Data360数据对接MCP服务 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.2 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
基于Model Context Protocol的开源服务，为LLM智能体和聊天机器人提供直接数据访问能力。支持多源数据连接和管理，适合需要集成数据处理的AI应用开发者和数据工程师使用。
Data360数据对接MCP服务 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
基于Model Context Protocol的开源服务，为LLM智能体和聊天机器人提供直接数据访问能力。支持多源数据连接和管理，适合需要集成数据处理的AI应用开发者和数据工程师使用。
Data360数据对接MCP服务 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/worldbank/data360-mcp
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"data360----mcp--": {
"command": "npx",
"args": ["-y", "data360-mcp"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 Data360数据对接MCP服务 执行以下任务... Claude: [自动调用 Data360数据对接MCP服务 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"data360____mcp__": {
"command": "npx",
"args": ["-y", "data360-mcp"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
A Model Context Protocol (MCP) server that gives LLM agents direct access to the World Bank's Data360 Platform. Agents can search, validate, and retrieve development indicators—covering topics from GDP and poverty to gender equality and climate—without hallucinating data values.
Audience: Developers building AI agents and chatbots that need reliable, structured access to World Bank development data.
---
---
pipWith uv (recommended): ```bash git clone https://github.com/worldbank/data360-mcp.git cd data360-mcp uv sync
uv sync --extra agent --group dev
**With pip:**```bash uv run scripts/llm_mcp_demo.py
Copy the example environment file and adjust as needed:
cp .env.example .env| Variable | Description | Default |
|---|---|---|
DATA360_API_BASE_URL | Base URL for the World Bank Data360 API | https://data360api.worldbank.org |
MCP_PORT | Port for the MCP server | 8000 |
MCP_TRANSPORT | Transport protocol (http or sse) | http |
MCP_CHARTS_API_URL | Optional URL for an external chart rendering API | _(none)_ |
```
1. Search → data360_search_indicators(query, required_country="Kenya")
Returns: covers_country, latest_data, dimensions per indicator
2. Get Data → data360_get_data(database_id, indicator_id, filters)
Use REF_AREA code from search; add time period filters---
Data360 MCP Server 是一个基于 Model Context Protocol (MCP) 标准构建的服务端程序，旨在为 LLM Agent 提供直接访问世界银行 Data360 Platform 的能力。通过该服务，AI Agent 可以精准地搜索、验证并检索涵盖 GDP、贫困率、性别平等及气候变化等领域的各类发展指标数据。这不仅能有效防止模型在处理数值时产生幻觉（Hallucination），还能确保 Agent 获取的数据具有权威性与实时性，非常适合构建面向全球发展数据的 AI 应用。
本项目提供了强大的数据交互能力：首先是智能指标发现功能，支持在海量指标中进行搜索，并提供丰富的元数据及国家覆盖范围校验；其次是详尽的元数据检索，可按需获取研究方法、定义、局限性及统计概念；在数据获取方面，支持可靠的时间序列查询，允许通过国家、时间段、性别、年龄及城市化程度等维度进行精确过滤；此外，所有资源均针对 LLM 进行了优化，确保 Agent 能够高效理解并调用。
在开始使用之前，请确保您的开发环境已安装 Python 3.11 或更高版本。为了获得最佳的依赖管理体验，我们强烈推荐使用 uv 工具进行环境构建与包管理；如果您习惯传统的 Python 开发流程，也可以使用 pip 进行安装。请根据您的实际开发环境选择合适的工具链。
您可以根据偏好选择不同的安装方式。推荐使用 uv 进行快速部署：首先通过 git clone 克隆仓库，进入目录后执行 `uv sync` 即可完成环境同步。如果您希望将项目作为开发依赖安装，可以使用 `uv sync --extra agent --group dev`。此外，您也可以使用传统的 pip 方式，通过 `pip install -e .` 以可编辑模式安装项目，从而方便地进行本地开发与调试。
本项目提供了完整的集成方案，支持与 LangChain 和 LangGraph 客户端进行无缝对接。我们不仅在仓库中提供了示例代码，还包含了一个 repo-root shim，方便开发者快速将 Data360 能力集成到现有的 Agent 工作流中。无论您是在构建复杂的智能体链条，还是简单的对话机器人，都能通过提供的示例快速上手。
项目通过环境变量进行配置管理。在启动服务前，请先复制 `.env.example` 文件并重命名为 `.env`，然后根据实际需求调整参数。关键配置项包括：`DATA360_API_BASE_URL`（用于指定世界银行 Data360 API 的基础 URL，默认为官方地址）、`MCP_PORT`（指定 MCP Server 运行的端口，默认为 8000）以及 `MCP_TRANSPORT`（用于选择传输协议，支持 http 或 sse）。
本项目通过 SSE (Server-Sent Events) 协议提供接口服务。默认情况下，您可以访问本地的 SSE 端点（例如 http://localhost:8021/sse）来进行实时数据流通信。这种设计确保了 LLM Agent 与 MCP Server 之间能够进行高效、稳定的异步数据交互。
推荐的 Agent 工作流遵循“先搜索、后获取”的逻辑：第一步，调用 `data360_search_indicators` 函数，通过查询语句（query）并结合 `required_country` 参数��行指标搜索，系统会返回该指标的覆盖国家、最新数据及维度信息；第二步，利用搜索结果中的 `REF_AREA` 代码，结合时间段、性别等过滤器，调用 `data360_get_data` 函数获取精准的数据库数据，从而实现从自然语言查询到结构化数据检索的闭环。
创新性MCP实现，填补数据接入空白。但项目成熟度偏低，社区认可度需提升。适合早期探索者。
该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。
经综合评估，Data360数据对接MCP服务 在MCP工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | data360-mcp |
| 原始描述 | 开源MCP工具：Model Context Protocol (MCP) server that gives LLM agents and chatbots direct ac。⭐14 · Python |
| Topics | MCP协议数据集成AI代理Python开源 |
| GitHub | https://github.com/worldbank/data360-mcp |
| License | NOASSERTION |
| 语言 | Python |
收录时间：2026-05-21 · 更新时间：2026-05-22 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。
选择 Agent 类型，复制安装指令后粘贴到对应客户端