Aviation Accident Analysis MCP

Name: Aviation Accident Analysis MCP
Author: hzy9981

von hzy9981Version 0.1.0i★ –iLäuft auf deinem Computer

Name in der Registryio.github.hzy9981/aviation-accident-analysis

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Aviation accident report parsing and prompt generation service under the SHELL framework.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiGanz neu↓ 16/Wo. · ★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Suche & KI-Gedächtnis

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "aviation-accident-analysis": {
      "command": "uvx",
      "args": [
        "aviation-accident-analysis"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add aviation-accident-analysis -- uvx aviation-accident-analysis

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "aviation-accident-analysis": {
      "command": "uvx",
      "args": [
        "aviation-accident-analysis"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "aviation-accident-analysis": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "aviation-accident-analysis"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 8. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto hzy9981 bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Mehr Sterne als 0 % der anderen 5722 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 25 % der anderen 5722 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 5722 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Aviation Accident Analysis MCP sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.1.0) kam vor 3 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Context7, Codebase Memory, Exa

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:↓ Downloads pro Wochei★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Context7

Up-to-date docs for AI agents

von upstashWeit verbreitet↓ 972.664/Wo.★ 64.224Aktualisiert vorgestern

Computer oder Cloud

Installieren

Codebase Memory

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

von DeusDataWeit verbreitet↓ 17.962/Wo.★ 48.148Aktualisiert vor 22 Tagen

Läuft auf deinem Computer

Installieren

Exa

Connect AI agents to Exa for web search, content fetching, and multi-step research.

von exa-labsWeit verbreitet★ 5213Aktualisiert vor 2 Monaten

Läuft in der Cloud✓ exa.ai

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

航空事故致因抽取与知识图谱项目 (Aviation Accident Analysis)

本项目基于 Microsoft GraphRAG 框架，旨在自动从航空事故报告中抽取实体与因果关系，并构建符合“人-机-环-管”框架的知识图谱。

项目结构

data/: 原始数据与地标数据。
input/: GraphRAG 输入目录（清洗后的文本）。
output/: GraphRAG 输出结果（Parquet, GraphML 等）。
prompts/: 自定义的 GraphRAG 提取提示词。
src/:
ingest.py: PDF/DOCX 解析与文本清洗。
evaluate.py: 提取准确率与 F1 分数评测脚本。
run.sh: 一键运行脚本。
settings.yaml: GraphRAG 配置文件。

环境要求

Python 3.10+
uv (推荐)

环境配置注意事项

若遇到 LLM 连接错误，请检查 settings.yaml 中的 api_base 是否配置正确。在某些 Docker 或受限环境中，建议将 localhost 修改为 127.0.0.1。
本项目已对 prompts/extract_graph.txt 中的抽取示例进行了优化，通过引入复杂场景示例，提升了在航空事故报告中的实体抽取表现。

Prompt 优化与评估记录 (2026-07-24)

优化策略

针对航空事故报告的复杂性，对 prompts/extract_graph.txt 进行了多轮手动迭代优化：

实体原子化：强制拆分复杂短语（如“燃油管路破裂”拆分为实体“燃油管路”与关系“破裂导致”），提升知识图谱的结构化程度。
严格去噪：建立了否定约束，排除通用职衔（如单独的“机长”）和指示代词（如“该部件”），提升精确率。
少样本增强：集成了 few_shot_data.csv 中的高质量航空事故致因链示例，引导模型识别长程因果关系。
因果链强制构建：明确 [因素] -> [事件] -> [结果] 的链条要求。

评估结果 (Fuzzy Match)

通过 scripts/run_automated_evaluation.py 运行自动化评估，对比 data/ground_truth.json 得到以下指标：

指标	实体 (Entities)	关系 (Relationships)
精确率 (Precision)	0.4348	0.0556
召回率 (Recall)	0.7143	0.0909
F1 分数 (F1 Score)	0.5405	0.0690

结论：实体抽取的精确率和 F1 分数相比基准版本有显著提升。关系抽取受限于本地模型的指令遵循能力，仍有优化空间。

MCP 服务 (Model Context Protocol)

本项目提供了一个 MCP 服务，方便通过 MCP 客户端（如 Claude Desktop）直接调用文档解析与提示词生成功能。

核心功能

文档解析：支持 PDF、DOCX、TXT 格式的自动解析与清洗。
提示词注入：将解析出的文档内容自动注入到指定的提示词模板中。

启动方式

uv run mcp_server.py

可用工具

upload_and_generate_prompt:

参数 file_path: 文档路径。
参数 template_name: prompts/ 目录下的模板名（默认 extract_entities）。

list_available_templates: 列出所有可用的提示词模板。

🐳 一键启动 (Docker)

如果你想快速启动整个分析环境（包含 Neo4j 数据库和 MCP 服务），可以使用 Docker Compose：

docker-compose up -d

启动后：

Neo4j 控制台: http://localhost:7474 (默认账号: neo4j, 密码: password)
MCP 服务: 已在容器内运行，并自动连接到容器内的 Neo4j。

运行流程

将事故报告（PDF/DOCX/TXT）放入 data/input_reports。
运行流水线：

   bash run.sh

使用 Ollama (本地 LLM)

在 settings.yaml 中修改 completion_models 和 embedding_models：

completion_models:

default_completion_model: model_provider: openai api_base: http://localhost:6006/v1 model: llama3 # 或其他模型 api_key: ollama # 占位符

注意：GraphRAG 对本地模型的支持取决于模型的遵循指令能力。

提取 Schema (人-机-环-管)

实体类型: person (人), equipment (机), environment (环), organization (管), procedure, event, weather, violation.
关系类型: leads to, limited by, violates, not executed, belongs to.

Neo4j 知识图谱导入

本项目支持将 GraphRAG 提取的实体与关系导入 Neo4j 图数据库。
使用 src/export_to_neo4j.py 脚本完成导入。
已配置 Docker 容器运行 Neo4j 实例，确保能够正常连接。

Aviation Accident Analysis MCP

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Häufige Fragen

Alternativen

Context7

Codebase Memory

Exa

README vom Entwickler

航空事故致因抽取与知识图谱项目 (Aviation Accident Analysis)

项目结构

环境要求

环境配置注意事项

Prompt 优化与评估记录 (2026-07-24)

优化策略

评估结果 (Fuzzy Match)

MCP 服务 (Model Context Protocol)

核心功能

启动方式

可用工具

🐳 一键启动 (Docker)

运行流程

使用 Ollama (本地 LLM)

提取 Schema (人-机-环-管)

Neo4j 知识图谱导入