firstdata

FirstData is an MCP server for authoritative public data source discovery.

CommunityOnlineAPI key requiredGlobalFreeRead-only

What it can do

  • Search Source: 统一数据源检索工具 支持关键词搜索、结构化条件筛选、分页和多种输出模式。可组合使用所有参数。 **适用场景:** - 浏览某国家/领域的数据源: country="CN", domain="finance" - 关键词搜索: keywords=["GDP", "growth"] - 组合搜索: keywords=["GDP"], country="CN", has_a
  • Get Source: 获取指定数据源的完整详细信息 返回数据源的详细配置，包括描述、领域、数据内容、访问方式、权威级别等。 **适用场景:** - 深入了解某个特定数据源 - 对比多个候选数据源 - 获取访问URL、API信息等详细信息 **示例:** - 获取中国人民银行详情: source_ids=["china-pbc"] - 对比两个数据源: source_ids=["china-pbc
  • Ask Agent: 一个全功能的智能搜索Agent，专用于在数据源仓库中执行复杂的深度检索任务。 该工具使用 LangChain ReAct Agent，优先通过本地 jq 工具检索数据源， 仅在涉及最新/近期外部信息时调用 web_search 补充线索。 **何时使用本Agent工具:** - ✅ **综合研报分析**: 用户的查询并不是简单的关键词匹配，而是需要深入理解需求（如"研究中国近

What data it sees

Do you need an account

An API key from the service settings is required

FirstData is an MCP server for authoritative public data source discovery. It helps users and agents find, inspect, compare, and access structured primary data sources across countries, domains, and authority levels. Designed for research-style workflows rather than simple keyword search, it supports source discovery, metadata inspection, access-path retrieval, and step-by-step guidance to the actual dataset, API, or official portal. It is especially useful for economics, finance, policy analysis, public datasets, and AI workflows that require trustworthy primary sources instead of secondary summaries.

You can install it with:

clawhub install firstdata

or

npx skills add MLT-OSS/FirstData -y

If you find it useful, feel free to open an Issue for feedback, missing sources, or feature suggestions, and give the repository a Star to support the project.

Server tool list (5)

Raw names from tools/list. Only developers need these.

search_source 统一数据源检索工具 支持关键词搜索、结构化条件筛选、分页和多种输出模式。可组合使用所有参数。 **适用场景:** - 浏览某国家/领域的数据源: country="CN", domain="finance" - 关键词搜索: keywords=["GDP", "growth"] - 组合搜索: keywords=["GDP"], country="CN", has_api=True - 查看总数: output_mode="count" - 分页浏览: limit=10, offset=10 **示例:** - 中国金融数据源: country="CN", domain="finance" - 搜索GDP相关: keywords=["GDP"] - 有API的政府数据源: has_api=True, authority_level="government" - 第二页结果: limit=10, offset=10 **返回格式:** - summary/full 模式: 数据源列表（有关键词时包含 match_score） - count 模式: {"total": N}
get_source 获取指定数据源的完整详细信息 返回数据源的详细配置，包括描述、领域、数据内容、访问方式、权威级别等。 **适用场景:** - 深入了解某个特定数据源 - 对比多个候选数据源 - 获取访问URL、API信息等详细信息 **示例:** - 获取中国人民银行详情: source_ids=["china-pbc"] - 对比两个数据源: source_ids=["china-pbc", "china-nbs"] - 只获取访问信息: source_ids=["worldbank"], fields=["website", "data_url", "api_url"] **返回格式:** 列表对象，包含完整的数据源配置
ask_agent 一个全功能的智能搜索Agent，专用于在数据源仓库中执行复杂的深度检索任务。 该工具使用 LangChain ReAct Agent，优先通过本地 jq 工具检索数据源， 仅在涉及最新/近期外部信息时调用 web_search 补充线索。 **何时使用本Agent工具:** - ✅ **综合研报分析**: 用户的查询并不是简单的关键词匹配，而是需要深入理解需求（如"研究中国近10年的货币政策，特别是M1、M2货币供应量和利率数据"）。 - ✅ **复杂/跨领域查询**: 涉及多步推理、跨数据源整合（如"气候变化对GDP的影响"）。 - ✅ **特定实体深度调查**: 针对特定公司或政策的深度挖掘（如"谷歌公司的股价"），而非简单的列表浏览。 - ✅ **模糊意图澄清**: 当用户输入不够专业，需要Agent智能推断行业术语时。 **❌ 勿用场景 (请使用基础工具):** - 简单的关键词匹配或条件筛选 (-> search_source) - 已知ID获取详情 (-> get_source) **工作原理:** Agent优先执行精准 jq 查询，必要时补充一次 web_search，并返回 Top N 推荐数据源。
get_access_guide 使用RAG检索技术为指定数据源生成详细的访问操作指令 该工具基于RAG（Retrieval-Augmented Generation）检索系统，根据用户的自然语言操作描述， 在数据源的预构建指令库中检索最匹配的访问步骤，并返回详细的网站操作指南。 **工作原理**: 1. 根据 source_id 定位数据源及其URL访问指令库 2. 使用 operation 描述作为查询，通过RAG检索最相关的操作指令 3. 返回 top_k 条最匹配的访问步骤，包括URL路径和详细操作流程 **使用场景**: 1. 先通过 search_llm_agent 等工具获取目标数据源ID 2. 再用本工具检索该数据源的具体访问指令 **示例**: - 检索央行货币数据查询方法: source_id="china-pbc", operation="查询M2货币供应量" - 检索统计局GDP数据: source_id="china-nbs", operation="获取2023年GDP季度数据" **字段说明**: - url: 数据源的具体访问网址 - instruction: 详细的网站操作步骤，可以直接用于指导用户在该网站上完成操作 - score: RAG 检索匹配得分，范围 0.0-1.0，分数越高表示该操作指令与用户的 operation 描述越相关 **注意**: operation 的质量直接影响检索效果，建议使用清晰具体的描述，并使用不同的operation进行多次查询
report_feedback 发送用户反馈给开发团队。 仅在确认 FirstData 存在明确问题时使用，例如： 1. 数据源确实缺失 2. 检索结果明显异常 3. 数据源信息存在错误 4. 对功能改进有明确建议 不要在已有可用结果时调用，也不要因为结果不够理想、信息不足或未完成检索就调用。 反馈内容应尽量包含：问题类型、相关数据源或关键词、实际结果、期望结果。 返回格式: {"success": bool, "message": str}