Token导航 LogoToken导航TokenDH.com
中转站排行榜
Yet Sparql MCP Server logo
数据服务stdio官方级别未说明来源级核验

Yet Sparql MCP Server

MCP Server

MCP SPARQL Server是一个高性能、可配置的服务器，连接任何SPARQL端点并提供增强功能，包括结果格式化和缓存。

工具数

0

提示词数

0

GitHub Stars

3

资源数

0
高性能PythonClaudeClaude

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

作者 / 组织

yet-market

提供方

yet-market

最后核验

2026/5/17 20:19

快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

MCP SPARQL服务器

![License: AGPL-3.0](https://www.gnu.org/licenses/agpl-3.0) ![Python: 3.8+](https://www.python.org/downloads/)

*一个灵活而强大的支持SPARQL的MCP（模型上下文协议）服务器*

🌟 概述

MCP SPARQL Server是一个高性能、可配置的服务器，可连接到任何SPARQL端点，并提供增强的功能，包括结果格式化和缓存。它建立在实现模型上下文协议（MCP）的FastMCP框架之上，为AI助手查询语义数据提供无缝接口。

✨ 特性

  • 通用端点支持：连接到任何符合SPARQL的端点
  • 完全支持SPARQL：执行任何有效的SPARQL查询（SELECT、ASK、CONSTRUCT、DESCRIBE）
  • 智能结果格式化:

- 标准JSON（与标准SPARQL客户端兼容） - 简化的JSON（更易于在应用程序中使用） - 表格格式（可在UI表格中显示）

  • 高性能缓存:

- 多种缓存策略（LRU、LFU、FIFO） - 可配置TTL（生存时间） - 缓存管理工具

  • 灵活的部署选项:

- 使用stdio或HTTP传输在前台模式下运行 - 作为后台守护进程运行 - 作为systemd服务部署 - nginx反向代理集成的HTTP服务器模式

  • 全面配置:

- 命令行参数 - 环境变量 - 没有硬编码值

📋 需求

  • Python 3.8或更高版本
  • SPARQLWrapper 图书馆
  • fastmcp 框架
  • pydantic 用于配置
  • python-daemon 用于后台执行

🚀 安装

来源

# Clone the repository
git clone https://github.com/yet-market/yet-sparql-mcp-server.git
cd yet-sparql-mcp-server

# Install dependencies
pip install -r requirements.txt

# Install the package
pip install -e .

来自PyPI

pip install mcp-server-sparql

使用安装脚本

对于带有systemd服务设置的完整安装：

# Download the repository
git clone https://github.com/yet-market/yet-sparql-mcp-server.git
cd yet-sparql-mcp-server

# Run the installation script (as root for systemd service)
sudo ./install.sh

安装程序会自动执行以下操作：

  • 设置虚拟环境和依赖关系
  • 创建并启动systemd服务
  • 提供易于控制的管理脚本
  • 为nginx集成配置HTTP服务

快速管理

安装后，使用提供的脚本：

# Check status
./status.sh

# Start/stop services
./start.sh [stdio|http]    # Start service (http is default)
./stop.sh [stdio|http]     # Stop service
./logs.sh [stdio|http]     # View logs

# Examples
./start.sh http            # Start HTTP service for nginx
./logs.sh http             # View HTTP service logs
./test.sh                  # Test server functionality
./stop.sh                  # Stop all services

测试您的安装

使用内置测试套件测试您的服务器：

# Run comprehensive tests
./test.sh

# Run specific tests
./test.sh endpoint         # Test HTTP connectivity
./test.sh service          # Test service status
./test.sh config           # Test configuration
./test.sh mcp              # Test MCP protocol
./test.sh client           # Test with FastMCP client
./test.sh info             # Show connection info

测试脚本验证：

  • ✅ 服务状态和健康状况
  • ✅ HTTP端点连接
  • ✅ MCP协议合规性
  • ✅ 配置有效性
  • ✅ SPARQL端点可达性
  • ✅ FastMCP客户端集成

🔍 用法

基本用法（标准传输）

通过指定SPARQL端点启动服务器：

python server.py --endpoint https://dbpedia.org/sparql

HTTP服务器模式（用于nginx/web集成）

将服务器作为HTTP服务器运行：

# Basic HTTP server
python server.py --transport http --endpoint https://dbpedia.org/sparql

# Custom host and port
python server.py --transport http --host 0.0.0.0 --port 8080 --endpoint https://dbpedia.org/sparql

# Using environment variables
export MCP_TRANSPORT=http
export MCP_HOST=0.0.0.0
export MCP_PORT=8000
export SPARQL_ENDPOINT=https://dbpedia.org/sparql
python server.py

作为守护进程运行

要将服务器作为后台进程运行（stdio传输），请执行以下操作：

python server.py --endpoint https://dbpedia.org/sparql --daemon \
  --log-file /var/log/mcp-sparql.log \
  --pid-file /var/run/mcp-sparql.pid

要将HTTP服务器作为守护进程运行，请执行以下操作：

python server.py --transport http --host 0.0.0.0 --port 8000 \
  --endpoint https://dbpedia.org/sparql --daemon \
  --log-file /var/log/mcp-sparql.log \
  --pid-file /var/run/mcp-sparql.pid

与Systemd一起使用

如果安装了systemd支持：

  1. 在环境文件中配置端点：
   sudo nano /etc/mcp-sparql/env
  1. 启动服务：
   sudo systemctl start sparql-server
  1. 启动时启用：
   sudo systemctl enable sparql-server

客户端查询示例

启动服务器后，您可以将其与任何兼容MCP的客户端一起使用，也可以通过FastMCP客户端使用：

使用FastMCP客户端和stdio传输（Python）

import asyncio
from fastmcp.client import Client, PythonStdioTransport

async def query_server():
    # Connect to the server
    transport = PythonStdioTransport(
        script_path="server.py",
        args=["--endpoint", "https://dbpedia.org/sparql"]
    )
    
    async with Client(transport) as client:
        # Execute a SPARQL query
        result = await client.call_tool("query", {
            "query_string": "SELECT * WHERE { ?s ?p ?o } LIMIT 5",
            "format": "simplified"
        })
        
        print(result[0].text)

asyncio.run(query_server())

使用HTTP传输的FastMCP客户端（Python）

import asyncio
from fastmcp.client import Client, HttpTransport

async def query_server():
    # Connect to HTTP server
    transport = HttpTransport("http://localhost:8000")
    
    async with Client(transport) as client:
        # Execute a SPARQL query
        result = await client.call_tool("query", {
            "query_string": "SELECT * WHERE { ?s ?p ?o } LIMIT 5",
            "format": "simplified"
        })
        
        print(result[0].text)

asyncio.run(query_server())

不同格式的查询

# JSON format (default)
result = await client.call_tool("query", {
    "query_string": "SELECT * WHERE { ?s ?p ?o } LIMIT 5",
    "format": "json"
})

# Tabular format
result = await client.call_tool("query", {
    "query_string": "SELECT * WHERE { ?s ?p ?o } LIMIT 5",
    "format": "tabular"
})

缓存管理

# Get cache statistics
cache_stats = await client.call_tool("cache", {"action": "stats"})

# Clear the cache
cache_clear = await client.call_tool("cache", {"action": "clear"})

⚙️ 配置

命令行参数

Argument Description Default

--endpoint URL SPARQL endpoint URL Required

--timeout SECONDS Request timeout in seconds 30

--format FORMAT Result format (json, simplified, tabular) json

--cache-enabled BOOL Enable result caching true

--cache-ttl SECONDS Cache time-to-live in seconds 300

--cache-max-size SIZE Maximum cache size 100

--cache-strategy STRATEGY Cache replacement strategy (lru, lfu, fifo) lru

--pretty-print Pretty print JSON output false

--include-metadata BOOL Include query metadata in results true

--daemon Run as a background daemon false

--log-file FILE Log file location when running as a daemon /var/log/mcp-sparql-server.log

--pid-file FILE PID file location when running as a daemon /var/run/mcp-sparql-server.pid

--transport TRANSPORT Transport type (stdio or http) stdio

--host HOST Host to bind HTTP server to localhost

--port PORT Port to bind HTTP server to 8000

环境变量

Variable Description Default

SPARQL_ENDPOINT SPARQL endpoint URL None (required)

SPARQL_TIMEOUT Request timeout in seconds 30

SPARQL_FORMAT Default result format json

SPARQL_CACHE_ENABLED Enable caching true

SPARQL_CACHE_TTL Cache time-to-live in seconds 300

SPARQL_CACHE_MAX_SIZE Maximum cache size 100

SPARQL_CACHE_STRATEGY Cache replacement strategy lru

SPARQL_PRETTY_PRINT Pretty print JSON output false

SPARQL_INCLUDE_METADATA Include query metadata in results true

MCP_TRANSPORT Transport type (stdio or http) stdio

MCP_HOST Host to bind HTTP server to localhost

MCP_PORT Port to bind HTTP server to 8000

🌐 Nginx集成

使用HTTP传输时，您可以将服务器与nginx集成为反向代理：

1.以HTTP模式启动服务器

python server.py --transport http --host localhost --port 8000 --endpoint https://your-sparql-endpoint.com/sparql

2.配置nginx

将此配置添加到nginx服务器块：

upstream mcp_sparql {
    server localhost:8000;
    # Add more servers for load balancing if needed
    # server localhost:8001;
    # server localhost:8002;
}

server {
    listen 80;
    server_name your-domain.com;

    location /api/sparql {
        proxy_pass http://mcp_sparql;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        
        # Optional: Add CORS headers
        add_header Access-Control-Allow-Origin *;
        add_header Access-Control-Allow-Methods "GET, POST, OPTIONS";
        add_header Access-Control-Allow-Headers "Content-Type, Authorization";
    }
}

3.使用systemd进行生产部署

为HTTP模式创建systemd服务：

# /etc/systemd/system/mcp-sparql-http.service
[Unit]
Description=MCP SPARQL Server (HTTP)
After=network.target

[Service]
Type=simple
User=mcp-sparql
Group=mcp-sparql
WorkingDirectory=/opt/mcp-sparql
Environment=MCP_TRANSPORT=http
Environment=MCP_HOST=localhost
Environment=MCP_PORT=8000
Environment=SPARQL_ENDPOINT=https://your-sparql-endpoint.com/sparql
ExecStart=/opt/mcp-sparql/venv/bin/python server.py
Restart=always
RestartSec=3

[Install]
WantedBy=multi-user.target

启用并启动服务：

sudo systemctl enable mcp-sparql-http
sudo systemctl start mcp-sparql-http

📊 结果格式

服务器支持三种不同的输出格式：

1.JSON格式（默认）

返回带有可选元数据的标准SPARQL JSON结果格式。

{
  "head": {
    "vars": ["s", "p", "o"]
  },
  "results": {
    "bindings": [
      {
        "s": { "type": "uri", "value": "http://example.org/resource" },
        "p": { "type": "uri", "value": "http://example.org/property" },
        "o": { "type": "literal", "value": "Example Value" }
      }
    ]
  },
  "metadata": {
    "variables": ["s", "p", "o"],
    "count": 1,
    "query": "SELECT * WHERE { ?s ?p ?o } LIMIT 1"
  }
}

2.简化格式

返回一个更易于使用的简化JSON结构，将变量绑定转换为简单的键值对象。

{
  "type": "SELECT",
  "results": [
    {
      "s": "http://example.org/resource",
      "p": "http://example.org/property",
      "o": "Example Value"
    }
  ],
  "metadata": {
    "variables": ["s", "p", "o"],
    "count": 1,
    "query": "SELECT * WHERE { ?s ?p ?o } LIMIT 1"
  }
}

3.表格格式

以表格格式返回结果，包括列和行，适用于表格显示。

{
  "type": "SELECT",
  "columns": [
    { "name": "s", "label": "s" },
    { "name": "p", "label": "p" },
    { "name": "o", "label": "o" }
  ],
  "rows": [
    [
      "http://example.org/resource",
      "http://example.org/property",
      "Example Value"
    ]
  ],
  "metadata": {
    "variables": ["s", "p", "o"],
    "count": 1,
    "query": "SELECT * WHERE { ?s ?p ?o } LIMIT 1"
  }
}

🔄 缓存策略

服务器支持三种缓存替换策略：

1.LRU（最近最少使用）

首先删除最近访问次数最少的项目。这是默认策略，适用于大多数场景，因为它优先考虑将最近访问的项目保留在缓存中。

2.LFU（最不常用）

首先删除访问频率最低的项目。此策略适用于某些查询比其他查询更常见的情况，因为它优先考虑将频繁访问的项保留在缓存中。

3.先进先出（FIFO）

无论访问模式如何，都会首先删除最旧的项目。此策略更简单，在您需要纯基于时间的缓存方法时非常有用。

🔍 高级SPARQL示例

服务器支持所有SPARQL功能。以下是一些您可以尝试的示例查询：

基本三重模式

SELECT * WHERE { ?s ?p ?o } LIMIT 10

按属性类型筛选

PREFIX rdf: 
PREFIX rdfs: 

SELECT ?subject ?label
WHERE {
    ?subject rdf:type rdfs:Class ;
             rdfs:label ?label .
}
LIMIT 10

使用正则表达式

PREFIX foaf: 

SELECT ?person ?name
WHERE {
    ?person foaf:name ?name .
    FILTER(REGEX(?name, "Smith", "i"))
}
LIMIT 10

具有多种模式的复杂查询

PREFIX dbo: 
PREFIX dbp: 
PREFIX rdfs: 

SELECT ?city ?name ?population ?country ?countryName
WHERE {
    ?city a dbo:City ;
          rdfs:label ?name ;
          dbo:population ?population ;
          dbo:country ?country .
    ?country rdfs:label ?countryName .
    FILTER(?population > 1000000)
    FILTER(LANG(?name) = 'en')
    FILTER(LANG(?countryName) = 'en')
}
ORDER BY DESC(?population)
LIMIT 10

⚠️ 故障排除

常见问题

  • 连接被拒绝：检查SPARQL端点URL是否正确且可访问
  • 查询超时：增加超时值 --timeout 选项
  • 大型结果集的内存问题：在查询中添加LIMIT子句或减小缓存大小
  • 日志/pid文件的权限被拒绝：检查目录权限或以适当的权限运行

日志记录

在前台模式下运行时，日志会输出到控制台。当作为守护进程运行时，日志会写入指定的日志文件（默认值： /var/log/mcp-sparql-server.log).

为了增加详细程度，您可以在源代码中设置Python日志级别。

🛠️ 发展

项目结构

mcp-server-sparql/
├── sparql_server/             # Main package
│   ├── core/                  # Core functionality
│   │   ├── __init__.py        # Package exports
│   │   ├── config.py          # Configuration management
│   │   └── server.py          # Main SPARQL server
│   ├── formatters/            # Result formatters
│   │   ├── __init__.py        # Package exports
│   │   ├── formatter.py       # Base formatter class
│   │   ├── json_formatter.py  # JSON formatter
│   │   ├── simplified_formatter.py # Simplified JSON formatter
│   │   └── tabular_formatter.py # Tabular formatter
│   ├── cache/                 # Caching implementation
│   │   ├── __init__.py        # Package exports
│   │   ├── query_cache.py     # Base cache interface
│   │   ├── lru_cache.py       # LRU cache implementation
│   │   ├── lfu_cache.py       # LFU cache implementation
│   │   └── fifo_cache.py      # FIFO cache implementation
│   └── __init__.py            # Package exports
├── server.py                  # Main entry point
├── setup.py                   # Package setup
├── install.sh                 # Installation script
├── requirements.txt           # Python dependencies
├── sparql-server.service      # Systemd service file
├── README.md                  # This file
└── LICENSE                    # License file

运行测试

# Test stdio transport
python test_sparql_server.py

# Test HTTP transport (start server first)
# Terminal 1:
python server.py --transport http --endpoint https://dbpedia.org/sparql
# Terminal 2:
# Run HTTP-specific tests (if available)

🔒 安全考虑

  • 服务器不实现身份验证或授权，它依赖于底层SPARQL端点的安全性
  • 对于生产使用，考虑部署在安全代理后面
  • 小心不受信任的查询，因为它们可能会占用大量资源

📄 许可证

该项目采用双重许可模式进行许可：

  • 开源：用于开源的GNU Affero通用公共许可证v3.0（AGPL-3.0）
  • 商业的：可用于商业或专有用途的专有商业许可

请参阅 许可证 文件以获取完整的详细信息。

该软件由Temkit Sid Ali为Yet.lu设想和开发，并得到了Claude（Anthropic）、GitHub Copilot/Codex（OpenAI）和GPT-o3（OpenAI。

🚀 路线图

我们对未来有令人兴奋的计划！查看我们的 详细路线图 看看接下来会发生什么，包括：

  • 🔒 增强的安全性和身份验证
  • 🌐 用于查询探索的Web界面
  • 🤖 人工智能驱动的自然语言到SPARQL的转换
  • 📊 高级数据可视化和分析
  • 🏢 企业功能和可扩展性改进

🤝 贡献

欢迎投稿！请随时提交拉取请求。

  1. 分叉存储库
  2. 创建功能分支(git checkout -b feature/amazing-feature)
  3. 提交您的更改(git commit -m 'Add some amazing feature')
  4. 推到分支(git push origin feature/amazing-feature)
  5. 打开拉取请求

查看我们的 贡献指南 了解详细的开发设置和指南。

🙏 致谢

这个项目建立在几个优秀的开源项目之上：

  • FastMCP -Joel Lowin构建MCP服务器和客户端的高级Python框架
  • SPARQL包装机 -RDFLib团队为Python开发的SPARQL端点接口
  • 派丹蒂克 -Samuel Colvin和Pydantic团队使用Python类型提示进行数据验证
  • python守护进程 -用于创建Unix守护进程的库

特别感谢：

  • 这 模型上下文协议（MCP） 开发协议规范的社区
  • Anthropic 感谢他们在人工智能助手和MCP生态系统方面的工作
  • 这 语义互联网 和 资源描述框架 社区的基础工作
  • W3C SPARQL规范和标准
  • AI开发合作伙伴:

- 克劳德（人类学） -架构、代码实现和文档的主要开发助理 - GitHub Copilot/Codex（OpenAI） -代码完成和开发加速 - GPT-o3（OpenAI） -高级推理和问题解决辅助

📬 联系

  • GitHub问题：
  • 网站： https://yet.lu
  • 发展：dev@yet.lu
  • 商业许可：legal@yet.lu

______________________________________________________________________

Built with ❤️ by Temkit Sid-Ali for Yet.lu

Co-developed with Claude (Anthropic), GitHub Copilot/Codex & GPT-o3 (OpenAI)

© 2025 Yet.lu - All rights reserved

目录标签

目录标签

高性能PythonClaude语义网本地部署数据查询缓存SPARQL

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

工具数量（toolCount，工具数）

0

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

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。

来源信息

yet-sparql-mcp-server logo

MCP World

mcpworld.com

/detail/c0d03e8bc985046cdb73817c70cded85

MCP SPARQL Server是一个高性能、可配置的服务器，连接任何SPARQL端点并提供增强功能，包括结果格式化和缓存。

继续浏览同类 MCP

更多数据服务 MCP（6,870）返回 MCP 目录

上一个 MCP

Yelp Fusion MCP Server

Yelp Fusion MCP Server提供商业搜索、评级、评论和市场调研数据访问服务，适用于市场研究和商业分析。

下一个 MCP

Yfinance MCP Server B6783c6e

该服务通过Model Context Protocol (MCP)服务器封装了对Yahoo Finance API的常见查询功能，适用于金融数据分析和可视化场景。