之后，AI 就会改用正确数据作答，不再依赖它自己的记忆。

ekigraph 构建于开放数据之上，任何人都能使用。

• 覆盖全国 9,043 座车站和 593 条线路——从新干线到地铁，再到地方私铁和有轨电车

• 数据来自日本政府的官方开放数据（MLIT National Land Numerical Information）

• 以捆绑为一个 2 MB 文件的形式发行——无需 API 密钥，完全免费，离线可用

如何使用

# Claude Code — one line
claude mcp add ekigraph -- uvx --from git+https://github.com/yataro-fujinaga/ekigraph ekigraph

在使用 Claude Desktop 或其他 MCP 客户端时，把下面这段加入你的配置：

{ "ekigraph": { "command": "uvx", "args": ["--from", "git+https://github.com/yataro-fujinaga/ekigraph", "ekigraph"] } }

配置完成后，你只需正常说话，AI 就会返回正确无一处。

即使是随口一句“浦和（Urawa）的下一站是哪站来着?”，也能被 ekigraph 加持之下的 AI 精确作答。

工具

• neighbors(station) — 返回与该站相邻的可直达车站及线路名称

• subgraph(station, radius) — 返回该站周围原始的轨道数据，原样呈现

不适用情况

• 具体的时刻表、票价、特快停靠站和晚点信息不在本项目范围内。

• ekigraph 只包含一件事：轨道是如何连接的。

• 车站合并的处理（例如把涩谷的 JR、东京地铁、东急和京线算作一个“涩谷站”）遵循 MLIT 官方的跨运营站组代码。

关于数据

• 来源Nag，为：日本国土交通省（[National Land Numerical Information (Railway), 2-04)](https://.

• 重建方式为：uv run python ump/build_graph.py，会全自动重启。

转载

代码采用 MIT 协议。捆绑数据的安全与致谢信息见 LICENSE。