Skip to content
Back to search

FirstData

The World's Most Comprehensive, Authoritative, and Structured Open Source Data Source Knowledge Base

Safety scan

A static text scan, not a guarantee. Select the badge to see what was scanned and every finding.

Checked today
Badge for your README
findsafeskills safety rating

Markdown

[![findsafeskills safety rating](/api/listings/mlt-oss--firstdata/badge.svg)](/listings/mlt-oss--firstdata)

HTML

<a href="/listings/mlt-oss--firstdata"><img src="/api/listings/mlt-oss--firstdata/badge.svg" alt="findsafeskills safety rating" /></a>

Install

i

What was scanned

The files the safety scan read, as written by the repository's author and shown as plain text. Lines with a finding are marked.

README.md · README · 646 lines

View this file on GitHub (read at the repository's current version: the scan did not record which commit it read)

  1. # FirstData 🌐
  2. **[English](README.en.md)** | 中文 | **[日本語](README.ja.md)**
  3. ---
  4. **面向 AI Agent 的外部事实上下文层 — Purpose-built · Authoritative · Structured**
  5. **The External Facts Context Layer for AI Agents**
  6. > **Agent First**:FirstData 以 AI Agent 为第一优先用户设计。Agent 可通过标准化 Skill 自动完成注册、激活和 MCP 配置,零人工介入即可接入权威外部事实上下文。
  7. [![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
  8. [![Data Sources](https://img.shields.io/endpoint?url=https://raw.githubusercontent.com/MLT-OSS/FirstData/refs/heads/main/assets/badges/sources-count.json)](firstdata/indexes/statistics.json)
  9. [![Progress](https://img.shields.io/endpoint?url=https://raw.githubusercontent.com/MLT-OSS/FirstData/refs/heads/main/assets/badges/progress.json)](firstdata/indexes/statistics.json)
  10. [![MCP Server](https://img.shields.io/badge/MCP-AI%20Smart%20Search-purple.svg)](https://firstdata.deepminer.com.cn/)
  11. [![Skill](https://img.shields.io/badge/Skill-Agent%20First-blue.svg)](skills/firstdata/SKILL.md)
  12. [![ClawHub](https://img.shields.io/badge/ClawHub-firstdata-orange.svg)](https://clawhub.ai/ningzimu/firstdata)
  13. ---
  14. ## 🎯 为什么选择 FirstData?
  15. ### AI时代的事实防线:从"信息过载"到"真实稀缺"
  16. 在生成式 AI 重新塑造互联网的今天,**"信息"变得空前充沛,而"真实"正在变得稀缺**。
  17. 当噪音、拼贴与幻觉成为默认背景,**可信的一手证据(Primary Sources)不再只是参考资料,而是整个智能体系的地基**。
  18. ### 我们的目标:构建AI时代的可信底座
  19. 本项目旨在构建一个**面向 AI Agent 的、全球的、权威的、结构化的外部事实上下文层(External Facts Context Layer)**。
  20. 我们系统性发掘并聚合跨领域高可信信源——覆盖科研学术、政务公开、法律法规、公司披露与财报、标准规范与行业权威资料等——**将分散、非标、难复用的原始内容,转化为可追溯、可验证、可引用的"核心事实(Core Facts)"**,并保留完整证据链与版本历史,确保每一条结论都能"回到原文"。
  21. ### 这是一道面向大模型时代的"事实防线"
  22. ✅ **为模型提供抗幻觉、抗投毒的可信底座**
  23. - 计划覆盖1000+权威数据源(来源均为中外政府部门、国际组织、学术机构、行业权威协会)
  24. - 100%的URL验证,确保链接可用
  25. ✅ **为 Deep Research 提供可计算、可复查的证据链闭环**
  26. - 结构化元数据体系,包含完整访问路径
  27. - 支持编程访问,实现自动化证据追溯
  28. ✅ **让 AI 从"模糊概括二手信息"升级为"基于原文证据的严谨推理与引用"**
  29. - MCP智能Agent理解复杂查询,精准推荐权威数据源
  30. - 提供直达原始数据的完整路径(URL、API、下载方式)
  31. - 附带使用案例和引用示例,确保正确使用
  32. > **In the GenAI era, Clean Data > Big Model.**
  33. >
  34. > **让每一次深度思考,都建立在可以被验证的事实之上。**
  35. ---
  36. ## 🚀 核心优势
  37. | 特性 | 我们的独特之处 | AI时代的价值 |
  38. | -------------------------------- | ------------------------------------------------------------------------------ | ---------------------------------------------------------- |
  39. | 🇨🇳**深度覆盖中国数据源** | **全球独家**:规划收录500+中国政府数据源,涵盖多个核心领域 | 填补全球数据源目录中的中国空白,为跨国研究提供可信中国数据 |
  40. | 📊**结构化元数据体系** | 完整元数据标准(访问URL、API接口、权威等级、更新频率、数据内容等),不只是链接 | 机器可读、可编程访问,支持自动化证据链构建 |
  41. | ⭐**权威等级分类** | 政府、国际组织、研究机构、市场、商业等六类权威等级 | 科学评估数据源可信度,为AI提供质量过滤依据 |
  42. | 🤖**AI智能搜索** | 基于LLM驱动的数据源查询Agent,理解复杂多维度查询 | 自然语言即可获取权威数据源,无需人工筛选 |
  43. | 🔌**MCP协议集成** | 提供标准MCP Server,可集成到Claude Desktop、Cline等AI应用 | 让任何AI应用都能访问权威外部事实上下文层 |
  44. | 🤖**Agent Skill 分发** | 标准化 Skill 定义,Agent 可自动注册 token、自动配置 MCP,零人工介入 | Agent First — 让 Agent 像调用内置能力一样接入权威数据 |
  45. | 🌍**中英双语支持** | 所有元数据提供中英文版本 | 连接全球数据生态,打破语言壁垒 |
  46. | 🔍**100%验证** | 每个URL经过测试,每个数据源有完整文档,每个权威等级有依据 | 确保数据源真实可用,避免断链和幻觉引用 |
  47. ---
  48. ## 📊 数据源概览
  49. ### 覆盖范围
  50. 优先收录政府级与国际组织级权威数据源,同步覆盖顶级学术机构与行业权威来源:
  51. | 类别 | 典型来源 |
  52. | ----------------- | ----------------------------------------- |
  53. | 🌍 **国际组织** | 世界银行、IMF、OECD、WHO、FAO... |
  54. | 🇨🇳 **中国政府** | 人民银行、国家统计局、海关总署、证监会... |
  55. | 🌎 **各国官方** | 美国、加拿大、日本、英国、澳大利亚... |
  56. | 🎓 **学术机构** | NBER、Penn World Table、PubMed... |
  57. | 🏭 **行业领域** | 能源、金融、健康、气候... |
  58. ### 数据源列表
  59. 📄 浏览已收录的所有数据源:[firstdata/sources/README.md](firstdata/sources/README.md)
  60. ### 质量标准
  61. 每个收录的数据源均满足以下标准:
  62. - ✅ **100% URL验证** — 每个链接都经过测试且可用
  63. - ✅ **权威性优先** — 主要收录政府和国际组织数据源
  64. - ✅ **元数据验证** — 所有JSON文件通过schema验证
  65. - ✅ **双语文档** — 所有数据源提供中英文说明
  66. - ✅ **证据链完整** — 提供从查询到原始数据的完整路径
  67. ## 📐 元数据结构
  68. 每个数据源包含 **结构化元数据**,支持机器可读和自动化证据链构建:
  69. ### 核心信息
  70. - **唯一ID**:小写、连字符分隔的标识符
  71. - **名称**:英文、中文和本地语言名称
  72. - **组织**:名称、类型、国家、官方网站
  73. - **描述**:详细的双语描述
  74. ### 访问与发现
  75. - **主要URL**:主数据门户
  76. - **API信息**:可用性、文档、认证要求
  77. - **下载选项**:批量下载、支持格式(CSV、Excel、JSON等)
  78. - **访问级别**:开放、需注册、学术、商业、受限
  79. ### 覆盖详情
  80. - **地理范围**:全球、区域、国家、次国家级
  81. - **国家/地区**:具体覆盖区域
  82. - **时间范围**:起始年份、结束年份、更新频率
  83. - **领域**:经济、健康、气候、能源等
  84. - **数据内容**:具体数据类别和内容描述
  85. ### 权威性标识 - AI时代的可信度保障
  86. **authority_level字段**:权威等级分类
  87. - `government` - 政府机构
  88. - `international` - 国际组织
  89. - `research` - 研究机构
  90. - `market` - 市场机构
  91. - `commercial` - 商业机构
  92. - `other` - 其他
  93. **完整Schema**: 查看 [schemas/datasource-schema.json](schemas/datasource-schema.json)
  94. ## 🎯FirstData MCP
  95. **连接自然语言与一手权威数据的"最后一公里"**
  96. ---
  97. 我们构建了权威数据源的结构化外部事实上下文层,每个数据源都有完整的元数据、访问路径和权威性标识。但对于大多数用户来说,真正的挑战在于:如何在海量数据源中快速找到最合适的那一个?找到了数据源网站,如何在复杂的官方平台中准确定位目标数据?如何将这一切无缝集成到日常的 AI 工作流中?
  98. **FirstData MCP** 正是为此而生——将静态的外部事实上下文层转化为动态的智能导航系统,让每个人都能轻松访问权威数据。
  99. ---
  100. ### 📖 为什么需要FirstData MCP?
  101. 在 LLM 时代,我们习惯了直接询问答案,但往往面临两个核心痛点:
  102. ❌ **痛点 1:数据来源不可考(幻觉风险)**
  103. - AI 生成的数字可能过时、错误或完全虚构
  104. - 缺乏原始证据链,无法追溯验证
  105. - 二手引用层层转述,丢失原始上下文
  106. ❌ **痛点 2:专业数据库门槛高(难检索)**
  107. - 政府、国际组织网站导航复杂,术语晦涩
  108. - 不知道哪个数据源最权威、覆盖范围如何
  109. - 即使找到官网,也不知道如何定位目标数据
  110. ### 💡 我们的解决方案
  111. **本 MCP 服务构建从"模糊意图"到"精确数据路径"的完整闭环:**
  112. 它不直接生成可能过时的数字,而是作为一位**"权威数据向导"**,将用户引导至国家统计局、世界银行、行业白皮书等**可信一手信源(Primary Sources)**,并提供**具体到点击步骤的检索说明书**。
  113. > **让数据回归权威,让检索不再迷路。**
  114. ---
  115. ### ✨ 核心功能
  116. #### 1️⃣ 权威信源定位 (Source Locator)
  117. **解决"去哪找?"的问题**
  118. 基于用户的自然语言提问(如:"2023年中国新能源汽车出口量"),智能推荐最权威的一手数据源网站。
  119. **功能亮点:**
  120. - 🧠 **理解复杂查询**:自动识别地理+时间+领域+权威性等多维度需求
  121. - 🎯 **智能推荐**:Top 3-5 最相关数据源,附带详细匹配理由
  122. - 📊 **权威性保证**:所有推荐都标注权威等级(政府/国际组织/研究/市场等)
  123. - 🔗 **即用信息**:直接提供访问 URL、API 文档、数据格式
  124. - ✅ **证据链完整**:从查询到原始数据,每一步都可追溯
  125. - 🌍 **全球覆盖**:数据源覆盖全球范围内的各大领域,兼顾广度和深度
  126. **过滤营销号与二手引用,直达官网、官方报告或专业数据库。**
  127. **使用示例:**
  128. <details>
  129. <summary><b>示例1:研究人员 - 发展中国家经济数据 📚</b></summary>
  130. **场景**:
  131. > "我想调研一下发展中国家的GDP信息用于经济增长研究"
  132. **传统方式的问题**:
  133. - ❌ Google搜索充斥着二手报道、博客文章、过时链接
  134. - ❌ 不确定数据来源的权威性和方法论
  135. - ❌ 花费数小时导航机构网站,仍可能找错数据
  136. **使用 FirstData MCP:**
  137. 1. 🔍 **自然语言提问**:"发展中国家GDP"
  138. 2. 🎯 **Agent自动筛选**:世界银行、IMF、区域开发银行
  139. 3. 📊 **对比权威等级**:国际组织、政府机构等权威性分类
  140. **返回结果:**
  141. ```
  142. 📋 推荐数据源:
  143. 1. 世界银行 World Development Indicators
  144. - API:支持(完整文档)
  145. - 覆盖范围:217个国家和地区
  146. - 时间范围:1960年至今
  147. - 权威等级:international(国际组织)
  148. - 证据链:世界银行官方 → 一手数据 → 可追溯
  149. 2. IMF World Economic Outlook
  150. - API:支持
  151. - 覆盖范围:全球194个经济体
  152. - 更新频率:季度
  153. - 权威等级:international(国际组织)
  154. ```
  155. **价值**:
  156. - ✅ 从"不确定的搜索"到"基于权威证据的研究"
  157. - ✅ 节省数小时筛选时间
  158. - ✅ 避免使用错误数据源导致研究结论偏差
  159. </details>
  160. <details>
  161. <summary><b>示例2:数据分析师 - 中国货币政策数据 💰</b></summary>
  162. **场景**:
  163. > "我需要中国近10年的M1、M2货币供应量和利率数据"
  164. **传统方式的问题**:
  165. - ❌ AI助手可能给出过时链接或二手网站
  166. - ❌ 不清楚数据更新频率和历史覆盖范围
  167. - ❌ 缺乏API访问信息,无法自动化获取
  168. **MCP工作流程:**
  169. 1. 🔍 **识别关键词**:中国 + 货币政策 + M1/M2 + 10年时间范围
  170. 2. 🎯 **筛选条件**:国家=CN + 领域=金融 + 时间覆盖≥10年
  171. 3. 📊 **推荐Top数据源**(附带证据链)
  172. **返回结果:**
  173. ```
  174. 📋 推荐数据源:
  175. 1. 中国人民银行 (PBC)
  176. - 数据门户:http://www.pbc.gov.cn/diaochatongjisi/
  177. - API文档:有官方接口
  178. - 更新频率:月度
  179. - 历史覆盖:1990年至今
  180. - 权威等级:government(政府机构)
  181. - 证据链:中国央行官方 → 一手数据 → 可追溯
  182. 📈 可获取数据:
  183. - M0、M1、M2货币供应量(月度)
  184. - 存贷款基准利率
  185. - 银行间同业拆借利率
  186. ```
  187. **价值**:
  188. - ✅ **抗幻觉**:确保数据来自官方权威机构
  189. - ✅ **可计算**:提供API访问,支持自动化数据获取
  190. - ✅ **可复查**:完整元数据,任何人都可验证数据来源
  191. </details>
  192. <details>
  193. <summary><b>示例3:政策制定者 - 全球气候数据 🌍</b></summary>
  194. **场景**:
  195. > "我需要权威的气候数据来支持政策决策,要有API访问的全球数据"
  196. **风险**:
  197. - ❌ 使用不可靠数据源可能导致政策失误
  198. - ❌ 缺乏方法论透明度,无法评估数据质量
  199. - ❌ 二手引用缺乏原始证据链
  200. **MCP工作流程:**
  201. 1. 🔍 **多维度筛选**:地理范围=全球 + 领域=气候 + 有API + 高权威性
  202. 2. 🎯 **推荐符合条件的数据源**
  203. 3. 📊 **按权威等级排序**(优先推荐政府和国际组织)
  204. 4. 📋 **提供完整证据链**
  205. **返回结果:**
  206. ```
  207. 📋 推荐数据源:
  208. 1. NASA Earthdata
  209. - 覆盖范围:全球
  210. - API:支持(完整文档)
  211. - 数据类型:卫星观测、气候模型
  212. - 权威等级:government(政府机构)
  213. - 更新频率:实时/日度
  214. - 证据链:NASA官方 → 卫星数据 → 可验证
  215. 2. NOAA Climate Data Online
  216. - 覆盖范围:全球
  217. - API:支持
  218. - 更新频率:实时/日度
  219. - 权威等级:government(政府机构)
  220. - 证据链:美国政府 → 气象监测 → 可追溯
  221. ```
  222. **价值**:
  223. - ✅ **证据链闭环**:从查询 → 推荐 → 原始数据 → 完整可追溯
  224. - ✅ **方法论透明**:明确数据收集方法和质量标准
  225. - ✅ **可复现研究**:其他研究者可基于相同数据源验证结论
  226. - ✅ **降低政策风险**:从"不确定的决策依据"到"可验证的权威证据"
  227. </details>
  228. ---
  229. #### 2️⃣ 网站操作导航 (Site Pathfinder)
  230. **解决"怎么找?"的问题**
  231. 针对结构复杂、术语晦涩的专业网站,提供手把手的操作路径说明书,从首页到目标数据的完整导航指引。
  232. **功能亮点:**
  233. - 📖 **逐步操作指引**:明确每一步的操作对象、关键界面元素、筛选条件设置
  234. - 🎯 **多路径保障**:提供主路径 + 备选方案 + API 访问,每条路径都经过验证
  235. - 🔍 **精准定位**:具体到按钮位置、筛选器设置、下载步骤,而非笼统描述
  236. - 💡 **降低门槛**:非专业人士也能快速定位,从"数小时摸索"到"3-5分钟精准获取"
  237. - 🔄 **定期更新**:人工验证网站变化,及时更新操作路径
  238. - 🤖 **智能匹配**:基于用户查询意图,推荐最相关的操作指令
  239. **为常用权威数据源提供详细的网站导航指引,精确定位数据位置。**
  240. ---
  241. ### 🚀 完整使用示例:智能检索 + 操作说明书一站式方案
  242. **场景:查找新上市科技公司招股书进行投资研究**
  243. **用户提问:**
  244. > "我想研究国内最近上市的某家AI科技公司,需要找到他们的招股说明书,分析一下商业模式和财务状况"
  245. **✅ 使用 FirstData MCP 的完整工作流:**
  246. #### 📋 第一步:智能检索可信数据源
  247. ```
  248. 推荐数据源:
  249. 1. 香港交易及结算所有限公司 (HKEX)
  250. - 描述:港交所运营HKEXnews(披露易),提供上市公司招股书、
  251. 年报、IPO信息和监管文件的官方平台
  252. - 访问地址:https://www.hkexnews.hk
  253. - 权威等级:market(市场机构)
  254. - 文档类型:招股说明书、年报、公告
  255. - 证据链:官方披露文件 → 可直接引用
  256. 2. 中国证券监督管理委员会 (CSRC)
  257. - 访问地址:http://www.csrc.gov.cn
  258. - 境外上市备案信息查询
  259. - 权威等级:government(政府机构)
  260. ```
  261. **价值点:**
  262. - ✅ **避免幻觉**:推荐的是官方披露平台,不是新闻网站
  263. - ✅ **权威性保证**:明确标注数据源的权威等级
  264. - ✅ **提供关键线索**:预先提供财务概要信息,帮助理解数据背景
  265. #### 📖 第二步:获取网站操作说明书
  266. MCP 内置了**操作说明书数据库**,涵盖常用权威数据源的网站导航和下载步骤。
  267. **检索披露易(HKEXnews)网站操作指令:**
  268. ```
  269. source: https://www.hkexnews.hk
  270. operation: 如何查找新上市公司的招股说明书?
  271. ```
  272. **说明书检索结果:**
  273. ```
  274. 网站操作说明书:
  275. 主路径(推荐):
  276. 1. 访问香港交易所披露易网站首页 (https://www.hkexnews.hk)
  277. 2. 点击主导航栏中的 "NEW LISTINGS" 选项
  278. 3. 进入 New Listing Information 页面
  279. 4. 选择对应的市场板块(主板 Main Board 或创业板 GEM)
  280. 5. 在新上市公司列表中查找目标公司名称或股票代码
  281. 6. 点击对应的招股书下载链接(Prospectus)
  282. 7. 下载PDF文件即可
  283. 备选路径:
  284. 1. 访问香港交易所披露易网站首页
  285. 2. 使用搜索功能输入公司名称或股票代码
  286. 3. 在搜索结果中筛选文档类型为 "Prospectus"
  287. 4. 选择最新日期的招股说明书
  288. 5. 点击下载链接获取PDF文件
  289. ```
  290. **价值点:**
  291. - ✅ **即用指引**:提供逐步操作说明,无需人工摸索网站结构
  292. - ✅ **多路径保障**:提供备选方案,确保能成功获取文档
  293. - ✅ **降低门槛**:非专业人士也能快速定位官方文档
  294. #### 📊 第三步:基于官方数据进行分析
  295. **获取招股书后的研究分析框架:**
  296. 根据招股书披露的官方数据,可以进行系统性分析:
  297. **1. 商业模式分析**
  298. - **核心业务**:从招股书"业务概览"章节了解公司主营业务和收入来源
  299. - **市场定位**:分析目标市场、客户群体和竞争优势
  300. - **盈利模式**:识别收入结构、定价策略和变现路径
  301. **2. 财务状况分析**
  302. - **收入趋势**:查看历史财务数据,分析营收增长率和可持续性
  303. - **盈利能力**:评估毛利率、净利率等关键指标
  304. - **现金流**:研究经营活动现金流、融资用途和资金储备
  305. **3. 风险因素评估**
  306. - **业务风险**:招股书"风险因素"章节列出的主要风险
  307. - **财务风险**:负债水平、流动性、偿债能力
  308. - **行业风险**:市场竞争、技术变革、监管政策变化
  309. **4. 投资价值判断**
  310. - **成长潜力**:基于业务规划和市场前景评估增长空间
  311. - **估值合理性**:对比同行业公司市盈率、市销率等指标
  312. - **募资用途**:IPO资金使用计划是否与战略目标一致
  313. **✅ 完整的证据链闭环:**
  314. ```
  315. 用户提出研究需求
  316. ↓
  317. MCP 智能检索推荐权威数据源(港交所披露易)
  318. ↓
  319. 获取网站操作说明书(逐步导航指引)
  320. ↓
  321. 下载官方招股说明书(一手权威文档)
  322. ↓
  323. 基于官方披露数据进行系统性分析
  324. ↓
  325. 所有结论可回溯至原始文档验证
  326. ```
  327. **核心价值:**
  328. - ✅ **抗幻觉**:推荐的是港交所官方披露平台,而非新闻网站或 AI 生成内容
  329. - ✅ **可验证**:完整证据链,任何人都可以沿着路径获取相同的原始数据
  330. - ✅ **即用指引**:提供逐步操作说明,从"不知道在哪找"到"3-5分钟精准获取"
  331. - ✅ **多路径保障**:主路径 + 备选方案 + 搜索功能,确保能成功下载文档
  332. ---
  333. ## 🚀 快速开始
  334. FirstData 提供两条接入路径:**AI Agent 自动接入**(推荐)和**手动配置 MCP**。
  335. ---
  336. ### 路径一:AI Agent 自动接入(推荐)
  337. 如果你正在使用支持 Skill 的 AI Agent(如 Claude Code + OpenClaw 等),可以一键安装 FirstData Skill:
  338. ```bash
  339. clawhub install firstdata
  340. ```
  341. 安装后 Agent 可自动完成注册、激活和 MCP 配置,无需人工操作。
  342. > Skill 定义文件:[`skills/firstdata/SKILL.md`](skills/firstdata/SKILL.md) | ClawHub 页面:[clawhub.ai/ningzimu/firstdata](https://clawhub.ai/ningzimu/firstdata)
  343. ---
  344. ### 路径二:手动配置 MCP
  345. 适用于人工配置场景。支持 Claude Desktop、Cline、Cursor、Zed 等所有兼容 MCP 协议的 AI 应用。
  346. #### 第 1 步:获取 API Key
  347. 访问 [FirstData API 申请](https://firstdata.deepminer.com.cn/) 申请免费的 API Key。
  348. #### 第 2 步:添加 MCP 配置
  349. 所有平台的核心配置相同,将以下 JSON 添加到你所用平台的 MCP 配置文件中:
  350. ```json
  351. {
  352. "mcpServers": {
  353. "firstdata": {
  354. "type": "streamable-http",
  355. "url": "https://firstdata.deepminer.com.cn/mcp",
  356. "headers": {
  357. "Authorization": "Bearer <YOUR_FIRSTDATA_API_KEY>"
  358. }
  359. }
  360. }
  361. }
  362. ```
  363. > **注意**:Zed 使用 `context_servers` 而非 `mcpServers` 作为顶层 key。
  364. #### 第 3 步:找到你的平台配置文件
  365. <details>
  366. <summary><b>各平台配置文件位置</b></summary>
  367. | 平台 | 配置文件位置 | 参考文档 |
  368. |------|-------------|---------|
  369. | **Claude Desktop** | macOS: `~/Library/Application Support/Claude/claude_desktop_config.json`<br>Windows: `%APPDATA%\Claude\claude_desktop_config.json`<br>Linux: `~/.config/Claude/claude_desktop_config.json` | — |
  370. | **Cline (VS Code)** | Cline → 设置 → Advanced MCP settings,或 `cline_mcp_settings.json` | [文档](https://docs.cline.bot/mcp/configuring-mcp-servers) |
  371. | **Cursor** | `Cmd/Ctrl+Shift+P` → "MCP Settings",或 Cursor Settings → MCP | — |
  372. | **Copilot / VS Code** | VS Code MCP 设置,或 CLI:`code --add-mcp '{...}'` | [文档](https://code.visualstudio.com/docs/copilot/chat/mcp-servers#_add-an-mcp-server) |
  373. | **Zed** | `.zed/settings.json` 或 `~/.config/zed/settings.json`(使用 `context_servers`) | — |
  374. | **JetBrains** | Settings → Tools → AI Assistant → MCP,或 Junie → MCP Settings | — |
  375. | **Windsurf** | Windsurf MCP 配置 | [文档](https://docs.windsurf.com/windsurf/cascade/mcp#mcp-config-json) |
  376. | **Warp** | Settings → AI → Manage MCP Servers | [文档](https://docs.warp.dev/knowledge-and-collaboration/mcp#adding-an-mcp-server) |
  377. | **Gemini CLI** | Gemini CLI MCP 配置 | [文档](https://github.com/google-gemini/gemini-cli/blob/main/docs/tools/mcp-server.md) |
  378. | **Gemini Code Assist** | Gemini Code Assist MCP 配置 | [文档](https://cloud.google.com/gemini/docs/codeassist/use-agentic-chat-pair-programmer#configure-mcp-servers) |
  379. | **Factory CLI (Droid)** | Factory CLI 配置 | [文档](https://docs.factory.ai/cli/configuration/mcp) |
  380. | **Qoder** | Qoder Settings → MCP Server → + Add | [文档](https://docs.qoder.com/user-guide/chat/model-context-protocol) |
  381. | **Kiro** | Kiro Settings → Configure MCP,或 Activity Bar → MCP Servers | — |
  382. | **OpenCode** | `~/.config/opencode/opencode.json` | [文档](https://opencode.ai/docs/mcp-servers) |
  383. | **Visual Studio** | Visual Studio MCP 配置 | — |
  384. | **Codex** | Codex MCP 配置 | [文档](https://github.com/openai/codex/blob/main/docs/advanced.md#model-context-protocol-mcp) |
  385. | **Amp** | Amp MCP 配置 | [文档](https://ampcode.com/manual#mcp) |
  386. </details>
  387. ---
  388. #### 使用说明
  389. **配置完成后**,你可以在支持 MCP 的 AI 平台中直接用自然语言提问:
  390. **示例提问**:
  391. - "帮我找到中国人民银行的M2货币供应量数据源"
  392. - "我需要有API访问的全球气候数据,推荐权威来源"
  393. - "查找香港交易所的上市公司披露信息"
  394. - "发展中国家的GDP数据在哪里可以找到?"
  395. 检索 Agent 会为你查找并推荐最权威的数据源。
  396. ## 🤝 如何贡献
  397. ### 推荐新数据源
  398. 发现了权威可信的数据源?欢迎向我们推荐!
  399. **推荐流程:**
  400. 1. [提交Issue](链接) 说明数据源信息和推荐理由
  401. 2. 我们会评估其权威性、数据质量和可信度
  402. 3. 通过评估后,将正式收录到数据源仓库
  403. **收录标准:**
  404. - ✅ 政府官方数据源(国家级、省级、地方级)
  405. - ✅ 国际组织官方数据
  406. - ✅ 顶级学术机构和研究仓库
  407. - ✅ 定期更新的权威行业数据
  408. ## 💬 Community and Support | 社区与支持
  409. 加入我们的社区,与数据研究者、开发者和贡献者交流!
  410. **Join our community to connect with data researchers, developers, and contributors!**
  411. ### 微信交流群 | WeChat Group
  412. <div align="center">
  413. <img src="assets/wechat-qrcode.png" alt="WeChat Group QR Code" width="300"/>
  414. <p><i>扫描二维码加入微信群 | Scan to join WeChat group</i></p>
  415. </div>
  416. > 💡 **提示**: 加入社区后,你可以:
  417. > - 讨论数据源推荐和使用经验
  418. > - 获取技术支持和最佳实践
  419. > - 参与项目开发和贡献
  420. > - 了解最新的数据源更新和功能发布
  421. ## Star History
  422. [![Star History Chart](https://api.star-history.com/svg?repos=MLT-OSS/FirstData&type=date&legend=top-left)](https://www.star-history.com/#MLT-OSS/FirstData&type=date&legend=top-left)
  423. ## 📄 许可协议
  424. 本项目采用 [MIT License](LICENSE) 开源。
  425. ---
  426. <p align="center">
  427. <strong>打造AI时代的可信底座 | 让每一次深度思考都建立在可验证的事实之上</strong><br>
  428. <strong>Building the Trusted Foundation for AI Era | Every Deep Thought Based on Verifiable Facts</strong>
  429. </p>
  430. <p align="center">
  431. <sub>Made with ❤️ by the FirstData Community</sub>
  432. </p>
  433. <p align="center">
  434. <a href="#-为什么选择-firstdata">为什么</a> •
  435. <a href="#-核心优势">核心优势</a> •
  436. <a href="#-数据源概览">数据源概览</a> •
  437. <a href="#-快速开始">快速开始</a> •
  438. <a href="#-如何贡献">如何贡献</a>
  439. </p>

Ratings and comments

Sign in to rate this skill.

Sign in

Free to use. If it’s helped, pass it on.