
JupyterMCP MCP 服务器集成
JupyterMCP 通过模型上下文协议(MCP)实现 Jupyter Notebook(6.x)与 AI 助手的无缝集成。利用 LLM 自动执行代码、管理单元格和获取输出,简化数据科学工作流程并提升生产力。...
连接 QGIS Desktop 与 LLM,实现强大的 AI 辅助地理空间工作流——通过 FlowHunt 的 MCP 组件自动化项目、图层、算法和 Python 脚本。
QGIS MCP 服务器是模型上下文协议(MCP)的实现,将 QGIS Desktop 与大语言模型(LLM)如 Claude 连接。通过基于 socket 的服务器和 QGIS MCP 插件,AI 助手可以直接控制并与 QGIS 项目交互。这使得 AI 能够自动化诸如项目创建、图层操作、通过处理工具箱执行算法,甚至在 QGIS 内直接执行 Python 代码等任务。该服务器旨在简化地理空间工作流,促进高级数据处理,并通过 LLM 客户端实现 QGIS 的高效、即时管理,提升开发者生产力。
仓库中未提及明确的提示词模板。
仓库中未描述明确的 MCP 资源。
未找到 Windsurf 的安装说明。
git clone git@github.com:jjsantos01/qgis_mcp.git
qgis_mcp_plugin
文件夹复制到 QGIS 配置文件的插件文件夹下(不同平台位置详见 README.md)。Claude > 设置 > 开发者 > 编辑配置 > claude_desktop_config.json
。mcpServers
下添加如下内容:{
"mcpServers": {
"qgis": {
"command": "uv",
"args": [
"--directory",
"/ABSOLUTE/PATH/TO/PARENT/REPO/FOLDER/qgis_mcp/src/qgis_mcp",
"run",
"qgis_mcp_server.py"
]
}
}
}
仓库中未涉及 API 密钥或环境变量的相关用法。
未找到 Cursor 的安装说明。
未找到 Cline 的安装说明。
在 FlowHunt 中使用 MCP
要将 MCP 服务器集成到 FlowHunt 工作流,需先在流程图中添加 MCP 组件,并将其连接到您的 AI 代理:
点击 MCP 组件打开配置面板。在系统 MCP 配置部分,按如下 JSON 格式填写您的 MCP 服务器信息:
{
"qgis": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
配置完成后,AI 代理即可使用该 MCP,访问其所有功能和能力。请记得将 “qgis” 替换为实际 MCP 服务器的名称,并把 URL 替换为您自己的 MCP 服务器地址。
部分 | 是否可用 | 说明/备注 |
---|---|---|
概览 | ✅ | README.md 中有清晰的 QGIS MCP 服务器描述 |
提示词列表 | ⛔ | 未提及提示词模板 |
资源列表 | ⛔ | 未找到明确的 MCP 资源 |
工具列表 | ✅ | README.md 中有说明(项目/图层操作、处理、代码执行等) |
API 密钥安全 | ⛔ | 未涉及 API 密钥/环境变量信息 |
采样支持(评估时不重要) | ⛔ | 未提及 |
综合来看,QGIS MCP 服务器在核心功能和工具暴露方面文档较为完善,但缺少明确的提示词、资源说明,未涵盖 API 密钥安全或采样/roots 支持。整体 MCP 完整度与开发适用性评分为 6/10。
是否有 LICENSE | ⛔ (未找到) |
---|---|
是否具备至少一个工具 | ✅ |
Fork 数量 | 68 |
Star 数量 | 540 |
QGIS MCP 服务器是 QGIS Desktop 与大语言模型(LLM)之间的桥梁,使 AI 代理能够自动化和控制 QGIS 的项目、图层、算法,甚至可以通过对话界面执行 Python 代码。
AI 代理可以创建、加载和保存项目;添加或移除矢量/栅格图层;执行 QGIS 处理工具箱中的算法;并可直接在 QGIS 内运行 Python 脚本。
代码执行功能非常强大,但应谨慎使用,以避免在 QGIS 环境中运行不受信任或有害的脚本。
在 FlowHunt 流程中添加 MCP 组件,并用您的 QGIS MCP 服务器详情进行配置。请使用文档中提供的 JSON 格式指定服务器的 URL 和传输方式。
根据现有文档,无需 API 密钥或环境变量。
自动化项目搭建、地理空间数据图层管理、批量算法处理、AI 驱动的空间分析,以及通过 LLM 请求在 QGIS 内自定义 Python 脚本。
JupyterMCP 通过模型上下文协议(MCP)实现 Jupyter Notebook(6.x)与 AI 助手的无缝集成。利用 LLM 自动执行代码、管理单元格和获取输出,简化数据科学工作流程并提升生产力。...
模型上下文协议(MCP)服务器将 AI 助手与外部数据源、API 和服务连接起来,实现复杂工作流的无缝集成,并在 FlowHunt 中安全管理开发任务。...
BlenderMCP 将 Blender 与 Claude 等 AI 助手连接,通过模型上下文协议(MCP)实现自动化、AI 驱动的 3D 建模、场景创建和资产管理。通过实时、基于提示的自动化与双向 AI 通信,让你的 Blender 工作流程如虎添翼。...