Token导航 LogoToken导航

MCP Server · AI代理

Sentinelone Hf Hackathon

SentinelOne是一个基于AI代理的气候风险评估平台,通过多代理系统分析环境数据,评估气候相关风险并提供建议。

未说明官方级别未说明来源级核验工具 0
AI代理Python工作流自动化

快速开始

公开资料没有提供安装命令,按仓库或官方文档接入。
作者 / 组织
clementpep
提供方
clementpep

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

1 个

MCP World

选型结论

Sentinelone Hf Hackathon 属于AI代理类 MCP Server,公开资料标注 0 个工具,通过传输方式未标注接入,客户端适配情况以官方文档为准,没有现成的安装命令;接入前先确认权限范围。

分类

AI代理

传输方式

未说明

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

公开目录没有给出安装命令,需要按仓库 README安装;下面按同类条目的通用流程说明。

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    先确认运行方式

    公开资料没有标注传输方式,先看仓库 README,确认是本地进程还是远程地址。

  2. 2

    获取服务

    公开目录没有给出安装命令,按仓库 README里的步骤安装或获取服务。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

公开资料仍需确认:安装命令

详细介绍

______________________________________________________________________

标题:SentinelOne 表情符号🛰️ 颜色来源:黄色 颜色:灰色 sdk:毕业 sdk版本:5.33.0 app_file:app.py 固定:false 许可证:mit short_description:用于气候风险评估和监测的人工智能代理

🛰️ SentinelOne-气候风险评估平台

欢迎提交我们的 拥抱面部GenAI代理商和MCP黑客马拉松!\ 该项目展示 多智能体系统 由...驱动 Gradio 和 斯莫尔特工,旨在监测、处理和分析环境数据,以 评估气候相关风险并提供建议.

______________________________________________________________________

🚨🟡🌍 黑客马拉松的重要通知! 🤖🛰️🚨

🏆 如果我们的项目在黑客马拉松上获奖,我们将使用该奖项购买额外的API积分,以便我们能够继续为每个人开发和维护代理。 🏆

🙏 您的支持将直接有助于使这个开源气候风险平台可持续和可访问! 🙏

💚 感谢您的信任和投票! 💚

______________________________________________________________________

🌐 项目概述

该系统利用自主代理协作执行复杂的数据科学工作流程:

  • 🛰️ 风险评估代理分析环境数据并评估潜在的气候相关风险。
  • 📊 推荐代理人:根据风险评估提供可操作的建议。
  • 🎯 编排器:协调不同代理和工具之间的工作流程(目前是确定性的)。

______________________________________________________________________

🗂️ 数据源和外部API

我们的平台依赖于 真实、权威和最新的环境数据源每个数据流都由专用的人工智能工具直接查询和处理,实现了精确的地理定位和真正的全面风险评估。\ 以下是代理所利用的API和数据源的详细概述:

1. OpenStreetMap–地理定位与地图绘制

  • 目的: 将城市名称或用户输入转换为精确的纬度/经度坐标。
  • 使用的API: 指定API
  • 用途: 所有风险评估都从确定关注点开始。这是所有下游天气、风险和本地资源查询的支柱。

2. Open Meteo–天气、气候、海洋和洪水数据

一套API,提供广泛的气象和环境数据:

  • 当前和预报天气:

- api.open-meteo.com/v1/forecast - 每日/每周预报:温度、降水、风、湿度。

  • 历史天气:

- archive-api.open-meteo.com/v1/archive - 任何坐标下长达50年的每日气象记录。

  • 气候变化预测:

- climate-api.open-meteo.com/v1/climate - 多模式气候预测(1950-2050),涵盖温度、降雨量、湿度、风、辐射、土壤湿度等。

  • 洪水风险:

- flood-api.open-meteo.com/v1/flood - 河流流量、洪水概率和趋势,每日更新。

  • 海洋和海岸数据:

- marine-api.open-meteo.com/v1/marine - 每日海洋状况:波高、涌浪、周期和海上风。

  • 卫星太阳辐射:

- satellite-api.open-meteo.com/v1/archive - 卫星观测的每小时太阳和地面辐射。

  • 空气质量:

- air-quality-api.open-meteo.com/v1/air-quality - 每小时PM10、PM2.5、CO、NO2、SO2、臭氧、花粉和空气质量指数。

开放天气 开放、可靠,并整合了来自各种气象机构的数据。

3. 美国地质调查局-地震数据

  • 目的: 提供给定位置附近的实时和历史地震活动。
  • 使用的API: 美国地质勘探局地震目录API
  • 用途: 检索可配置半径和时间窗口(默认值:过去30天,100公里内)中的所有地震事件(震级、时间、深度、位置)。

4. 美国国家航空航天局火灾探测系统

  • 目的: 利用地球观测卫星的数据检测活跃的野火。
  • 使用的API: 美国国家航空航天局资源管理系统火灾信息
  • 数据: MODIS和VIIRS卫星观测、实时火灾探测(位置、亮度、置信度、时间等)。
  • 身份验证: 需要NASA FIRMS API密钥(设置在 .env).
  • 用途: 查询点给定半径(默认值:50km)内过去2天内的所有火灾事件。

5. OpenStreetMap–当地应急资源

  • 目的: 查找给定位置最近的医院、消防局和警察局。
  • 使用的API: 天桥API
  • 用途: 对于脆弱性评估和应急准备至关重要,特别是在高风险地区。

______________________________________________________________________

📦 数据集成逻辑

所有数据都是实时检索的,并使用地理空间坐标进行交叉引用。该系统旨在:

  • 查询和汇总最新的气象、地球物理和环境信号
  • 提供长期背景(气候、趋势)和即时警报(火灾、洪水、地震、空气污染)
  • 提供地理背景:当地应急资源和基础设施风险
  • 输出原始数据和可操作的可视化(图表、地图、PDF报告)

我们工作流程中的示例API调用:

  • 🌦️ 天气:Open Meteo
  • 🔥 野火:美国国家航空航天局FIRMS
  • 🌊 洪水:Open-Meteo洪水API
  • 🌐 地图和资源:OpenStreetMap提名和天桥
  • 🌍 地震:美国地质调查局
  • 🏭 空气质量:Open-Meteo空气质量API
  • 🏝️ 海洋和海岸数据:Open-Meteo Marine API
  • ☀️ 太阳辐射:开放式气象卫星API
  • 📈 气候变化:开放式气候API

______________________________________________________________________

🧩 核心组件

👁️ 风险评估代理(risk_agent.py)

  • 角色: 分析环境数据并评估风险
  • 责任:

- 工艺环境数据 - 评估风险水平 - 生成风险报告

🧠 推荐代理(recommendation_agents.py)

  • 角色: 提供可操作的建议
  • 责任:

- 分析风险评估 - 生成量身定制的建议 - 优先考虑行动

🔧 工具(tools.py)

  • 数据处理实用程序
  • 绘图工具(mapping_utils.py)
  • 配置管理(config.py)

🎨 用户界面(ui.py)

  • 交互式Gradio界面
  • 实时数据可视化
  • 用户友好的控件

______________________________________________________________________

🧑‍💻 作者

  • Tristan DARRIGOL–人工智能顾问@Wavestone
  • Clément PEPONNET–人工智能代理工程师@Wavestone
  • Paul BARBASE–人工智能代理架构师@Wavestone和人工智能研究员@Inclusive Brains

______________________________________________________________________

📝 许可证

该项目根据麻省理工学院许可证获得许可

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

气候风险评估Python本地部署AI代理环境数据分析多代理系统实时数据监控

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • 公开资料没有可直接复制的安装命令,第一次接入要自己找入口。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 愿意照着官方文档一步步配环境的人。

不太适合

  • 希望一条命令就装好、不想看文档的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Sentinelone Hf Hackathon

MCP World · 本页

0未说明未标注1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Sentinelone Hf Hackathon 怎么安装?

公开目录没有给出可以直接复制的安装命令,需要按仓库 README里的步骤安装;装好后写进客户端的 MCP 配置再重启。

Sentinelone Hf Hackathon 怎么在 Claude Desktop、Cursor 里配置?

它是传输方式未标注,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

Sentinelone Hf Hackathon 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Sentinelone Hf Hackathon 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Sentinelone Hf Hackathon 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP