在数字化浪潮席卷的当下，地理空间数据正以前所未有的速度增长，如何高效处理与分析这些数据，成为了各领域从业者面临的重要课题。DataV 团队全新打造的 Atlas GIS MCP 工具集，正是为解决这一难题而生。作为 DataV Atlas（分析地图）的核心能力之一，它将地理信息系统（GIS）与大模型技术深度融合，为地理空间数据的智能处理带来了全新可能。

一.什么是 MCP？为什么它对 GIS 很重要？

MCP（Model Context Protocol，模型上下文协议） 是一种专为大模型设计的数据交互标准，旨在让模型能够更高效地理解和处理特定领域的数据。在 GIS 领域，地理空间数据具有高度的专业性和复杂性（如坐标系统、空间拓扑关系等），传统的数据处理方式往往需要繁琐的人工编码和格式转换。而 MCP 工具集通过标准化的接口设计，让大模型能够直接 “读懂” 地理数据（如 GeoJSON、WKT 等格式），并快速执行地理编码、路径规划、空间分析等操作。简单来说，它就像是一座 “桥梁”，让大模型的智能能力与 GIS 的专业分析需求无缝对接，大幅降低了地理空间数据处理的技术门槛。

二.Atlas GIS MCP 工具集：重新定义 GIS 工作流

Atlas GIS MCP 工具集包含位置服务、数据生成、数据处理、专业工具四大类共 14 个工具，覆盖了从数据获取、处理到分析的全流程.

1.位置服务：让地址与坐标 “双向奔赴”

GeoCoding 地理编码：输入结构化地址（如 “北京市朝阳区光华路 1 号”），一键转换为精确的经纬度坐标，省去手动查询的麻烦。

NearbySearch 周边 POI 搜索：基于中心点坐标和半径，快速获取周边餐饮、酒店等 POI 信息，返回包含名称、评分等属性的 GeoJSON 数据，助力商业选址、城市规划等场景。

Routing 路径规划：支持驾车、步行等四种模式，可自定义起点、终点和最多 16 个途径点，实时生成最优路线，输出的 GeoJSON 路径数据可直接用于地图可视化。

2.数据生成：从 “零” 创建空间数据

RandomPointsInPolygon 面内随机点生成：在指定区域内按随机、均匀或聚类分布生成点数据，适用于模拟人口分布、交通流量等场景。

Fishnet 渔网网格生成：根据输入的面要素和边长，自动创建规则的矩形网格，常用于空间分区分析、资源分配规划。

DotDensity 点密度地图：通过多边形内的点数量直观展示数据分布（如人口密度、疾病发生率），点的权重可自定义，让抽象数据 “可视化”。

3.数据处理：让复杂数据 “轻装上阵”

Simplify 数据简化：在保持地理要素基本形状的前提下，减少数据顶点数量，提升渲染效率，尤其适合大规模数据可视化。

Dissolve 数据合并：根据行政区划、属性字段等规则合并线或面要素，例如将多个省级行政区合并成如华东大区、包邮区等。

FilterFeatures 数据筛选：通过 JavaScript 表达式（如 “population> 90000 && area > 100”）快速过滤目标要素，精准提取所需数据。

4.专业工具：解锁 GIS 高阶分析

AdcodeToGeojson 行政区划解析：输入六位行政区划代码（如 “330000” 代表浙江省），一键获取对应的 GeoJSON 数据，支持包含子级区域的全量数据获取。

InnerLines 边界提取：自动识别多边形之间的共享边界，生成无属性的线图层，助力分析相邻区域的接壤关系，如省界、市界的可视化。

三.DataV Atlas：不止于工具，更是地理分析平台

同时，DataV GeoAtlas 免费小工具已集成 Atlas GIS MCP 功能，并上线了 GeoAtlas.AI 助理，为 GIS 分析再提速。

案例一：区域数据生成与分析

💬 “请帮我生成上海黄浦区区域，并生成 1KM 的网格，用一个新数据表展示，在该表添加一个字段 population，人口数量范围 20-200 之间，然后基于该表的网格面信息生成人口点密度数据”

GeoAtlas.AI 依次调用 insertAdminData 工具添加黄浦区行政区划数据、Fishnet 工具创建网格、addNumberColumn 工具添加字段、DotDensity 工具生成人口点密度数据：

案例二：位置标注与路线规划

💬 “在地图上标出杭州阿里巴巴云谷园区位置，地图上展示该位置，然后搜索距离该位置最近的几个的地铁站（非在建），查询并展示该位置到最近三个地铁站的路线”

GeoAtlas.AI 先通过 GeoCoding 工具解析地址获取坐标，再用 importDataByGeoJSON 工具在地图展示位置，接着调用 NearbySearch 工具筛选出最近的非在建三个地铁站，然后利用 Routing 工具规划步行路线，最后通过 importDataByUrl 工具将路线数据导入地图展示：

案例三：旅游路线规划

💬 “我绘制了9个点。请根据我标注的第一个点为路线起点，选择剩余点位作为途径点生成旅游路线，最后再回到第一个点”

GeoAtlas.AI 使用 selectFeatureByIndex 工具选择起点和途径点，再通过 Routing 工具生成旅游路线：

无论是数据分析科学家、GIS 专家，还是市场营销、城市规划从业者，都能通过 DataV Atlas 挖掘时空数据的深层价值，为商业决策、科学研究提供直观的地理视角。

四.如何开启智能 GIS 之旅？

1.获取 TOKEN：访问 DataV Atlas GIS 工具集页面完成鉴权，获取调用工具所需的 Token。

2. 配置 MCP 服务器：参考以下示例，将工具集集成至自有平台或大模型应用中：

{ 
  "mcpServers": { 
    "atlas-gis-tools": { 
      "name": "Atlas GIS 工具集", 
      "type": "stdio", 
      "command": "npx", 
      "args": ["-y", "atlas-tools-mcp-server@latest"], 
      "env": {"TOKEN": "你的Token"} 
    } 
  }
}

3. 实战案例参考：“北方大区20 公里网格面生成” ① AdcodeToGeojson 获取行政区划数据 -> ② Dissolve 合并区域 -> ③ Simplify 简化数据 ->  ④ Fishnet 生成网格

五.结语：让地理空间智能触手可及

地理空间数据是连接现实与数字世界的重要纽带，而大模型则为数据价值的挖掘提供了强大引擎。Atlas GIS MCP 工具集的推出，加速了 GIS 领域迈入 “大模型辅助分析” 的新阶段 —— 无需复杂编码，无需深厚 GIS 专业知识，任何人都能通过简单的工具组合，完成从前需要数小时甚至数天的地理空间分析任务。

未来，DataV 团队将持续迭代 MCP 工具集，拓展更多场景化能力。无论是城市精细化治理、物流路径优化，还是环境监测、商业洞察，Atlas GIS MCP 工具集都将成为您探索地理空间智能的得力助手。