Wikidata MCP 服务器

“Wikidata” MCP 服务器的作用是什么？

Wikidata MCP 服务器是模型上下文协议（MCP）的服务器实现，专为直接对接 Wikidata API 设计。它为 AI 助手与 Wikidata 海量结构化知识之间搭建了桥梁，使开发者和 AI 代理能够无缝搜索实体和属性标识符、提取元数据（如标签和描述）、并执行 SPARQL 查询。通过将这些能力暴露为 MCP 工具，服务器使开发工作流中需要外部结构化数据的场景下，支持语义搜索、知识提取和上下文增强等任务。这让 AI 应用能够检索、查询并推理 Wikidata 的最新信息，从而提升 AI 驱动应用的能力。

提示词列表

仓库或文档中未提及提示词模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

仓库或文档中未明确描述 MCP 资源。

工具列表

• search_entity(query: str)
  通过查询搜索 Wikidata 实体 ID。
• search_property(query: str)
  通过查询搜索 Wikidata 属性 ID。
• get_properties(entity_id: str)
  获取指定 Wikidata 实体 ID 关联的属性。
• execute_sparql(sparql_query: str)
  在 Wikidata 上执行 SPARQL 查询。
• get_metadata(entity_id: str, language: str = “en”)
  检索指定 Wikidata 实体 ID 的英文标签和描述。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

本 MCP 服务器的应用场景

• 语义数据检索
  使用 AI 助手在 Wikidata 中搜索实体或属性，为用户提供准确的 ID 以便后续数据操作或探索。
• 自动化元数据提取
  自动提取 Wikidata 实体的标签和描述，为数据驱动的应用或项目增加上下文信息。
• 编程化 SPARQL 查询执行
  支持 LLM 驱动代理制定并执行 SPARQL 查询，实现动态回答复杂问题或收集结构化知识。
• 知识图谱探索
  让开发者探索 Wikidata 实体与属性之间的关系，支持研究、数据分析和关联数据工作流。
• AI 辅助推荐
  构建能通过实体搜索、属性获取和 SPARQL 执行进行推荐的 AI 代理（如按导演推荐电影）。

如何进行配置

Windsurf

1. 确保已安装 Node.js。
2. 定位你的 Windsurf 配置文件。
3. 使用如下 JSON 片段将 Wikidata MCP 服务器添加到你的 mcpServers 配置中。
4. 保存配置并重启 Windsurf。
5. 验证服务器是否出现在你的 MCP 集成中。

"mcpServers": {
  "wikidata-mcp": {
    "command": "npx",
    "args": ["@zzaebok/mcp-wikidata@latest"]
  }
}

保护 API 密钥（如需）：

{
  "wikidata-mcp": {
    "env": {
      "WIKIDATA_API_KEY": "your-api-key"
    },
    "inputs": {
      "some_input": "value"
    }
  }
}

Claude

1. 如果尚未安装 Node.js，请先安装。
2. 打开 Claude 的配置文件。
3. 插入以下 Wikidata MCP 服务器配置。
4. 保存并重启 Claude Desktop。
5. 确认服务器可访问。

"mcpServers": {
  "wikidata-mcp": {
    "command": "npx",
    "args": ["@zzaebok/mcp-wikidata@latest"]
  }
}

保护 API 密钥：

{
  "wikidata-mcp": {
    "env": {
      "WIKIDATA_API_KEY": "your-api-key"
    }
  }
}

Cursor

1. 安装 Node.js 并确保 Cursor 支持 MCP。
2. 编辑你的 Cursor 配置文件。
3. 添加 Wikidata MCP 服务器配置项如下。
4. 保存更改并重启 Cursor。
5. 验证服务器是否已列出。

"mcpServers": {
  "wikidata-mcp": {
    "command": "npx",
    "args": ["@zzaebok/mcp-wikidata@latest"]
  }
}

保护 API 密钥：

{
  "wikidata-mcp": {
    "env": {
      "WIKIDATA_API_KEY": "your-api-key"
    }
  }
}

Cline

1. 确保已设置 Node.js。
2. 用 MCP 服务器信息更新 Cline 配置文件。
3. 按如下方式添加配置。
4. 保存并重启 Cline。
5. 检查 MCP 服务器集成。

"mcpServers": {
  "wikidata-mcp": {
    "command": "npx",
    "args": ["@zzaebok/mcp-wikidata@latest"]
  }
}

保护 API 密钥：

{
  "wikidata-mcp": {
    "env": {
      "WIKIDATA_API_KEY": "your-api-key"
    }
  }
}

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，请先将 MCP 组件添加到你的流程中，并将其连接到你的 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 格式插入你的 MCP 服务器信息：

{
  "wikidata-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI 代理即可作为工具访问该 MCP 的所有功能。记得将 “wikidata-mcp” 替换为你的 MCP 服务器实际名称，并将 URL 替换为你自己的 MCP 服务器地址。

总览

我们的观点

Wikidata MCP 服务器是一个简单但高效的实现，提供了多个实用工具以通过 MCP 与 Wikidata 交互。但它缺乏关于提示词模板、资源和采样/roots 支持的文档，这在更高级或标准化 MCP 集成中限制了其灵活性。其拥有许可证、清晰的工具集和活跃的更新，是以 Wikidata 为核心的 MCP 用例的良好起点。

MCP 评分

MCP 服务器评分：6/10
核心功能扎实，但在标准 MCP 资源/提示词支持和高级特性方面有所不足。适合直接集成 Wikidata 的场景。