MCP

Local 2025-09-01 01:06:20 0

An application that combines Spice.ai with ZVV (Zurich Public Transport) data from opendata.swiss, enabling natural language queries of public transport information through LLM integration.


Dieses Projekt demonstriert die Integration von SpiceAI in eine Next.js-Anwendung.

Lokale Entwicklung

  1. Installiere die Abhängigkeiten:
npm install
  1. Installiere die SpiceAI-Runtime:
curl https://install.spiceai.org | /bin/bash
  1. Starte die SpiceAI-Runtime:
spice run
  1. Starte den Entwicklungsserver:
npm run dev
  1. Öffne http://localhost:3000 im Browser

Vercel-Deployment

Für das Deployment auf Vercel benötigst du einen Spice.ai-API-Key:

  1. Erstelle einen Account auf spice.ai
  2. Erstelle eine App und generiere einen API-Key
  3. Verknüpfe dein GitHub-Repository mit Vercel
  4. Füge den API-Key als Umgebungsvariable SPICE_API_KEY in deinen Vercel-Projekteinstellungen hinzu
  5. Deploye dein Projekt

Funktionen

  • SQL-Abfragen an SpiceAI senden
  • Ergebnisse in einer Tabelle anzeigen
  • Fehlerbehandlung für fehlgeschlagene Abfragen

Technologien

  • Next.js 14
  • TypeScript
  • SpiceAI Client
  • Vercel Deployment

Übersicht

ZVV-MCP ist eine Anwendung, die Spice.ai mit Daten von opendata.swiss kombiniert, um öffentliche Verkehrsdaten des Zürcher Verkehrsverbunds (ZVV) mittels LLM abfragbar zu machen.

Features

  • Spice.ai Integration: Beschleunigte Datenabfragen für effiziente Verarbeitung großer Verkehrsdatensätze
  • opendata.swiss Anbindung: Zugriff auf offizielle ZVV-Daten
  • LLM-Abfragen: Natürlichsprachliche Abfrage von Verkehrsinformationen
  • Responsive Design: Optimale Nutzung auf allen Geräten

Projektstruktur

  • src/: Quellcode der Anwendung
  • components/: Wiederverwendbare UI-Komponenten
  • pages/: Next.js-Seiten und API-Routes
  • styles/: Globale CSS-Stile
  • public/: Statische Dateien
  • docs/: Dokumentation
  • zvv-data/: Spice.ai Konfiguration und Daten

Technische Architektur

Systemkomponenten

Die Anwendung besteht aus drei Hauptkomponenten: 1. Next.js Frontend: React-basierte Benutzeroberfläche 2. Spice.ai Engine: Verarbeitet und analysiert Verkehrsdaten 3. OpenAI Service: Stellt LLM-Funktionalitäten für natürlichsprachliche Abfragen bereit

Datenfluss

┌─────────────┐    ┌─────────────┐    ┌─────────────┐    ┌──────────────┐
│ GTFS-Daten  │───>│ Spice.ai    │<───│ Next.js     │<───│ Benutzer-    │
│ (opendata)  │    │ Engine      │    │ Frontend    │    │ anfrage      │
└─────────────┘    └──────┬──────┘    └──────┬──────┘    └──────────────┘
                          │                   │
                          │                   │
                          │                   ▼
                          │           ┌─────────────┐
                          └──────────>│ OpenAI LLM  │
                                      │ (GPT-4o)    │
                                      └─────────────┘

Sequenzdiagramm für eine Benutzeranfrage

┌─────────┐          ┌─────────┐          ┌──────────┐          ┌────────┐
│ Benutzer│          │ Frontend│          │ OpenAI   │          │Spice.ai│
└────┬────┘          └────┬────┘          └─────┬────┘          └────┬───┘
     │                     │                     │                    │
     │ Stellt Frage        │                     │                    │
     │ zu ZVV-Linien       │                     │                    │
     │────────────────────>│                     │                    │
     │                     │                     │                    │
     │                     │ Verbindungsstatus   │                    │
     │                     │ abfragen            │                    │
     │                     │───────────────────────────────────────────>
     │                     │                     │                    │
     │                     │ Daten-Metadaten     │                    │
     │                     │<───────────────────────────────────────────
     │                     │                     │                    │
     │                     │ LLM-Anfrage mit     │                    │
     │                     │ Kontext & Frage     │                    │
     │                     │────────────────────>│                    │
     │                     │                     │                    │
     │                     │ LLM-Antwort         │                    │
     │                     │<────────────────────│                    │
     │                     │                     │                    │
     │ Antwort anzeigen    │                     │                    │
     │<────────────────────│                     │                    │
     │                     │                     │                    │
┌────┴────┐          ┌────┴────┐          ┌─────┴────┐          ┌────┴───┐
│ Benutzer│          │ Frontend│          │ OpenAI   │          │Spice.ai│
└─────────┘          └─────────┘          └──────────┘          └────────┘

Installation

Voraussetzungen

  • Node.js (>= 14.x)
  • npm oder yarn
  • Spice.ai CLI (siehe docs/installation.md)
  • Docker (optional, für Containerisierung)

Setup

# Projektabhängigkeiten installieren
npm install

# Spice.ai installieren (siehe docs/installation.md für Details)
curl -fsSL https://raw.githubusercontent.com/spiceai/spiceai/trunk/install/install.sh | bash

# Spice.ai Projekt initialisieren
spice init zvv-data

Entwicklung

# Next.js Entwicklungsserver starten
npm run dev

# In einem separaten Terminal: Spice.ai Runtime starten
cd zvv-data
spice run

Daten

ZVV GTFS-Daten

Das Projekt verwendet GTFS-Daten (General Transit Feed Specification) vom Zürcher Verkehrsverbund. Die Daten werden im data/-Verzeichnis erwartet und sind in der spicepod.yaml konfiguriert.

Hinweis: Die CSV-Datendateien sind sehr groß und werden nicht im Git-Repository gespeichert. Sie müssen separat heruntergeladen und im data/-Verzeichnis platziert werden.

Folgende Dateien werden benötigt: - stops.csv - Haltestellen (~5.791 Einträge) - routes.csv - Linien (~383 Einträge) - trips.csv - Fahrten (~205.526 Einträge) - stop_times.csv - Fahrplanzeiten (~3.456.460 Einträge) - calendar.csv - Betriebstage (~1.695 Einträge) - transfers.csv - Umsteigeverbindungen (~10.342 Einträge) - agency.csv - Verkehrsunternehmen - shapes.csv - Streckenverläufe - calendar_dates.csv - Zusätzliche Betriebstage/Ausnahmen

Die Daten können von opendata.swiss heruntergeladen werden.

Best Practices

Entwicklung

  • Komponenten-Design: Funktionale React-Komponenten mit Hooks verwenden
  • Typisierung: TypeScript für statische Typprüfung und bessere IDE-Unterstützung
  • State Management: React Context für geteilten Zustand zwischen Komponenten
  • CSS-Organisation: Tailwind-Klassen für konsistentes Design

Datenverarbeitung

  • Daten-Caching: Spice.ai Beschleunigung für schnelle Abfragen großer Datensätze
  • Inkrementelles Laden: Nur benötigte Daten laden, um Leistung zu optimieren
  • Error Handling: Robuste Fehlerbehandlung für API-Aufrufe und Datenverarbeitung

LLM-Integration

  • Prompt Engineering: Präzise System-Prompts für genaue Antworten
  • Kontext-Management: Relevante Daten ins LLM-Prompt aufnehmen
  • Antwort-Parsing: Strukturierte Verarbeitung der LLM-Antworten

Produktion

npm run build
npm start

Dokumentation

Technologie-Stack

  • Frontend: Next.js, React, TypeScript, Tailwind CSS
  • Datenverarbeitung: Spice.ai
  • Datenquellen: opendata.swiss (GTFS-Daten)
  • KI-Modelle: OpenAI GPT-4o für natürlichsprachliche Abfragen