Dies ist derArcGIS Adventskalender 2025 Artikel für den 24. Tag. Schauen Sie sich auch die anderen Artikel an.
Einleitung
Auch in diesem Jahr gab es ununterbrochen Diskussionen über AI und Entwicklung, ein Jahr.
Bei ArcGIS wird nicht nur GeoAI vorangetrieben, sondern auch AI-Funktionen wie der AI Assistent und zukünftig erscheinende AI Agenten entwickelt, wodurch eine geospatial AI Plattform entsteht.
Unter den vielen Themen rund um AI und Entwicklung ist das Model Context Protocol (MCP) eine besonders beachtenswerte Technologie.
In diesem Artikel möchten wir mit FastMCP, einem Tool zur einfachen Erstellung von MCP-Servern, die Routenplanungsfunktion von ArcGIS in einer AI-Chat-App mit großem Sprachmodell (im Folgenden LLM) integrieren, wie in der folgenden Abbildung dargestellt.
Beispielaufbau eines MCP-Servers zur Verbindung von AI-Chat-App und Routenplanungsfunktion
Was ist das Model Context Protocol (MCP)?
MCP ist ein offenes Protokoll, das LLMs eine sichere und einheitliche Integration mit externen Tools (wie Web-APIs) ermöglicht. Diese Technologie wurde vom AI-Unternehmen Anthropic, bekannt durch Claude, entwickelt und vorgeschlagen und wird von Entwicklern von AI-Anwendungen breit unterstützt. Viele AI-Chat-Apps unterstützen MCP, was es zu einer der bedeutendsten LLM-Technologien des Jahres macht.
Auch im Bereich der geospatialen Informationen wird auf der in Japan betriebenen geospatialen Informationsportal-SeiteNationales Datenplattform für Verkehr und Infrastrukturein MCP-Serverbereitgestellt.
Hauptsächlich verwendete Software und Bibliotheken in diesem Artikel
Nachfolgend finden Sie eine Liste von Software, die sich mit MCP verbinden kann, sowie nützliche Bibliotheken zum Aufbau eines MCP-Servers.
Ein Framework zur einfachen und schnellen Erstellung von MCP-Servern/-Clients in Python. In diesem Artikel verwenden wir es zur Erstellung des MCP Servers.
Die Desktop-App der AI-Chat-Anwendung Claude von Anthropic. In diesem Artikel wird sie als MCP-Host verwendet, um die korrekte Funktion des MCP Servers zu überprüfen.
Der kostenlose Quellcode-Editor von Microsoft. Hier wird die Erweiterung GitHub Copilot Chat wie Claude Desktop als MCP-Host genutzt.
"f": "json",
"token": token,
"stops": ";".join(f"{x},{y}" for (x, y) in stops),
"returnDirections": str(return_directions).lower(),
"startTime": depart
}
url = ARCGIS_ROUTING_URL + "?" + urllib.parse.urlencode(params)
with urllib.request.urlopen(url, timeout=30) as resp:
return json.loads(resp.read())
if __name__=="__main__":
stops=[(139.745486, 35.658569),(139.749603, 35.660191)]
result = _call_arcgis_route(stops, API_KEY, return_directions=True,depart="now")
if "error" in result:
raise RuntimeError(result["error"])
print(result)
上記のスクリプトで、2点間のルート検索を行うことができます。
スタート地点を東京タワー、ゴール地点を芝公園の緯度経度を入力しているので実行してみるとルートの詳細を JSON 形式で返してくれています。
Python スクリプトを実行した結果
なお、今回はチャットの文章でルート検索ができるようにしたいので、
上記のスクリプトに住所検索とルート検索で移動手段を指定する際に利用する移動手段のエンド ポイントにリクエストする関数を追加しています。
追加した例が下記のスクリプトです。
import json
import urllib.parse
import urllib.request
GEOCODE_FIND_URL = "https://geocode-api.arcgis.com/arcgis/rest/services/World/GeocodeServer/findAddressCandidates"
ARCGIS_ROUTING_URL = "https://route-api.arcgis.com/arcgis/rest/services/World/Route/NAServer/Route_World/solve"
ARCGIS_TRAVELMODE_URL = "https://route-api.arcgis.com/arcgis/rest/services/World/Route/NAServer/Route_World/retrieveTravelModes"
API_KEY ="<事前に用意した API キー>"
def _http_get(url: str) -> dict:
with urllib.request.urlopen(url, timeout=30) as resp:
return json.loads(resp.read())
def geocode_address(address: str, token: str, country_code: str = "JP") -> dict:
"""
住所や都市名、POI から 緯度経度へ変換する。
"""
params = {
"f": "json",
"token": token,
"SingleLine": address,
"countryCode": country_code,
"outFields": "*",
"langCode": "ja",
"maxLocations": 1
}
url = GEOCODE_FIND_URL + "?" + urllib.parse.urlencode(params)
result = _http_get(url)
if "error" in result:
raise RuntimeError(result["error"])
for c in result.get("candidates", []):
loc = c.get("location") or {}
return {
"lon": loc.get("x"),
"lat": loc.get("y"),
}
def _travel_mode_selector(travelMode: str, token: str):
"""
travelMode 引数から ArcGIS Routing の travelMode 名を返す。
"""
params = {
"f": "json",
"token": token
}
url = ARCGIS_TRAVELMODE_URL + "?" + urllib.parse.urlencode(params)
travelmode_list=_http_get(url)["supportedTravelModes"]
# 一致した文字列があれば travelmode として返す。
for travelmode in travelmode_list:
if travelmode["name"]== travelMode:
travelmode_param=travelmode
break
return travelmode_param
def _call_arcgis_route(stops, token, return_directions=True, travel_mode="運転時間", depart="now"):
params = {
"f": "json",
"token": token,
"stops": ";".join(f"{x},{y}" for (x, y) in stops),
"returnDirections": str(return_directions).lower(),
"travelMode": travel_mode, # 追加
"startTime": depart, # now / yyyy-mm-ddThh:mm:ss
}
url = ARCGIS_ROUTING_URL + "?" + urllib.parse.urlencode(params)
return _http_get(url)
if __name__=="__main__":
stops=["東京タワー","芝公園"]
result = _call_arcgis_route(stops, API_KEY, return_directions=True,depart="now")
if "error" in result:
raise RuntimeError(result["error"])
print(result)
FastMCP で MCP サーバー化
FastMCP は MCP サーバー/クライアントを Python で簡単・高速に構築できるフレームワークです。
ここからは上記で作成した Python スクリプトを FastMCP を使って MCP サーバー化していきましょう。
FastMCP のインストール
FastMCP は pip からライブラリをインストールできます。
pip install fastmcp
上記のコマンドを実行したあとで FastMCP がインストールされているか下記のスクリプトを実行して試してみましょう。
インストールした時点での最新版がインストールされているはずです。
import fastmcp
print(fastmcp.__version__)
# >> 2.xyz.x
ArcGIS Routing MCP サーバーを作成する
ここまで作成してきたルート検索用のエンド ポイントにリクエストを送信する Python スクリプトに FastMCP ライブラリをインポートし、MCP サーバーを立ち上げるためのスクリプトを記述していきます。
追加したスクリプトが下記となります。追加したコマンドや関数には、コメント アウトで追加した旨を記載してあります。
import json
import urllib.parse
import urllib.request
from fastmcp import FastMCP # 追加
mcp = FastMCP("ArcGIS Routing MCP Server") # 追加
GEOCODE_FIND_URL = "https://geocode-api.arcgis.com/arcgis/rest/services/World/GeocodeServer/findAddressCandidates"
ARCGIS_ROUTING_URL = "https://route-api.arcgis.com/arcgis/rest/services/World/Route/NAServer/Route_World/solve"
ARCGIS_TRAVELMODE_URL = "https://route-api.arcgis.com/arcgis/rest/services/World/Route/NAServer/Route_World/retrieveTravelModes"
API_KEY ="<vorab bereitgestellter API-Schlüssel>"
def _http_get(url: str) -> dict:
mit urllib.request.urlopen(url, timeout=30) als resp:
return json.loads(resp.read())
def geocode_address(address: str, token: str, country_code: str = "JP") -> dict:
"""
Wandelt Adresse, Städtenamen oder POI in Breiten- und Längengrad um.
"""
params = {
"f": "json",
"token": token,
"SingleLine": address,
"countryCode": country_code,
"outFields": "*",
"langCode": "ja",
"maxLocations": 1
}
url = GEOCODE_FIND_URL + "?" + urllib.parse.urlencode(params)
result = _http_get(url)
if "error" in result:
raise RuntimeError(result["error"])
for c in result.get("candidates", []):
loc = c.get("location") or {}
return {
"lon": loc.get("x"),
"lat": loc.get("y"),
}
def _travel_mode_selector(travelMode: str, token: str):
"""
Gibt den ArcGIS Routing travelMode-Namen basierend auf dem travelMode-Argument zurück.
"""
params = {
"f": "json",
"token": token
}
url = ARCGIS_TRAVELMODE_URL + "?" + urllib.parse.urlencode(params)
travelmode_list=_http_get(url)["supportedTravelModes"]
# Gibt travelmode zurück, wenn ein übereinstimmender String gefunden wird.
for travelmode in travelmode_list:
if travelmode["name"]== travelMode:
travelmode_param=travelmode
break
return travelmode_param
def _call_arcgis_route(stops, token, return_directions=True, travel_mode="運転時間", depart="now"):
params = {
"f": "json",
"token": token,
"stops": ";".join(f"{x},{y}" for (x, y) in stops),
"returnDirections": str(return_directions).lower(),
"travelMode": travel_mode, # hinzugefügt
"startTime": depart, # now / yyyy-mm-ddThh:mm:ss
}
url = ARCGIS_ROUTING_URL + "?" + urllib.parse.urlencode(params)
return _http_get(url)
# Ab hier hinzugefügt
@mcp.tool()
def solve_route(
stop_list: list,
depart: str = "now",
travelMode: str = "運転時間",
) -> dict:
"""
Ruft ArcGIS Routing Route_World auf und gibt die kürzeste/schnellste Route und Anweisungen zurück.
Args:
stop_list: Liste der Zwischenstopps (Liste von Adressstrings)
depart: Abfahrtszeitpunkt ("now" oder ISO8601), Standard ist "now" wenn nicht angegeben.
travelMode: Transportmittel ("運転時間", "運転距離","徒歩時間","徒歩距離","トラック輸送時間","トラック輸送距離", "運転時間 (未舗装道路使用)","運転距離 (未舗装道路使用)"), Standard ist "運転時間" wenn nicht angegeben.
Returns:
Wörterbuch mit Routenform, Zeit, Entfernung und Anweisungen (wenn möglich auf Japanisch).
"""
stops=[]
for stop in stop_list:
geocode_result=geocode_address(stop, API_KEY)
stops.append((geocode_result["lon"], geocode_result["lat"]))
result = _call_arcgis_route(stops, API_KEY, return_directions=True, travel_mode=_travel_mode_selector(travelMode, API_KEY), depart=depart)
if "error" in result:
raise RuntimeError(result["error"])
return result # MCP tool Rückgabewert kann JSON/Objekt sein.
# Bis hierhin hinzugefügt.
if __name__ == "__main__":
mcp.run() # Hier hinzugefügt.
# Folgendes auskommentieren.
# stops=["東京タワー","芝公園"]
# result = _call_arcgis_route(stops, API_KEY, return_directions=True,depart="now")
# if "error" in result:
# raise RuntimeError(result["error"])
# print(result)
'Der Punkt hier ist' '@mcp' 'tool' 'Die folgende Funktion beschreibt das Skript oder Tool als Werkzeug für die Nutzung durch LLM. Wenn LLM den MCP-Server anfragt, überprüft es die hier beschriebene Dokumentation und erstellt das erforderliche JSON mit den Argumenten für die Anfrage. Deshalb sind die Datentypen und Beschreibungen der benötigten Argumente als Kommentare angegeben, damit LLM die Verwendung nicht falsch macht.'
'Wenn dieses Skript ohne Probleme ausgeführt wird, startet lokal ein MCP-Server wie im folgenden Bild.'
'Start des MCP-Servers'
'Das bisher geschriebene Skript kann auch in Claude Desktop eingestellt werden,'
'aber um wirklich zu testen ob es funktioniert, erstellen wir einen MCP-Client mit der FastMCP-Bibliothek und probieren es aus.'
'MCP-Server vom Client aus aufrufen'
'Auf der Client-Seite schreiben wir folgendes Skript,'
'um das im MCP-Server konfigurierte Tool aufzurufen.'
'import asyncio'
'from fastmcp import Client'
'from fastmcp.client.transports import PythonStdioTransport'
'async def main():'
' # Server starten'
' transport = PythonStdioTransport(script_path="./arcgis_route.py")'
' # MCP-Client erstellen und mit MCP-Server verbinden'
async with Client(transport) as client:
# solve_route ツールの呼び出し
result = await client.call_tool("solve_route",
{
"stop_list": ["東京駅","東京タワー"],
"travelMode": "運転時間"
}
)
print("ツール呼び出し結果:", result)
if __name__ == "__main__":
asyncio.run(main())
ここでは、クライアントから MCP サーバーを起動しているため、スクリプトを実行するとルート検索の結果が表示されるようになっています。
実際に実行してみた結果は下図の通りです。
MCPクライアントを実行
ArcGIS Routing MCP サーバーが正しく動作していていることがわかったので、
次に LLM で利用できるか確認するために Claude Desktop で実行してみましょう。
Claude Desktop で利用してみよう
Claude Desktop は Anthropic 社が提供する AI チャット アプリ Claude のデスクトップ アプリで、ローカル ファイルや外部ツールとの連携が実現できます。
Claude Desktop でローカルの MCP サーバーを実行するにはいくつか準備が必要です。
ここでは、その準備を行った後に Claude Desktop で ArcGIS Routing MCP を使ってみましょう。
Claude Desktop 側の設定
Claude Desktop へサイン インし、アプリ画面の左下のアイコンをクリックすると設定項目があるのでそちらをクリックします。
設定画面へのクリック
表示されたメニューから 「開発者」 の項目をクリックし、遷移先で「設定を編集」をクリックします。
「設定を編集」をクリック
クリックするとエクスプローラーが起動し、`claude_desktop_config.json` が生成されます。
`claude_desktop_config.json` をコード エディターで開くと空の `{}` が用意されています。
この中括弧を下記のように書き換えます。
{
"mcpServers": {
"arcgis-routing-mcp": {
"command": "<python 環境への絶対パス>\\python.exe",
"args": [
"<スクリプトの絶対パス>\\arcgis_route.py"
]
}
}
}
設定後、 1度 Claude Desktop を閉じる必要がありますが、注意していただきたい点は右上の×ボタンでウィンドウを閉じるのではなく、左上のハンバーガー メニューをクリックして表示される「終了」をクリックし、アプリを完全に終了させる必要があります。Claude Desktop のタスクが残っている状態ですので、タスク マネージャー等から Claude Desktop のタスクを削除しておきます。
Claude Desktop を閉じる手順
ここまで問題なければ再度 Claude Desktop を立ち上げるとチャットの入力欄の `+` ボタンをクリックして出てくるコネクタと設定の「開発者」の項目に ArcGIS Routing MCP が追加されているはずです。
コネクタに追加された様子
「開発者」項目に追加された様子
Claude Desktop で ArcGIS Routing MCP を使ってみる
立ち上げた Claude Desktop で ArcGIS Routing MCP を使ってルート検索をしてみましょう。
動画内でも確認していますが solve_route と書いてあるプルダウン メニューを押すと実際にリクエストした JSON とレスポンスされた JSON が閲覧できます。
最後に出力してもらった結果が正しそうかこのルート検索の結果を GeoJSON 化してもらい、ArcGIS Online の Map Viewerで描画してみましょう。
Claude に GeoJSON 化を依頼
ルートを GeoJSON で書き出した結果
出力された GeoJSON も間違いなさそうです。
ここまでで FastMCP を使うことで ArcGIS のルート検索機能 を LLM で利用できていることを確認できました。
様々な用途が考えられますが、LLM だけでは到達できないタスクを MCP で外部ツールにアクセスすることで達成できるようになりました。
最後に Visual Studio Code でも利用できるか試してみましょう。
Visual Studio Code でも使えるのか
MCP のメリットの 1 つとして挙げられるのは、あらゆる LLM に対応できるという点です。こちらを確認するために Visual Studio Code の GitHub Copilot Chat でも ArcGIS Routing MCP が使えるか試してみました。
Visual Studio Code の設定
Visual Studio Code での設定は GitHub アカウントにあらかじめサイン インをしたうえでGitHub Copilot と GitHub Copilot Chat の拡張機能をインストールしておきます。
上記の設定が完了している状態でしたら MCP サーバーを使えるように `mcp.json` wird eingestellt.
`mcp.json` Öffnen Sie das Verzeichnis des MCP-Servers in Visual Studio Code und erstellen Sie es im Verzeichnis `.vscode` im selben Verzeichnis.
`mcp.json` Die Konfiguration ähnelt der von Claude Desktop, weist jedoch einige Unterschiede in den Details auf, bitte beachten Sie dies.
{
"servers": {
"arcgis-routing-mcp": {
"type": "stdio",
"command": "<absoluter Pfad zur Python-Umgebung>\\python",
"args": ["arcgis_route.py"],
}
}
}
Wenn die obigen Einstellungen korrekt sind, dann `mcp.json` wird wie in der Abbildung gezeigt der Text `Start` usw. unter `arcgis-routing-mcp` angezeigt, klicken Sie auf `Start`.
Einstellung von mcp.json
Wenn das erstellte MCP-Server-Skript und die Beschreibung in `mcp.json` korrekt sind, wird anstelle von `Start` der Status `Running` angezeigt.
Probieren wir es tatsächlich mit GitHub Copilot Chat aus.
Mit GitHub Copilot Chat ArcGIS Routing MCP ausprobieren
Führen Sie in Visual Studio Code GitHub Copilot Chat aus.
Es scheint, dass ein Ergebnis erzielt wurde, das dem bei Claude Desktop entspricht.
Wie bei Claude Desktop ausgeführt, lassen Sie es als GeoJSON ausgeben und überprüfen Sie es auch hier im ArcGIS Online Map Viewer.
GeoJSON, das mit GitHub Copilot Chat generiert wurde
Das Ergebnis scheint korrekt zurückgegeben worden zu sein.
So konnte das ArcGIS Routing MCP ohne Änderung des Skripts auch in verschiedenen AI-Chat-Anwendungen verwendet werden.
Abschließend
In diesem Artikel haben wir mit FastMCP einen MCP-Server erstellt, um die Routenfindungsfunktion von ArcGIS mit LLM nutzbar zu machen.
Diesmal wurde es einfach gehalten, um nur die Routenfindung zu ermöglichen. Darüber hinaus kann man Informationen über als Ziel oder Zwischenstopp registrierte Orte vom AI , untersuchen lassen und so weitere Informationen neben den Routenfindungsergebnissen erhalten. Diese können als GeoJSON ausgegeben und in ArcGIS Online geteilt werden, sodass sie auf verschiedenen Geräten angezeigt werden können. Außerdem wurde überprüft, dass MCP verschiedene LLM unterstützt und Skripte wiederverwendet werden können.
Wir hoffen, dass Sie diese Hinweise nutzen, um die leistungsstarke räumliche Analyse von ArcGIS mit LLM zu verwenden und sich daran versuchen.
Quellenangaben