Aviation Accident Analysis MCP
개요
제작자가 쓴 설명(영어 원문)
Aviation accident report parsing and prompt generation service under the SHELL framework.
PopNx MCP의 세 기둥
이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.
- 사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
- 우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
- 사용 정도i아주 새로움↓ 16/주 · ★ –
할 수 있는 일
이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.
- 연결 방식: 내 컴퓨터에서 실행
- 전송 방식: stdio
- 카테고리: 검색 및 AI 기억
설치
쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.
설치하기 전에
- 기본 점검: 1개 중 1개 통과
- 내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
- 레지스트리에 입력해야 할 키가 나와 있지 않아요.
필요한 것
- PyPIPython의 uv 설치(uvx 명령어용)
어떤 앱을 쓰세요?
위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.
Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요
{
"mcpServers": {
"aviation-accident-analysis": {
"command": "uvx",
"args": [
"aviation-accident-analysis"
]
}
}
}터미널에서 이 명령어를 실행하세요
claude mcp add aviation-accident-analysis -- uvx aviation-accident-analysis또는 설정을 직접 복사하기
프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요
{
"mcpServers": {
"aviation-accident-analysis": {
"command": "uvx",
"args": [
"aviation-accident-analysis"
]
}
}
}브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.
또는 설정을 직접 복사하기
프로젝트의 .vscode/mcp.json에 붙여 넣으세요
{
"servers": {
"aviation-accident-analysis": {
"type": "stdio",
"command": "uvx",
"args": [
"aviation-accident-analysis"
]
}
}
}브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.
이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.
선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.
이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.
할 수 있는 일
내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.
기본 점검i
누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 9일 점검
- ✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 hzy9981 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
- … 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
- … 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
- – 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
- – 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
- … 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요
검색 및 AI 기억 카테고리의 다른 서버와 비교i
- 이 카테고리의 다른 서버 5748개 중 0%보다 스타가 많아요
- 이 카테고리의 다른 서버 5748개 중 25%보다 최근에 레지스트리에 공개됐어요
- 기본 점검 결과가 이 카테고리의 다른 서버 5748개 중 100%와 같거나 더 좋아요
레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.
자주 묻는 질문
Aviation Accident Analysis MCP, 안전한가요?
해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.
어떤 키나 코드가 필요한가요?
레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.
내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?
내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).
아직 관리되고 있나요?
GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.1.0)은 3개월 전 레지스트리에 올라왔어요.
어떤 앱에서 쓸 수 있나요?
Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.
대신 쓸 수 있는 건 뭐가 있나요?
같은 카테고리에는: Context7, Codebase Memory, Exa
대안
같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.
카드 보는 법:↓ 주간 다운로드i★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i
Codebase Memory
Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.
Exa
Connect AI agents to Exa for web search, content fetching, and multi-step research.
제작자의 README
README 열기
제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.
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。