内容
# 公开资助数据
一个基于人工智能的、公有领域的的数据集，包含 **756,453 个美国资助者**、**95,735 个资助机会**，以及一个 **750 万边的资助者-受助者资助图** —— 这是付费资助者数据库的开放替代品。
这些数据长期以来一直被限制在每年约 1,500–2,000 美元的订阅费用下。本次发布将其公开 —— **CC0，无附加条件，无需账户，无 API 密钥** —— 并附有现代嵌入式数据和可直接使用的 MCP 服务器，以便任何 AI 助手都可以开箱即用。
> 快照：**2026 年 6 月**，特定时间点。不会持续维护。原始文本随每行数据提供，因此您可以重新嵌入到任何未来的模型中 —— 它不会过时。
## 30 秒上手（无需安装）
> 新手？ **[快速入门 + 故障排除 →](GETTING_STARTED.md)** （也可作为 [网页版](https://qwntl-labs-open-grant-data-mcp.hf.space/)）。
将托管的 MCP 服务器添加到您的 AI 助手：
- **Claude** （付费计划 —— Pro/Max/Team/Enterprise）：设置 → 连接器 → *添加自定义连接器* → `https://qwntl-labs-open-grant-data-mcp.hf.space/mcp`
- **ChatGPT** （Plus/Pro）：设置 → 连接器 → 高级 → 启用 *开发者模式* → *添加 MCP 服务器* → 相同的 URL
典型的搜索需要几秒钟（~2–5 秒）。服务器重启后，第一次查询可能需要一两分钟，因为数据集正在重新加载。
然后询问类似 *"为肯塔基州的一个农村卫生诊所寻找资助者，资金需求约为 75,000 美元"* 的问题 —— 您的 AI 助手将获得排名靠前的资助者名单、开放的资助机会和截止日期，以及 **已经资助过类似组织的资助者**，这些信息基于真实的资助历史和资金金额。
## 数据内容
| 路径 | 行数 | 内容 |
|------|------|----------|
| `funder/` | 756,453 | 资助者资料：名称、EIN、22 类分类、使命、NTEE、地点、官员（公开的 990 表格第 VII 部分）、资助规模范围 + 嵌入式数据 |
| `grants/` | 95,735 | 资助机会：标题、完整描述、AI 提取的资格、奖励范围、截止日期、来源链接 + 嵌入式数据 |
| `graph/edges/` | 7,525,377 | **资助者-受助者资助图**：资助者 → 受助者资助，附带年份和美元金额 |
| `graph/recipients_emb/` | 1,810,300 | 受助者组织：名称、EIN、州、NTEE、使命 + 嵌入式数据 |
数据集：[huggingface.co/datasets/qwntl-labs/open-grant-data](https://huggingface.co/datasets/qwntl-labs/open-grant-data)
· 嵌入式数据：`mixedbread-ai/mxbai-embed-large-v1`，1024 维，int8 量化（参见 `DATA_DICTIONARY.md`）。
## 自行运行（高级用户）
托管服务器的完整源代码位于 [`server/`](server/) 中 —— 它作为 **本地 MCP（stdio）** 或您自己的 HTTP 部署运行时，与托管服务器完全相同：
```bash
pip install -r server/requirements.txt --extra-index-url https://download.pytorch.org/whl/cpu
export DATA_DIR=./data HF_REPO=qwntl-labs/open-grant-data # 自动下载（约 5.5 GB；加载需要约 12 GB RAM）
python server/server.py # 在 :7860 上提供 HTTP 服务（MCP 端点：http://localhost:7860/mcp）
python server/server.py --stdio # 本地 MCP（Claude Desktop、Cursor 等）
```
首次运行：首先启动 HTTP 模式，以便约 5.5 GB 的数据集下载并加载，然后再配置 `--stdio` —— 否则，Claude Desktop 中的第一个工具调用可能会在下载过程中超时。
Claude Desktop 配置：
```json
{ "mcpServers": { "open-grant-data": {
"command": "python", "args": ["/path/to/server/server.py", "--stdio"],
"env": { "DATA_DIR": "/path/to/data" } } } }
```
或者完全跳过 MCP —— 它是纯粹的 Parquet：
```python
import duckdb
f = "hf://datasets/qwntl-labs/open-grant-data/funder/part-*.parquet" # 或 ./data/funder/part-*.parquet
duckdb.sql(f"SELECT organization_name, city, state_code FROM '{f}' WHERE state_code='KY' LIMIT 5")
```
## 您的 AI 助手可用的工具（[完整规格](MCP_TOOLS.md)）
- `find_funders` —— 基于语义和筛选的资助者搜索，排名和解释
- `funders_who_fund_orgs_like_mine` —— 最强有力的拓展策略，基于真实的资助图
- `find_grants` —— 开放的资助机会，截止日期和奖励金额感知
- `get_funder` —— 深度资料，包括官员和主要受助者及其资金金额
- `similar_funders`、`lookup_funder` —— 扩展和解析
## 许可证和来源
- **数据：CC0 1.0** (`LICENSE-DATA.txt`) —— GrantX 持有的所有权利的公有领域奉献。该事实、图、嵌入式数据和汇编永远不能被重新限制（参见下文中的第三方文本注释）。
- **代码和文档：MIT** (`LICENSE`)。由 QWNTL Labs（GrantX Inc. 的 dba）发布。
- 100% 公共来源：IRS 990 / 990-PF 表格（公共记录；事实不受版权保护）+ grants.gov（美国政府作品，公有领域）和州及基金会门户。没有任何内容来自许可或订阅数据库。CC0 奉献豁免 GrantX 自己的权利 —— 汇编、嵌入式数据和派生字段。资助标题和描述转载了原始门户的文本：grants.gov 文本是公有领域（美国政府作品），而州政府和私人基金会门户的文本可能仍受其发布者的权利保护，不受 CC0 奉献的保护。
## 隐私
公共记录数据，在发布前故意清理：**删除了街道地址和电话号码**。官员姓名、职称和薪酬予以保留（已发布在公共 IRS 990 表格上，已经公开可用）。990 表格 B 附表捐赠者是非公开的，不包含在内。AI 派生字段（资助资格）按原样提供 —— **在依赖它们之前，请与原始来源核实**。如果您对特定记录有疑虑，可以在 [github.com/qwntl-oss/open-grant-data/issues](https://github.com/qwntl-oss/open-grant-data/issues) 上提出。
