Jupyter Earth MCP Server
为Jupyter中的地理空间分析工作流提供MCP工具集成服务。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Jupyter Earth MCP Server。 它的用途是：为Jupyter中的地理空间分析工作流提供MCP工具集成服务。 完整的 Skill 内容见：https://321skill.com/skills/jupyter-earth-mcp-server/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我加载这个区域的卫星影像数据，计算NDVI植被指数，并生成一张专题地图。” 它会通过集成的MCP工具，调用相应的地理空间处理函数，读取你的影像文件，执行NDVI计算，并最终在Jupyter Notebook中渲染出一张可视化的植被指数分布图。
介绍
Jupyter Earth MCP Server 解决了地理空间数据分析师在Jupyter环境中使用专业工具时，面临的多工具切换、流程割裂和效率低下的问题。它通过MCP协议，将多种地理空间数据处理、分析和可视化工具无缝集成到Jupyter Notebook中，让用户可以在一个熟悉的界面内完成从数据获取、处理到结果呈现的全流程。
使用时，用户需要在Jupyter环境中安装并启动此MCP服务器。随后，在支持MCP的AI助手（如Claude）或代码环境中，即可通过自然语言指令或标准接口调用集成的各类地理空间工具，例如加载特定格式的遥感数据、进行空间计算或生成专题地图，而无需离开当前工作环境或记忆复杂的命令行参数。
它非常适合在学术研究、环境监测、城市规划等领域从事地理空间数据分析的研究人员和工程师。无论是处理卫星遥感影像、进行GIS分析，还是制作空间数据可视化报告，都能从中获得效率提升。
建议用户在使用前，确保已具备基础的Jupyter和地理空间数据处理知识。由于它依赖于MCP协议，请确认你使用的AI助手或开发环境支持MCP客户端。对于高度定制化的专业分析流程，可能仍需结合特定软件的深度功能。
核心特点
与通用的代码辅助或数据分析Skill不同，它专精于地理空间分析领域，深度集成GDAL、GeoPandas、Folium等专业库，提供开箱即用的空间数据处理能力。其核心在于通过MCP协议，将复杂的地理空间操作封装为简单的、可在Jupyter中直接调用的服务，实现了分析环境与工具链的统一。
注意事项
不适合非地理空间领域的通用数据分析，或需要完全脱离Jupyter环境进行的独立GIS软件操作。
常见问题
这个Skill能帮我做什么具体的地理空间分析？
可以帮你读取/转换多种地理数据格式（如Shapefile, GeoTIFF）、进行空间查询与计算、生成交互式地图，并集成到数据分析流程中。
需要提前安装哪些地理空间库？
Skill本身会依赖核心库（如GDAL, GeoPandas），但建议用户根据自身分析需求，预先在Jupyter环境中安装好相关的Python地理空间生态系统库。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/jupyter-earth-mcp-server/raw/index.md 读取 Jupyter Earth MCP Server 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/jupyter-earth-mcp-server/raw/index.md（查看排版版本）