北斗网格引擎 MCP 智能平台

基于 Model Context Protocol 的空间数据智能分析平台

📖 项目简介

北斗网格引擎 MCP 智能平台是一个创新的空间数据智能分析系统，通过自然语言交互实现 GIS 数据的查询、分析和可视化。项目基于 Anthropic 的 Model Context Protocol (MCP) 协议，将大语言模型与地理信息系统深度融合，让用户无需掌握复杂的 GIS 查询语法，仅通过对话即可完成空间数据分析。

🎯 核心价值

降低门槛：用自然语言替代复杂的 GIS 查询语法
智能交互：AI 自动理解用户意图并调用相应工具
可视化呈现：查询结果自动在地图上渲染展示
标准化协议：基于 MCP 协议，易于扩展和集成

🌟 应用场景

🗺️ 城市规划：快速查询特定区域的建筑、道路等数据
📊 数据分析：通过对话完成空间统计和分析任务
🔍 应急响应：快速定位和查询灾害影响范围
🏢 企业决策：辅助选址、市场分析等业务场景

🏗️ 架构设计

整体架构图

┌─────────────────────────────────────────────────────────────┐
│                      用户界面层                               │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐   │
│  │ AI 对话  │  │ 地图交互 │  │ 工具监控 │  │ 配置管理 │   │
│  └──────────┘  └──────────┘  └──────────┘  └──────────┘   │
└─────────────────────────────────────────────────────────────┘
                            ↕
┌─────────────────────────────────────────────────────────────┐
│                    MCP 客户端层                               │
│  ┌─────────────────────────────────────────────────────┐   │
│  │           MCP Client Factory (工厂管理)              │   │
│  │  • 多服务器连接管理                                    │   │
│  │  • 工具自动发现与注册                                  │   │
│  │  • 会话生命周期管理                                    │   │
│  │  • 超时保护与错误处理                                  │   │
│  └─────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────┘
                            ↕ SSE 长连接
┌─────────────────────────────────────────────────────────────┐
│                    MCP 服务器层                               │
│  ┌─────────────────────────────────────────────────────┐   │
│  │              MCP Server (工具提供者)                  │   │
│  │  • get_data_source_list - 获取数据源列表             │   │
│  │  • geometry_search - 空间几何检索                    │   │
│  │  • get_layer_by_indexLibraryName - 图层查询          │   │
│  └─────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────┘
                            ↕
┌─────────────────────────────────────────────────────────────┐
│                   业务数据层                                  │
│              北斗网格引擎服务 (REST API)                       │
└─────────────────────────────────────────────────────────────┘

技术栈

前端

框架：Next.js 15 + React 19
语言：TypeScript
地图：Leaflet + React-Leaflet
状态管理：Zustand
UI 组件：Radix UI + TailwindCSS
MCP 客户端：@modelcontextprotocol/sdk

后端

MCP 服务器：Node.js (TypeScript) / Python (FastMCP)
传输协议：SSE (Server-Sent Events)
参数校验：Zod Schema
HTTP 框架：Express

AI 集成

模型：智谱 AI GLM-4 / DeepSeek
工具调用：OpenAI Function Calling 标准
响应方式：流式输出（SSE）

🔄 核心流程

1️⃣ 用户查询流程

用户输入自然语言
    ↓
系统构建上下文（包含地图空间信息）
    ↓
发送给大语言模型（携带可用工具列表）
    ↓
LLM 分析意图并决定调用哪个工具
    ↓
返回工具调用指令（工具名 + 参数）
    ↓
前端展示工具调用卡片（等待用户确认）
    ↓
用户确认后执行工具
    ↓
MCP 客户端调用 MCP 服务器
    ↓
MCP 服务器调用业务 API
    ↓
返回结果给 LLM 进行总结
    ↓
展示最终答案 + 地图可视化

2️⃣ MCP 工具调用流程

┌─────────────┐
│  LLM 决策   │ "需要调用 geometry_search 工具"
└──────┬──────┘
       ↓
┌─────────────┐
│ 工具路由器  │ 查找工具所属的 MCP 服务器
└──────┬──────┘
       ↓
┌─────────────┐
│ MCP Session │ 通过 SSE 连接发送工具调用请求
└──────┬──────┘
       ↓
┌─────────────┐
│ MCP Server  │ 接收请求并执行工具逻辑
└──────┬──────┘
       ↓
┌─────────────┐
│ 业务 API    │ 调用实际的数据服务
└──────┬──────┘
       ↓
┌─────────────┐
│ 返回结果    │ 逐层返回给用户
└─────────────┘

3️⃣ 地图交互流程

用户在地图上绘制区域（多边形/矩形）
    ↓
系统捕获 GeoJSON 坐标
    ↓
存储到全局状态（Zustand Store）
    ↓
用户发起查询
    ↓
GeoJSON 作为上下文传递给 LLM
    ↓
LLM 理解空间范围并调用工具
    ↓
工具使用 GeoJSON 作为查询参数
    ↓
返回该区域内的数据
    ↓
数据自动渲染到地图上（矢量图层）

✨ 功能特性

🤖 智能对话

自然语言理解：支持口语化的查询表达
上下文记忆：记住对话历史，支持追问
推理过程展示：实时显示 AI 的思考链路
流式响应：逐字输出，提升交互体验

🗺️ 地图功能

交互式地图：基于 Leaflet 的高性能地图渲染
空间绘制：支持绘制多边形、矩形作为查询条件
图层管理：动态添加、删除、样式自定义
数据可视化：查询结果自动渲染为矢量图层
弹窗展示：点击要素显示详细属性信息

🔧 工具调用

工具自动发现：连接 MCP 服务器后自动获取可用工具
可视化监控：实时展示工具调用状态和参数
用户确认机制：工具执行前需用户审批（可配置）
超时保护：防止工具调用长时间阻塞
错误降级：工具失败时返回友好提示

⚙️ 配置管理

多服务器支持：同时连接多个 MCP 服务器
动态配置：通过配置文件添加新工具，无需改代码
传输协议切换：支持 SSE 和 stdio 两种传输方式
环境隔离：开发/测试/生产环境独立配置

🚀 快速开始

环境要求

Node.js 20+
pnpm 10+
Python 3.9+（如使用 Python MCP 服务器）

安装步骤

1. 克隆项目

git clone https://github.com/your-repo/beidou-engine-mcp.git
cd beidou-engine-mcp

2. 启动后端 MCP 服务器

cd server
pip install fastmcp python-dotenv requests pydantic
python es_app.py

服务器将在 http://localhost:8000 启动。

3. 启动前端应用

cd web/beidou-engine-mcp-web
pnpm install
pnpm run dev

访问 http://localhost:3000 即可使用。

配置说明

在 web/beidou-engine-mcp-web/.env 中配置：

# MCP 服务器地址
NEXT_PUBLIC_MCP_SSE_URL=http://localhost:8000/sse

# LLM API 配置
OPENAI_API_KEY=your-api-key
OPENAI_BASE_URL=https://open.bigmodel.cn/api/paas/v4/
OPENAI_MODEL=glm-4-9b

📊 项目亮点

1. MCP 协议深度应用

国内首批基于 MCP 协议的生产级 GIS 应用
标准化工具定义，符合 MCP 规范，易于生态集成
多服务器聚合，统一管理不同来源的工具
工具自动发现，动态加载可用功能

2. 创新交互范式

多模态输入：文字 + 地图空间选择
双向联动：地图 ↔ AI 的实时交互
可视化反馈：工具调用过程全程可见
零学习成本：无需了解 GIS 专业知识

3. 工程化实践

全栈 TypeScript：端到端类型安全
设计模式应用：工厂模式、适配器模式、事件驱动
状态管理优化：Zustand 轻量级方案
性能优化：SSE 连接复用、流式响应、动态导入

4. 可扩展架构

插件化设计：通过配置文件添加新 MCP 服务器
工具聚合器：自动合并多个服务器的工具
前后端分离：MCP 服务器可独立部署和升级
协议标准化：遵循 MCP 规范，易于集成第三方工具

🎬 使用示例

示例 1：查询数据源

用户：帮我看看现在有哪些数据源？

系统：

AI 识别意图，决定调用 get_data_source_list 工具
展示工具调用卡片，显示工具名称和参数
用户点击"执行工具"
返回数据源列表：建筑数据、道路数据、POI 数据...
AI 总结：当前系统有 3 个数据源可用

示例 2：空间范围查询

用户：

在地图上绘制一个矩形区域
输入："查询这个区域内的建筑数据"

系统：

捕获地图绘制的 GeoJSON 坐标
构建上下文：用户输入 + 空间范围
AI 决定调用 geometry_search 工具
参数：数据源=建筑数据，几何范围=GeoJSON
返回该区域内的 156 条建筑记录
自动在地图上渲染建筑轮廓
AI 总结：该区域共有 156 栋建筑，其中住宅 89 栋，商业 67 栋

示例 3：多轮对话

用户：查询深圳市南山区的数据源

AI：南山区有以下数据源：建筑数据、道路数据、绿地数据

用户：那帮我看看建筑数据有哪些图层

AI：（调用 get_layer_by_indexLibraryName 工具）建筑数据包含：住宅楼、商业楼、工业厂房、公共设施

用户：查询住宅楼的数量

AI：（调用 geometry_search 工具）南山区共有 2,345 栋住宅楼

📈 项目数据

代码量：前端 ~12,500 行，后端 ~840 行
核心模块：5 个（MCP 客户端、服务器、AI 编排、地图、状态管理）
支持工具：3 个（可扩展）
响应速度：首字节时间 < 500ms（流式输出）
并发支持：多客户端同时连接

🛣️ 未来规划

短期目标（1-3 个月）

[ ] 增加更多空间分析工具（缓冲区、叠加分析）
[ ] 支持数据导出（GeoJSON、Shapefile、CSV）
[ ] 优化地图性能（大数据量渲染）
[ ] 添加用户认证和权限管理

中期目标（3-6 个月）

[ ] 多用户协作功能
[ ] 查询历史和收藏功能
[ ] 自定义 MCP 工具开发工具包
[ ] 移动端适配

长期目标（6-12 个月）

[ ] MCP 工具市场（社区贡献）
[ ] 多模态输入（图片、语音）
[ ] 实时数据订阅（WebSocket）
[ ] 私有化部署方案