MoSPI MCP Server

什么是 MoSPI MCP Server？

MoSPI MCP Server 是印度统计和计划执行部（MoSPI）官方托管的端点（https://mcp.mospi.gov.in/），让 AI 助手可以查询 GDP、通胀、就业和工业产出等印度政府官方统计数据。它免费且无需登录。

MoSPI 通过国家统计局（NSO）在 eSankhyiki 门户和开放数据 API 上发布印度核心经济和社会统计数据。该 MCP 服务器是这些 API 与 Claude、ChatGPT、Cursor 等助手之间的桥梁，让经济学者、记者、学生、政策研究人员和开发者可以用自然语言查询统计数据，而不必手动翻查调查表格和筛选代码。服务器代码以 MIT 许可证开源，位于 nso-india/esankhyiki-mcp 仓库。

如何使用 MoSPI MCP Server？

无需账户或 API 密钥。把服务器 URL 添加到客户端即可：

https://mcp.mospi.gov.in/

Claude Code

来自项目 README：

claude mcp add esankhyiki-mcp --transport http https://mcp.mospi.gov.in/

用 claude mcp list 验证。

Claude Desktop 与 claude.ai

打开 Settings，进入 Connectors，选择「Add custom connector」，命名为 MoSPI 并粘贴 https://mcp.mospi.gov.in/。之后无需登录。

Cursor

{
  "mcpServers": {
    "esankhyiki-mcp": {
      "url": "https://mcp.mospi.gov.in/"
    }
  }
}

README 自带的 Cursor 和 Windsurf 示例使用 npx mcp-remote https://mcp.mospi.gov.in/ 包装 URL，如果你的客户端版本只支持本地命令，也可以用这种方式。

VS Code

{
  "servers": {
    "esankhyiki-mcp": {
      "type": "http",
      "url": "https://mcp.mospi.gov.in/"
    }
  }
}

自行托管

README 还说明了如何用 Python 和 FastMCP（python mospi_server.py，服务地址为 http://localhost:8000/mcp）或 Docker 自行运行同一个服务器。

MoSPI MCP Server 的主要功能

• 官方来源：由 MoSPI 运营，代码由 NSO India 组织在 GitHub 上发布。
• 免费的公共端点，无需认证。
• 覆盖面广：工具说明中提到 500 多个指标，涵盖就业、价格、工业、国民账户、卫生、教育、残障、住房、环境、贸易等领域。
• 主要数据集包括 PLFS（劳动力）、CPI 与 WPI（价格）、IIP 与 ISP（工业与服务业生产）、ASI（工厂）、NAS（GDP 与国民账户）、NFHS（家庭健康）、能源、环境和 RBI 统计。
• 引导式四步工作流，避免模型猜测各数据集特有的筛选代码。
• 开源、可自行托管的服务器，支持 Docker 和 OpenTelemetry 可观测性。

MoSPI MCP Server 工具

服务器提供四个需要按顺序调用的工具：

• 找到数据集：list_datasets 返回所有可用的 MoSPI 数据集及其说明和用途。智能体首先调用它。
• 找到指标：get_indicators 列出所选数据集中可用的指标。
• 找到有效筛选值：get_metadata 返回某个数据集和指标的有效筛选值（邦、年份、季度等）。筛选代码因数据集而异；例如在 PLFS 中，邦代码 99 表示全印度。
• 获取数据：get_data 使用来自 get_metadata 的筛选值获取统计数据。

MoSPI MCP Server 的使用场景

• 经济研究：「印度过去五个财年的实际 GDP 增长率是多少？」
• 通胀追踪：「显示喀拉拉邦食品类 CPI 通胀，并与全印度数据对比。」
• 劳动力市场分析：「根据最新 PLFS，城镇女性的失业率是多少？」
• 新闻与事实核查：对照 MoSPI 官方来源核实被引用的统计数字。
• 教育与卫生研究：从 UDISE+ 获取入学数据，或从 NFHS 获取营养指标。
• 应用开发：为数据分析智能体提供可靠的印度官方统计数据来源。

MoSPI MCP Server 常见问题排查

• 模型返回错误或空数据：确保它完整遵循 list_datasets、get_indicators、get_metadata、get_data 的顺序。跳过 get_metadata 通常会导致筛选代码无效。
• 筛选条件似乎被忽略：在 get_data 中，所有筛选参数（包括 limit 和 page）都应放在 filters 对象内，而不是作为顶层参数。
• 列表中缺少某个子调查：部分 NSS 轮次有子项（例如 NSS77A 或 NSS79C），需要通过其父数据集（如 NSS77 或 NSS79）访问。
• 客户端无法通过 HTTP 连接：使用 README 中给出的 npx mcp-remote 包装方式。