内容
# 地理厨师 MCP 技能
> 用于遥感视觉语言（RS-VLM）数据集的智能检索和分析 MCP 技能。
> 用自然语言与 AI 助手对话 — 搜索数据集，检测数据泄漏，比较指标，探索趋势，并获取论文解释。
[](LICENSE)
[](http://dx.doi.org/10.36227/techrxiv.176978652.29736845/v1)
[](https://modelcontextprotocol.io)
---
## 什么是地理厨师？
地理厨师是一款 MCP（模型上下文协议）技能，为 Claude、Cursor 和 Kiro 等 AI 助手提供直接访问精选 RS-VLM 数据集索引的功能。无需手动搜索论文和电子表格，只需向 AI 提问：
```
查找 2022 年后发布的 SAR 物体检测数据集
告诉我关于 GeoChat 数据集的信息
比较 OSVQA 和 SkyEye-968K
哪些数据集使用 DOTA 作为来源？有任何泄漏风险吗？
查找与 GeoChat-Instruct 类似的数据集
显示 NASA 今日图片
```
AI 会在后台调用地理厨师的工具，并用自然语言回答。
---
## 安装
需要 [uv](https://docs.astral.sh/uv/getting-started/installation/)，无需 API 密钥。
在 MCP 配置文件中添加：
```json
{
"mcpServers": {
"geochef": {
"command": "uvx",
"args": ["geochef-mcp"]
}
}
}
```
| 客户端 | 配置文件位置 |
|--------|---------------------|
| Claude Desktop (macOS) | `~/Library/Application Support/Claude/claude_desktop_config.json` |
| Claude Desktop (Windows) | `%APPDATA%\Claude\claude_desktop_config.json` |
| Cursor | 设置 → MCP |
| Kiro | `.kiro/settings/mcp.json` |
数据集索引将在首次运行时自动下载并缓存在本地 — 无需手动设置。
---
## 功能
| 功能 | 示例提示 |
|---------|----------------|
| **数据集搜索** | "查找具有 SAR 模态的 VQA 数据集" |
| **基于规模的搜索** | "查找样本量超过 100K 的数据集" |
| **论文解释** | "告诉我关于 OSVQA 数据集的信息" |
| **数据集比较** | "比较 GeoChat 和 SkyEye-968K" |
| **比较列表** | "将 OSVQA 添加到比较列表，然后添加 GeoChat，现在比较" |
| **相似数据集** | "查找与 GeoChat-Instruct 类似的数据集" |
| **数据泄漏检测** | "哪些数据集与 GeoChat-Instruct 共享源数据？" |
| **批量泄漏检测** | "检测 DOTA、DIOR、UCM 跨多个源数据集的泄漏风险" |
| **推荐** | "我正在构建一个 SAR 字幕模型，应该使用哪些数据集？" |
| **统计概览** | "显示数据集按年份和任务类型的分布" |
| **地理分布** | "哪些国家发表了最多的 RS-VLM 论文？" |
| **增长趋势** | "VQA 数据集多年来增长了多少？" |
| **会议分布** | "哪些期刊和会议发表了最多的数据集？" |
| **出版者分析** | "TGRS 发布了哪些数据集？" |
| **时间线** | "显示 SAR 字幕数据集的历史记录" |
| **关系图** | "哪些数据集与 OSVQA 相关？" |
| **导出** | "将这些数据集导出为 BibTeX" / "生成 Markdown 表格" |
| **收藏** | "将 OSVQA 保存到收藏夹" / "显示我的收藏夹" |
| **随机发现** | "推荐一个随机数据集" |
| **数据集测验** | "用部分线索测验我一个数据集" |
| **NASA 今日图片** | "显示 NASA 今日卫星图片" |
---
## 工具
### 搜索与发现
| 工具 | 描述 |
|------|-------------|
| `search_datasets` | 按关键词、模态、任务、年份、出版者进行多维搜索 |
| `search_by_scale` | 按样本数量范围过滤数据集，可选任务/模态 |
| `get_dataset_info` | 按名称获取数据集的完整详细信息（支持模糊匹配） |
| `get_paper_link` | 查找论文 URL 并触发 AI 解释 |
| `recommend_datasets` | 根据自然语言研究需求推荐数据集 |
| `find_similar_datasets` | 基于模态、任务类型和年份的评分相似性搜索 |
| `random_dataset` | 随机推荐数据集 |
### 比较
| 工具 | 描述 |
|------|-------------|
| `compare_datasets` | 并排 Markdown 比较表格（最多 4 个数据集） |
| `compare_with_analysis` | 比较表格 + AI 生成的差异分析 |
| `compare_add / remove / clear / current` | 在多个回合中管理持久的比较列表 |
### 数据泄漏检测
| 工具 | 描述 |
|------|-------------|
| `query_source_usage` | 查找使用给定源数据集的所有数据集 |
| `batch_leakage_detection` | 检测多个源数据集的高风险交集 |
| `list_all_sources` | 列出所有可用的源数据集名称 |
| `dataset_relations` | 查找与给定数据集共享源数据的 dataset |
### 统计与分析
| 工具 | 描述 |
|------|-------------|
| `dataset_stats` | 概览：年份 / 任务 / 模态 / 类别分布 |
| `dataset_geo_stats` | 论文来源的国家和地区分布 |
| `dataset_trend_stats` | 按任务类型和增长率的年度增长趋势 |
| `dataset_venue_stats` | 期刊和会议出版物分布 |
| `publisher_analysis` | 给定出版者的所有数据集，任务/模态分类 |
| `dataset_timeline` | 数据集的时间轴视图，按任务或模态过滤 |
### 收藏与导出
| 工具 | 描述 |
|------|-------------|
| `favorite_add / remove / list` | 管理持久的收藏列表 |
| `export_dataset_summary` | 将数据集导出为 Markdown 表格或 BibTeX 引用 |
### 额外功能
| 工具 | 描述 |
|------|-------------|
| `dataset_quiz` | 随机猜测游戏 — 根据部分线索识别数据集 |
| `nasa_image_of_the_day` | 获取最新的 NASA 地球观测卫星图像 |
---
## 数据
- 数据集索引：[`rs_vlm_datasets.xlsx`](rs_vlm_datasets.xlsx) — 146+ RS-VLM 数据集的结构化元数据，涵盖 VQA、Caption、VG 和 Comprehensive 类别
- 论文链接：[`dataset_links.md`](dataset_links.md) — 将数据集名称映射到论文 URL（arXiv、IEEE、ISPRS 等）
- 来源：[Awesome-RS-VL-Data](https://github.com/VisionXLab/Awesome-RS-VL-Data)，持续更新
---
## 引用
```bibtex
@article{geochef2025,
title={地理厨师：RS-VLM 数据集的智能检索和分析工具},
author={DREAMS@ECNU and VisionXLab@SJTU},
journal={TechRxiv},
year={2025},
doi={10.36227/techrxiv.176978652.29736845}
}
```
