datagouv-mcp

让 AI 直接「对话」法国政府开放数据：datagouv-mcp 深度解析

一、被问到哑口无言？AI 接入真实数据世界的桥梁

你有没有过这种体验：问 AI 一个需要实时数据的问题，它要么一本正经地胡说八道，要么一脸茫然地说"我的知识截止到..."？这背后有一个根本矛盾——大模型的知识是"快照"，而真实世界的数据每分每秒都在变化。

datagouv-mcp 解决的就是这个问题。它是一个基于 Model Context Protocol（MCP）的服务器，由法国国家开放数据门户 data.gouv.fr 官方维护，作用是让 AI 助手（如 Claude、ChatGPT、Cursor 等）能够实时查询、分析法国政府的公共数据集。简单来说，它是一把通往真实世界数据的「API 钥匙」，AI 不再靠记忆回答问题，而是真正去数据源抓答案。

打个比方：如果传统 AI 像是靠背诵地图集回答地理问题，那么 datagouv-mcp 就是给 AI 装上了 GPS，让它随时查阅实时路况。

二、法国政府开了什么「数据超市」？

data.gouv.fr 是法国的国家级开放数据平台，由 Etalab（法国政府数字化转型部门）运营，类似于中国的「国家数据共享交换平台」与「开放云」的结合体。平台收录的数据涵盖：

• 政府统计：INSEE（法国统计局）的就业、GDP、人口数据
• 交通出行：SNCF（法国国铁）列车时刻表、公交实时位置、航空数据
• 环境保护：空气质量（ATMO 指数）、水质监测、垃圾回收站分布
• 城市规划：建筑许可证发放、土地利用数据
• 医疗健康：医院分布、医疗资源统计
• 教育文化：学校分布、公共图书馆数据

平台目前收录了数万个数据集（datasets），每个数据集下又包含多个资源文件（resources），格式涵盖 CSV、JSON、GeoJSON、XML、PDF 等。

三、架构设计：如何让 AI 优雅地「查数据库」？

3.1 MCP 协议：工具调用的标准化语言

datagouv-mcp 基于 Model Context Protocol（MCP） 构建。MCP 是 Anthropic 主导提出的开放协议，旨在标准化 AI 助手与外部工具之间的交互方式。在 MCP 框架下，服务器提供一组「工具」（Tools），AI 模型根据用户指令选择调用哪些工具，并接收结构化的返回结果。

这和传统的 Function Calling 有什么区别？Function Calling 是各家厂商各自为政，MCP 则是一套通用标准。一旦某个 MCP 服务器实现了接入，你的 Claude Desktop 可以用，Cursor 可以用，ChatGPT 也可以用——工具只需要实现一次。

3.2 核心架构：FastMCP + httpx 异步客户端

项目采用 mcp/server/fastmcp 框架作为服务端核心，这是一个构建在 ASGI 之上的轻量级 MCP 服务器框架。相比直接实现 MCP 协议的低层细节，FastMCP 提供了工具注册、中间件管理、健康检查等开箱即用的能力。

服务端整体架构如下：

用户请求（自然语言）
    ↓
MCP 客户端（Claude/Cursor 等）
    ↓  MCP 协议（JSON-RPC over HTTP/SSE）
FastMCP 服务器（main.py）
    ↓
工具注册层（tools/__init__.py）
    ↓
API 客户端层（helpers/datagouv_api_client.py）
    ↓
data.gouv.fr REST API

所有外部 API 调用（data.gouv.fr、Metrics、Tabular 等）均基于 httpx.AsyncClient 实现异步 HTTP 请求。这意味着即使需要同时查询多个数据集，服务端也能以非阻塞方式并发处理，效率远高于同步阻塞方案。

3.3 十大工具：覆盖数据探索全流程

项目在 tools/ 目录下实现了 10 个 MCP 工具，覆盖了从搜索到深度分析的全链路：

工具名	功能	典型场景
search_datasets	关键词搜索数据集	"帮我找房价相关的数据"
search_organizations	搜索数据发布机构	"找 INSEE 发布的数据"
search_dataservices	搜索 API 类数据服务	"找可编程访问的地理数据"
get_dataservice_info	获取数据服务的元信息	查看某 API 的接入说明
get_dataservice_openapi_spec	获取 OpenAPI 规范	了解某 API 的接口定义
get_dataset_info	获取数据集详情	查看某数据集的完整描述
list_dataset_resources	列出数据集下的资源文件	查看某数据集有哪些 CSV/JSON
get_resource_info	获取资源文件信息	查看某文件的大小、格式、更新频率
query_resource_data	查询资源实际数据	读取 CSV/表格数据内容
get_metrics	获取使用统计指标	了解某数据集的访问热度

其中 query_resource_data 是最核心的工具——它可以读取 CSV、Excel 等结构化数据并返回给 AI，AI 拿到真实数据后才能做统计分析、趋势预测等高级操作。

3.4 智能查询优化：Stop Words 过滤机制

一个很细节但很有价值的设计在 tools/search_datasets.py 中：clean_search_query 函数会自动移除用户查询中的「停用词」。

这是因为 data.gouv.fr 的搜索 API 采用严格的 AND 逻辑检索，用户随口说的"给我找一些数据文件"中的"数据"（données）、"文件"（fichiers）这些词实际上不会出现在元数据中，但会严重干扰搜索结果。datagouv-mcp 会自动清理这些噪声词，避免用户搜出零结果。

3.5 数据处理：Tabular API 与 Crawler API

helpers/ 目录下有两个关键 API 客户端：

datagouv_api_client.py（约 15KB）：封装了 data.gouv.fr 的 v1/v2 API，包括数据集搜索、资源元数据获取、数据服务查询等核心功能。这是所有工具的底层依赖。

tabular_api_client.py（约 7KB）：专门处理表格类数据的读取。data.gouv.fr 提供了一个专门的 Tabular API 来统一读取 CSV、Excel 等格式的数据文件，客户端负责处理数据解析、类型推断和错误重试。

crawler_api_client.py：用于处理爬虫类数据请求，封装了爬虫端到端的数据拉取逻辑。

四、安全与监控：生产级项目的标配

4.1 DNS 重绑定攻击防护

main.py 中配置了严格的 TransportSecuritySettings：

• enable_dns_rebinding_protection=True：防止 DNS 重绑定攻击
• allowed_hosts 白名单：仅允许 mcp.data.gouv.fr、localhost 等指定域名连接
• allowed_origins 白名单：验证 HTTP Origin 头，阻止跨站请求

这是 MCP 协议 1.23+ 版本的安全强制的标准配置，体现了项目对生产安全的重视。

4.2 无状态 HTTP 模式

FastMCP(..., stateless_http=True) 是一个务实的选择。很多 MCP 客户端（Claude Code、Cline、OpenAI Codex）在某些场景下无法正确维护 mcp-session-id 头，导致有状态模式下出现"Session not found"错误。切换为无状态模式后，服务端不再依赖 session 状态，服务端也可以做水平扩展——代价是无法使用服务器主动发起的通知（notifications），但 datagouv-mcp 本身不需要这个能力。

4.3 Sentry 错误追踪 + Matomo 访问统计

集成了 Sentry SDK 用于生产环境错误追踪，集成 Matomo 用于访问统计分析。这两者的配置均支持通过环境变量注入，生产部署时无需修改代码即可开启监控。

五、部署体验：十分钟内跑起来

这是 datagouv-mcp 做得非常好的地方：部署极其简单。

方式一：直接使用公共实例（推荐尝鲜用户）

无需任何安装，直接配置你的 AI 客户端连接 https://mcp.data.gouv.fr/mcp 即可。项目 README 中详细列出了在 AnythingLLM、ChatGPT、Claude Desktop、Cursor、Windsurf、VS Code 等主流工具中的配置方法，每个平台都有傻瓜式步骤说明。

方式二：Docker Compose 一键部署（推荐自托管用户）

git clone https://github.com/datagouv/datagouv-mcp.git
cd datagouv-mcp
docker compose up -d

一条命令即可启动服务。docker-compose.yml 配置了健康检查（/health 端点）、环境变量注入（MCP_HOST、MCP_PORT、DATAGOUV_API_ENV）、以及 restart: unless-stopped，生产可用。

方式三：本地 Python 开发

项目使用 uv 作为包管理器（pyproject.toml + uv.lock），Python 版本要求 3.13：

git clone https://github.com/datagouv/datagouv-mcp.git
cd datagouv-mcp
uv sync --frozen
uv run python main.py

依赖只有 4 个核心包：httpx（HTTP 客户端）、mcp（MCP 协议框架）、pyyaml（配置解析）、sentry-sdk（错误追踪），非常轻量。

硬件需求：无 GPU 要求，512MB RAM + 200MB 磁盘即可流畅运行。

六、测试覆盖：完整但不完美

项目在 tests/ 目录下有 12 个测试文件，覆盖了所有 API 客户端、工具函数和环境配置。测试框架使用 pytest + pytest-asyncio + pytest-httpx，异步测试支持良好。

CircleCI 流水线配置在 .circleci/config.yml，但注意 README 中标注了"stress"和"health_check"两类测试默认跳过，需要服务运行才能执行——这意味着 CI 中实际上并未完整覆盖这些场景，是一个小遗憾。

代码质量工具：使用 ruff 做 linting，配置了 isort 风格的 import 排序检查，在 pre-commit 中配置了自动格式化。

七、争议与局限：诚实面对不足

局限一：Python 3.13 要求——一个过于超前的选择

项目 requires-python = ">=3.13,<3.15"，但 Python 3.13 于 2024 年 10 月发布，当前（2026 年）仍属较新版本。很多生产环境的 Python 运行时还停留在 3.10-3.12，这个版本要求意味着大多数开发者需要额外安装环境，或者在 Docker 内运行。这增加了使用门槛。

局限二：仅支持法国数据

这是设计选择而非缺陷，但值得明确：datagouv-mcp 接入的只是法国政府的开放数据平台。如果你的应用场景需要多国数据，需要部署多个 MCP 服务器（各国通常都有对应的开放数据门户）。

局限三：依赖 data.gouv.fr API 的可用性

所有查询最终都依赖 data.gouv.fr 的后端 API，若该平台出现故障或限流，MCP 服务也会受到影响。项目中没有实现缓存层（Redis 等），频繁查询相同数据时会重复请求上游。

八、行业意义：开放数据与 AI 结合的范式

datagouv-mcp 背后反映了一个更大的趋势：AI 应用正在从「知识检索」走向「实时数据查询」。

传统 RAG（检索增强生成）解决的是知识新鲜度问题，但 datagouv-mcp 解决的是更深层的问题：AI 能不能直接操作数据库级别的结构化数据？答案是「能」，前提是有人把这条路铺好。

法国政府开放数据 + MCP 协议这个组合非常有价值。它意味着：

• AI 不再需要「训练」就能访问最新政府统计
• 数据新闻记者可以问 AI「过去一年巴黎空气质量趋势如何」并直接拿到带图表的分析
• 城市规划研究者可以让 AI 自动对比多个城市的人口密度数据集
• 开发者可以在自己的应用里轻松接入权威政府数据源

这个模式可以复制到任何有开放数据 API 的国家——英国、加拿大、德国、欧盟都有自己的 open data portal，datagouv-mcp 作为先行者，证明了这条路是走得通的。