Google Earth Engine

• Python: 3.11
• 环境: .venv (uv)
• 安装依赖: uv pip install -r requirements-lock.txt

GEE MCP Server

本仓库新增了一个基于 Google Earth Engine 的 MCP 服务入口：

• project/gee_mcp_server.py

运行方式

1. 安装依赖（已完成可跳过）
   • uv pip install -r requirements-lock.txt
2. 如果未安装 MCP Python SDK，请安装
   • uv pip install mcp
3. 启动服务（stdio 传输）
   • python project/gee_mcp_server.py

提供的 MCP 工具

1. interactive_parameter_collection

   • 自然语言参数提取与缺失项追问。
   • 对以下关键项做检查：ROI、时间范围、传感器、云量阈值与QA掩膜、拼接策略、分辨率与EPSG。

2. build_index_strategy

   • 返回指数计算策略（当前内置 NDVI/NDWI/NDMI）和对应传感器波段映射。

3. smart_fetch_remote_sensing_image

   • 智能下载路由：
     • 小体积/像素量: 直接下载 (getDownloadURL)。
     • 超限: 自动切换 Drive 批量导出，并轮询任务状态，完成后自动下载到本地并清理 Drive 缓存文件。
   • 内置监测信息：导出任务历史状态、估算像素与字节、覆盖率预警（避免单轨道条带导致覆盖不足）。

4. handoff_to_qgis

   • 将本地栅格/矢量路径和元数据传递到 QGIS MCP，实现自动加载。
   • 默认通过 QGIS_MCP_PORT 读取端口；默认值为 9876。

认证与缺失信息引导

• 若 Earth Engine 未认证，工具会返回引导：
  • earthengine authenticate
  • python -c "import ee; ee.Initialize()"
• 若 Drive API 凭据不可用，工具会返回作用域与 API 启用检查提示。
• 若 QGIS MCP 不可达，工具会提示检查服务状态与端口配置（默认 9876）。

典型工作流

1. 先调用 interactive_parameter_collection 解析用户自然语言。
2. 根据 missing_fields 继续追问，直至 ready=true。
3. 调用 smart_fetch_remote_sensing_image 执行获取与下载。
4. 调用 handoff_to_qgis 完成可视化联动。

文档导航

1. 使用说明: docs/USAGE.md
2. 模型执行标准: docs/mcp-remote-sensing-playbook.md
3. GitHub 打包与发布: docs/GITHUB_PUBLISH.md
4. 仓库级模型约束: .github/copilot-instructions.md

一键打包

bash scripts/create_release_bundle.sh

输出目录：dist/