DonnéEs QuéBec

CI License: MIT Python 3.11+

Serveur Model Context Protocol (MCP) qui permet aux agents IA (Claude, ChatGPT, Gemini, etc.) de rechercher, explorer et analyser les jeux de données de Données Québec, de la Ville de Montréal et des services géospatiaux du gouvernement du Québec (IGO), directement par conversation.

Au lieu de naviguer manuellement sur les portails, posez simplement vos questions : « Quels jeux de données existent sur la criminalité à Montréal ? » ou « Combien d'actes criminels par arrondissement en 2025 ? » et obtenez des réponses instantanées, incluant des analyses SQL.

Fonctionnalités clés : Requêtes SQL sur le DataStore | Téléchargement de ressources non-DataStore (CSV, JSON, GeoJSON) | Recherche + interrogation en un appel | Géocodage québécois | Conversion EPSG:32198 ↔ 4326 | Intersection spatiale | Couches géospatiales OGC | 3 sources de données | 28 outils

English version below

---

Exemples de requêtes

Voici ce que vous pouvez demander directement à votre agent IA :

1. Analyse SQL — criminalité par quartier

« Quels sont les 10 postes de quartier avec le plus d'actes criminels à Montréal ? »

Rang	PDQ	Total actes
1	38 (Centre-Sud)	24 942
2	21 (Plateau-Mont-Royal)	23 041
3	20 (Ville-Marie Est)	20 135
4	48 (Saint-Laurent)	16 163
5	26 (Côte-des-Neiges)	15 955

L'agent exécute automatiquement une requête SQL GROUP BY sur le DataStore montréalais.

2. Exploration multi-outils — arbres publics

« Trouve les données sur les arbres publics de Montréal, explore la structure, puis dis-moi combien d'arbres par arrondissement. »

L'agent enchaîne 3 outils : search_montreal_datasets pour trouver le jeu, query_montreal_data pour explorer les colonnes, puis query_montreal_sql pour l'agrégation. Résultat : 333 556 arbres répartis dans 13 arrondissements, Mercier-Hochelaga-Maisonneuve en tête (37 871).

3. Statistiques du catalogue

« Combien d'organisations publient des données sur Données Québec ? »

139 organisations, 1 584 jeux de données. La Ville de Montréal domine avec 383 jeux (24 % du catalogue), suivie de Laval (133) et du MELCCFP (119).

4. Tendance temporelle

« Quelle est la tendance mensuelle des actes criminels à Montréal ? »

L'agent identifie un pic au printemps/été (~2 700/mois) et une baisse en hiver (~1 700-2 000/mois) via une requête SQL avec GROUP BY sur les dates.

5. Données géospatiales — patrimoine culturel

« Quelles couches géospatiales sont disponibles pour le patrimoine culturel du Québec ? »

L'agent interroge le WFS IGO et trouve 7 couches du Ministère de la Culture : sites patrimoniaux nationaux, déclarés, cités, terrains protégés — avec schéma complet (nom, adresse, période de construction, statut juridique).

Voir tous les exemples avec réponses complètes

---

Connecter votre agent IA au serveur MCP

Utilisez le endpoint hébergé (bientôt disponible) ou lancez localement. La configuration dépend de votre client :

Claude Code | Claude Desktop | ChatGPT | Cursor | VS Code | Gemini CLI | Le Chat (Mistral) | Windsurf

Claude Code

claude mcp add --transport http donneesqc http://localhost:8000/mcp

Note : Si Claude Code bloque les appels réseau vers les API externes, ajoutez les domaines à la whitelist dans votre .claude/settings.json :

{
  "permissions": {
    "allow": [
      "WebFetch(domain:registreentreprises.gouv.qc.ca)",
      "WebFetch(domain:www.donneesquebec.ca)"
    ]
  }
}

Claude Desktop

Ajoutez dans votre fichier de configuration Claude Desktop :

{
  "mcpServers": {
    "donneesqc": {
      "command": "npx",
      "args": ["mcp-remote", "http://localhost:8000/mcp"]
    }
  }
}

ChatGPT

Forfaits payants seulement. Allez dans Settings > Apps and connectors > activez le Developer mode > Add new connector avec l'URL http://localhost:8000/mcp.

Cursor

{
  "mcpServers": {
    "donneesqc": {
      "url": "http://localhost:8000/mcp",
      "transport": "http"
    }
  }
}

VS Code

Ajoutez dans mcp.json (lancez MCP: Open User Configuration depuis la palette de commandes) :

{
  "servers": {
    "donneesqc": {
      "url": "http://localhost:8000/mcp",
      "type": "http"
    }
  }
}

Gemini CLI

Ajoutez dans ~/.gemini/settings.json :

{
  "mcpServers": {
    "donneesqc": {
      "httpUrl": "http://localhost:8000/mcp"
    }
  }
}

Le Chat (Mistral)

Intelligence > Connectors > Add connector > Custom MCP Connector > URL : http://localhost:8000/mcp.

Windsurf

Ajoutez dans ~/.codeium/windsurf/mcp_config.json :

{
  "mcpServers": {
    "donneesqc": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "http://localhost:8000/mcp"]
    }
  }
}

Lancer localement

Avec Docker (recommandé)

git clone https://github.com/Stefen-Taime/donneesqc-mcp.git
cd donneesqc-mcp
docker compose up -d

Installation manuelle

git clone https://github.com/Stefen-Taime/donneesqc-mcp.git
cd donneesqc-mcp
uv sync
cp .env.example .env
set -a && source .env && set +a
uv run python main.py

Variables d'environnement :

Variable	Défaut	Description
MCP_HOST	0.0.0.0	Adresse d'écoute. Utilisez 127.0.0.1 en développement local.
MCP_PORT	8000	Port du serveur HTTP.
MCP_ENV	local	Nom de l'environnement (Sentry).
DQ_API_URL	https://www.donneesquebec.ca/recherche/api/3/action	API CKAN de Données Québec.
MTL_API_URL	https://donnees.montreal.ca/api/3/action	API CKAN de Montréal.
GEO_WFS_URL	https://geoegl.msp.gouv.qc.ca/ws/igo_gouvouvert.fcgi	Endpoint WFS IGO.
GEO_WMS_URL	https://geoegl.msp.gouv.qc.ca/ws/igo_gouvouvert.fcgi	Endpoint WMS IGO.
GEOCODER_URL	https://geoegl.msp.gouv.qc.ca/apis/icherche	API de géocodage Adresses Québec (ICherche).
HTTP_TIMEOUT	30.0	Timeout HTTP en secondes.
HTTP_MAX_RETRIES	3	Nombre de tentatives en cas d'erreur réseau ou 5xx.
DOWNLOAD_MAX_BYTES	52428800 (50 Mo)	Taille maximale pour le téléchargement de fichiers.
LOG_LEVEL	INFO	Niveau de journalisation Python.
SENTRY_DSN	(non défini)	DSN Sentry pour le monitoring.

Transport

Construit avec le SDK Python MCP officiel. Streamable HTTP uniquement — STDIO et SSE ne sont pas supportés.

Endpoints :

• POST /mcp — Messages JSON-RPC
• GET /health — Sonde de santé

Outils disponibles (28)

Données Québec — jeux de données (9 outils)

Outil	Description
search_datasets	Recherche par mots-clés, organisation, tags
get_dataset_info	Métadonnées complètes d'un jeu de données
list_dataset_resources	Liste les fichiers/ressources d'un jeu
get_resource_info	Détail d'une ressource spécifique
query_resource_data	Interroge le DataStore avec filtres et pagination
query_resource_sql	SQL direct — agrégations, jointures, sous-requêtes
list_organizations	Ministères, villes, organismes
get_organization_info	Détail d'une organisation
get_catalog_stats	Statistiques globales du catalogue

Ville de Montréal (3 outils)

Outil	Description
search_montreal_datasets	Recherche sur donnees.montreal.ca
query_montreal_data	Interroge le DataStore montréalais
query_montreal_sql	SQL sur les données montréalaises

Data access (2 outils)

Outil	Description
download_resource	Télécharge et lit des ressources non-DataStore (CSV, JSON, GeoJSON, XLSX)
preview_resource	Aperçu intelligent — schéma (colonnes + types) et 5 premières lignes

Intelligence & UX (4 outils)

Outil	Description
find_and_query	Composite — enchaîne search → resources → query en un seul appel
suggest_sql	Génère des squelettes SQL à partir du schéma d'une ressource
compare_datasets	Diff entre 2 jeux (colonnes, volumes, tags, organisations)
auto_detect_resource	Trouve automatiquement le meilleur resource_id à partir d'un nom

Géospatial (8 outils)

Outil	Description
list_geospatial_layers	Couches WFS/WMS depuis IGO
get_geospatial_features	Entités GeoJSON depuis le WFS
describe_geospatial_layer	Schéma d'une couche (champs, types)
get_map_url	URL d'image cartographique WMS
geocode	Adresse québécoise → coordonnées lat/lng (via Adresses Québec)
reverse_geocode	Coordonnées lat/lng → adresse québécoise
convert_coordinates	Conversion EPSG:32198 (Lambert MTQ) ↔ EPSG:4326 (WGS84)
spatial_intersection	Quelle région / MRC / municipalité / arrondissement contient un point

Système (2 outils)

Outil	Description
get_version	Version du serveur, Python, capacités disponibles
list_tools_with_examples	Meta-introspection — liste tous les outils avec exemples d'utilisation

Tests

# Lancer tous les tests
uv run pytest

# Mode verbeux
uv run pytest -v

# Test interactif avec MCP Inspector
npx @modelcontextprotocol/inspector --http-url "http://127.0.0.1:8000/mcp"

Contribuer

• 1 fonctionnalité = 1 PR
• Tout le code doit être révisé et testé par un humain avant soumission.

# Lint et formatage
uv run ruff check --fix && uv run ruff format

# Vérification de types
uv run ty check

# Installer les hooks pre-commit
uv run pre-commit install

Releases

./tag_version.sh 1.0.0            # Créer une release
./tag_version.sh 1.0.0 --dry-run  # Aperçu

Sources de données

• Données Québec — Portail provincial (gouvernement + municipalités), basé sur CKAN
• donnees.montreal.ca — Portail municipal de Montréal, le plus riche au Québec
• IGO — Infrastructure Géomatique Ouverte, services OGC (WMS/WFS)
• Adresses Québec (ICherche) — Géocodage et géocodage inverse

Licence

MIT — voir LICENSE.

---

English

MCP server that lets AI agents (Claude, ChatGPT, Gemini, etc.) search, explore, and analyze open datasets from Données Québec, Ville de Montréal, and Quebec's geospatial services (IGO) through conversation.

Instead of manually browsing portals, simply ask questions like "What datasets exist about crime in Montreal?" or "How many criminal acts per borough in 2025?" and get instant answers — including SQL-powered analytics.

All setup instructions, tool descriptions, and environment variables are documented in the French section above. The configuration snippets (JSON, bash) are language-independent and apply as-is.

Quick start

git clone https://github.com/Stefen-Taime/donneesqc-mcp.git
cd donneesqc-mcp
docker compose up -d

Then connect your AI client to http://localhost:8000/mcp — see the connection section above for client-specific configs.

Available tools (28)

• Données Québec (9): dataset search, metadata, DataStore queries, direct SQL, organizations, catalog stats
• Ville de Montréal (3): dataset search, DataStore queries, SQL
• Data access (2): non-DataStore file download (CSV, JSON, GeoJSON, XLSX), smart preview (schema + 5 rows)
• Intelligence & UX (4): composite search+query, SQL suggestion, dataset comparison, auto resource detection
• Geospatial (8): WFS/WMS layers, GeoJSON features, geocoding, reverse geocoding, EPSG:32198↔4326 conversion, spatial intersection
• System (2): version info, tool listing with examples (meta-introspection)

---

Un projet mcsÉdition — Montréal, Québec