🛰️ GeoAgent MCP

🧠 让 Claude Code 成为你的地理空间分析智能体
自然语言驱动 → 自动选择数据集 → 执行分析 → 生成地图 → 输出报告

✨ 为什么选择 GeoAgent MCP？

传统的 GEE 分析需要：

❌ 手动查找合适的数据集
❌ 编写复杂的 Python/JavaScript 代码
❌ 调试各种错误
❌ 反复查阅文档

GeoAgent MCP 只需要一句话：

"分析石家庄2015-2025年城市扩张趋势"
"黄河流域近10年NDVI变化统计"
"帮我找武汉2020年洪水淹没范围"

Claude 自动完成余下所有步骤。

🎯 功能矩阵

| 模块 | 功能 | 触发条件 | |------|------|----------| | 🔍 Dataset Brain | 任务类型 → 最优 GEE 数据集自动匹配 | 提及"城市扩张/NDVI/洪水"等关键词 | | 📋 Workflow Planner | 自然语言 → 结构化分析计划 | 描述分析需求 | | ⚡ 分析执行 | 自动生成 + 运行 GEE Python 脚本 | 提交分析任务 | | 🗺️ 可视化 | 交互式 HTML 地图 + 静态 PNG 图表 | 分析完成后自动触发 | | 📄 报告生成 | Markdown/PDF 分析报告 | 分析完成后自动触发 | | 📦 数据导出 | CSV / GeoTIFF / JSON | 按需触发 |

支持的任务类型

| 任务 | 推荐数据集 | 常用指数 | |------|-----------|----------| | 🏙️ 城市扩张 | Dynamic World, Sentinel-2, Landsat 8 | NDBI, NDVI | | 🌳 森林变化 | Global Forest Change, MODIS | NDVI, NBR | | 🌾 土地利用 | ESA WorldCover, Dynamic World | NDVI | | 💧 水体变化 | JRC GSW, Sentinel-1 SAR | NDWI, MNDWI | | 🌿 植被指数 | MODIS MOD13Q1, Sentinel-2 | NDVI, EVI, SAVI | | 💡 夜光分析 | VIIRS DNB, DMSP-OLS | - | | ☀️ 光伏选址 | ERA5-Land Solar, MODIS LST | NDVI | | 🌊 洪水监测 | Sentinel-1 SAR, JRC GSW | MNDWI | | 🌡️ 地表温度 | MODIS MOD11A1, Landsat 8 | - | | ⛰️ 地形分析 | SRTM 30m, ALOS DSM | - |

🚀 快速开始

前置要求

Python >= 3.9
Google Earth Engine 账号
Google Cloud Project
Claude Code / Claude Desktop

1. 安装

# 克隆项目
git clone https://github.com/Kevin-cell111/geoagent-mcp.git
cd geoagent-mcp

# 安装
pip install -e .

2. GEE 认证

# 完成认证（浏览器自动打开）
earthengine authenticate

# 或使用 CLI 工具
geoagent-mcp setup

3. 配置 Claude Code

编辑 Claude Code 的 MCP 配置文件：

macOS/Linux: ~/.claude/claude_desktop_config.json 或项目 .claude/mcp.json Windows: %USERPROFILE%\.claude\claude_desktop_config.json

{
  "mcpServers": {
    "geoagent": {
      "command": "python",
      "args": ["-m", "geoagent_mcp.server"],
      "cwd": "/path/to/geoagent-mcp/src"
    }
  }
}

或使用项目级 .claude/mcp.json (推荐):

{
  "mcpServers": {
    "geoagent": {
      "type": "stdio",
      "command": "python",
      "args": ["-m", "geoagent_mcp.server"],
      "cwd": "/path/to/geoagent-mcp/src"
    }
  }
}

4. 开始使用

在 Claude Code 中直接说：

分析石家庄2015-2025城市扩张

Claude 会自动：

调用 geo_search_dataset("城市扩张") → 匹配 Dynamic World + Sentinel-2
调用 geo_plan_workflow(...) → 生成分析计划
调用 geo_execute_analysis(...) → 自动运行脚本
呈现交互式地图 + 趋势图 + 数据表

📸 效果预览

交互式地图输出

分析石家庄城市扩张后，自动生成交互式 HTML 地图，包含：

卫星影像底图
NDBI 逐年变化图层
建成区边界对比
图层切换控件

数据图表

年份  | NDVI_mean | NDBI_mean | 建成区面积(km²)
2015  |  0.423    |  -0.15    |  385.2
2016  |  0.431    |  -0.14    |  401.5
...
2025  |  0.398    |  -0.08    |  682.1

趋势: 10年建成区扩张 +77.1%

分析报告

自动生成结构化 Markdown 报告 → 一键转 PDF

🏗️ 架构

GeoAgent-MCP/
├── src/geoagent_mcp/
│   ├── server.py           # MCP Server (10个 Tools + 3个 Resources)
│   ├── dataset_brain.py    # 知识库: 10类任务 × 多项数据集
│   ├── workflow_planner.py # 自然语言 → GEE 分析工作流
│   ├── executor.py         # 脚本生成器 + 执行引擎
│   ├── visualizer.py       # 交互式地图 + 统计图表
│   ├── reporter.py         # Markdown/PDF 报告
│   ├── auth.py             # GEE 认证管理
│   └── cli.py              # CLI 命令行工具
├── examples/
│   ├── shijiazhuang_urban.py  # 石家庄城市扩张
│   └── yellow_river_ndvi.py   # 黄河流域NDVI
└── GeoAgent_Output/           # 自动创建
    ├── maps/ | figures/ | data/ | reports/ | logs/

🔧 MCP Tools API

Tools (10个)

| Tool | 功能 | 参数 | |------|------|------| | geo_search_dataset | 任务→数据集匹配 | task_type: str | | geo_plan_workflow | 自然语言→分析计划 | user_query: str, geojson_path?: str | | geo_execute_analysis | 完整分析执行 | user_query: str | | geo_generate_script | 生成GEE脚本 | user_query: str | | geo_generate_map | 生成交互地图 | center_lat, center_lon, zoom, title | | geo_generate_report | 生成分析报告 | user_query: str | | geo_export_result | 导出数据 | data: str, format: str | | geo_check_auth | 检查认证状态 | - | | geo_setup_gee | 初始化GEE | project_id?: str | | geo_list_categories | 列出任务类型 | - |

Resources (3个)

geoagent://datasets — 数据集目录
geoagent://indices — 指数公式库
geoagent://output/{subdir} — 输出文件浏览

Python API

from geoagent_mcp import (
    search_dataset,      # 搜索数据集
    generate_workflow,   # 生成工作流
    generate_script,     # 生成脚本
    execute_script,      # 执行脚本
    generate_map,        # 生成地图
    generate_report,     # 生成报告
)

📊 基准数据集

GeoAgent 内置了经过验证的高质量数据集知识库：

Dynamic World V1 — Google/WRI 10m 全球土地覆盖
Global Forest Change — Hansen 30m 森林变化 (2000-2023)
ESA WorldCover — ESA 10m 土地覆盖
JRC Global Surface Water — 38年地表水变化
MODIS MOD13Q1 — 250m NDVI/EVI (2000-至今)
Sentinel-2 MSI — 10m 多光谱 (2017年至今)
Landsat 8/9 — 30m 多光谱 (2013年至今)
VIIRS DNB — 500m 夜间灯光
SRTM 30m — 全球 DEM

🤝 贡献

欢迎 Issue / PR！

# 开发模式
pip install -e ".[dev]"
pytest

📄 许可证

⭐ Star 历史

_{Built with ❤️ by 风陵渡 | Powered by Google Earth Engine & Claude Code}

MCP Servers