FirstData 🌐
面向 AI Agent 的外部事实上下文层 — Purpose-built · Authoritative · Structured
The External Facts Context Layer for AI Agents
接入你的智能体
發布者自己的 URL。不是 PlugMCP 端點。
用我們的金鑰與日誌託管一份副本。
https://firstdata.deepminer.com.cn/mcp上方的 Claude 按鈕會開啟 Claude，並填好名稱和 URL。你仍需在那裡確認。
claude mcp add --transport http mlt-oss-firstdata https://firstdata.deepminer.com.cn/mcpRun in a terminal.
{ "mcpServers": { "mlt-oss-firstdata": { "command": "npx", "args": [ "-y", "mcp-remote", "https://firstdata.deepminer.com.cn/mcp" ] } }}claude_desktop_config.json
遠端 URL 還是本機指令？ 兩種安裝方式的差異
Agent First：FirstData 以 AI Agent 为第一优先用户设计。Agent 可通过标准化 Skill 自动完成注册、激活和 MCP 配置，零人工介入即可接入权威外部事实上下文。
在生成式 AI 重新塑造互联网的今天，"信息"变得空前充沛，而"真实"正在变得稀缺。
当噪音、拼贴与幻觉成为默认背景，可信的一手证据（Primary Sources）不再只是参考资料，而是整个智能体系的地基。
本项目旨在构建一个面向 AI Agent 的、全球的、权威的、结构化的外部事实上下文层（External Facts Context Layer）。
我们系统性发掘并聚合跨领域高可信信源——覆盖科研学术、政务公开、法律法规、公司披露与财报、标准规范与行业权威资料等——将分散、非标、难复用的原始内容，转化为可追溯、可验证、可引用的"核心事实（Core Facts）"，并保留完整证据链与版本历史，确保每一条结论都能"回到原文"。
✅ 为模型提供抗幻觉、抗投毒的可信底座
✅ 为 Deep Research 提供可计算、可复查的证据链闭环
✅ 让 AI 从"模糊概括二手信息"升级为"基于原文证据的严谨推理与引用"
In the GenAI era, Clean Data > Big Model.
让每一次深度思考，都建立在可以被验证的事实之上。
优先收录政府级与国际组织级权威数据源，同步覆盖顶级学术机构与行业权威来源：
📄 浏览已收录的所有数据源：firstdata/sources/README.md
每个收录的数据源均满足以下标准：
每个数据源包含 结构化元数据，支持机器可读和自动化证据链构建：
authority_level字段：权威等级分类
government - 政府机构international - 国际组织research - 研究机构market - 市场机构commercial - 商业机构other - 其他完整Schema: 查看 schemas/datasource-schema.json
连接自然语言与一手权威数据的"最后一公里"
我们构建了权威数据源的结构化外部事实上下文层，每个数据源都有完整的元数据、访问路径和权威性标识。但对于大多数用户来说，真正的挑战在于：如何在海量数据源中快速找到最合适的那一个？找到了数据源网站，如何在复杂的官方平台中准确定位目标数据？如何将这一切无缝集成到日常的 AI 工作流中？
FirstData MCP 正是为此而生——将静态的外部事实上下文层转化为动态的智能导航系统，让每个人都能轻松访问权威数据。
在 LLM 时代，我们习惯了直接询问答案，但往往面临两个核心痛点：
❌ 痛点 1：数据来源不可考（幻觉风险）
❌ 痛点 2：专业数据库门槛高（难检索）
本 MCP 服务构建从"模糊意图"到"精确数据路径"的完整闭环：
它不直接生成可能过时的数字，而是作为一位**"权威数据向导"，将用户引导至国家统计局、世界银行、行业白皮书等可信一手信源（Primary Sources），并提供具体到点击步骤的检索说明书**。
让数据回归权威，让检索不再迷路。
解决"去哪找？"的问题
基于用户的自然语言提问（如："2023年中国新能源汽车出口量"），智能推荐最权威的一手数据源网站。
功能亮点：
过滤营销号与二手引用，直达官网、官方报告或专业数据库。
使用示例：
场景：
"我想调研一下发展中国家的GDP信息用于经济增长研究"
传统方式的问题：
使用 FirstData MCP：
返回结果：
📋 推荐数据源：
1. 世界银行 World Development Indicators
- API：支持（完整文档）
- 覆盖范围：217个国家和地区
- 时间范围：1960年至今
- 权威等级：international（国际组织）
- 证据链：世界银行官方 → 一手数据 → 可追溯
2. IMF World Economic Outlook
- API：支持
- 覆盖范围：全球194个经济体
- 更新频率：季度
- 权威等级：international（国际组织）
价值：
场景：
"我需要中国近10年的M1、M2货币供应量和利率数据"
传统方式的问题：
MCP工作流程：
返回结果：
📋 推荐数据源：
1. 中国人民银行 (PBC)
- 数据门户：http://www.pbc.gov.cn/diaochatongjisi/
- API文档：有官方接口
- 更新频率：月度
- 历史覆盖：1990年至今
- 权威等级：government（政府机构）
- 证据链：中国央行官方 → 一手数据 → 可追溯
📈 可获取数据：
- M0、M1、M2货币供应量（月度）
- 存贷款基准利率
- 银行间同业拆借利率
价值：
场景：
"我需要权威的气候数据来支持政策决策，要有API访问的全球数据"
风险：
MCP工作流程：
返回结果：
📋 推荐数据源：
1. NASA Earthdata
- 覆盖范围：全球
- API：支持（完整文档）
- 数据类型：卫星观测、气候模型
- 权威等级：government（政府机构）
- 更新频率：实时/日度
- 证据链：NASA官方 → 卫星数据 → 可验证
2. NOAA Climate Data Online
- 覆盖范围：全球
- API：支持
- 更新频率：实时/日度
- 权威等级：government（政府机构）
- 证据链：美国政府 → 气象监测 → 可追溯
价值：
解决"怎么找？"的问题
针对结构复杂、术语晦涩的专业网站，提供手把手的操作路径说明书，从首页到目标数据的完整导航指引。
功能亮点：
为常用权威数据源提供详细的网站导航指引，精确定位数据位置。
场景：查找新上市科技公司招股书进行投资研究
用户提问：
"我想研究国内最近上市的某家AI科技公司，需要找到他们的招股说明书，分析一下商业模式和财务状况"
✅ 使用 FirstData MCP 的完整工作流：
推荐数据源：
1. 香港交易及结算所有限公司 (HKEX)
- 描述：港交所运营HKEXnews（披露易），提供上市公司招股书、
年报、IPO信息和监管文件的官方平台
- 访问地址：https://www.hkexnews.hk
- 权威等级：market（市场机构）
- 文档类型：招股说明书、年报、公告
- 证据链：官方披露文件 → 可直接引用
2. 中国证券监督管理委员会 (CSRC)
- 访问地址：http://www.csrc.gov.cn
- 境外上市备案信息查询
- 权威等级：government（政府机构）
价值点：
MCP 内置了操作说明书数据库，涵盖常用权威数据源的网站导航和下载步骤。
检索披露易（HKEXnews）网站操作指令：
source: https://www.hkexnews.hk
operation: 如何查找新上市公司的招股说明书?
说明书检索结果：
网站操作说明书：
主路径（推荐）：
1. 访问香港交易所披露易网站首页 (https://www.hkexnews.hk)
2. 点击主导航栏中的 "NEW LISTINGS" 选项
3. 进入 New Listing Information 页面
4. 选择对应的市场板块（主板 Main Board 或创业板 GEM）
5. 在新上市公司列表中查找目标公司名称或股票代码
6. 点击对应的招股书下载链接（Prospectus）
7. 下载PDF文件即可
备选路径：
1. 访问香港交易所披露易网站首页
2. 使用搜索功能输入公司名称或股票代码
3. 在搜索结果中筛选文档类型为 "Prospectus"
4. 选择最新日期的招股说明书
5. 点击下载链接获取PDF文件
价值点：
获取招股书后的研究分析框架：
根据招股书披露的官方数据，可以进行系统性分析：
1. 商业模式分析
2. 财务状况分析
3. 风险因素评估
4. 投资价值判断
✅ 完整的证据链闭环：
用户提出研究需求
↓
MCP 智能检索推荐权威数据源（港交所披露易）
↓
获取网站操作说明书（逐步导航指引）
↓
下载官方招股说明书（一手权威文档）
↓
基于官方披露数据进行系统性分析
↓
所有结论可回溯至原始文档验证
核心价值：
FirstData 提供两条接入路径：AI Agent 自动接入（推荐）和手动配置 MCP。
如果你正在使用支持 Skill 的 AI Agent（如 Claude Code + OpenClaw 等），可以一键安装 FirstData Skill：
clawhub install firstdata
安装后 Agent 可自动完成注册、激活和 MCP 配置，无需人工操作。
Skill 定义文件：
skills/firstdata/SKILL.md｜ ClawHub 页面：clawhub.ai/ningzimu/firstdata
适用于人工配置场景。支持 Claude Desktop、Cline、Cursor、Zed 等所有兼容 MCP 协议的 AI 应用。
访问 FirstData API 申请 申请免费的 API Key。
所有平台的核心配置相同，将以下 JSON 添加到你所用平台的 MCP 配置文件中：
{
"mcpServers": {
"firstdata": {
"type": "streamable-http",
"url": "https://firstdata.deepminer.com.cn/mcp",
"headers": {
"Authorization": "Bearer <YOUR_FIRSTDATA_API_KEY>"
}
}
}
}
注意：Zed 使用
context_servers而非mcpServers作为顶层 key。
配置完成后，你可以在支持 MCP 的 AI 平台中直接用自然语言提问：
示例提问：
检索 Agent 会为你查找并推荐最权威的数据源。
发现了权威可信的数据源？欢迎向我们推荐！
推荐流程：
收录标准：
加入我们的社区，与数据研究者、开发者和贡献者交流！
Join our community to connect with data researchers, developers, and contributors!
💡 提示: 加入社区后，你可以：
- 讨论数据源推荐和使用经验
- 获取技术支持和最佳实践
- 参与项目开发和贡献
- 了解最新的数据源更新和功能发布
本项目采用 MIT License 开源。
The World's Most Comprehensive, Authoritative, and Structured Open Source Data Source Knowledge Base
{ "mcpServers": { "mlt-oss-firstdata": { "url": "https://firstdata.deepminer.com.cn/mcp", "headers": {} } }}工具
尚無工具清單。遠端伺服器會在首次健康檢查後取得工具清單。
常見問題
在本頁複製適用於 Cursor、Claude Desktop、Claude Code 或 VS Code 的 http 設定。它使用發布者的安裝方式，而不是 PlugMCP 代理伺服器。
這筆記錄未列出必要的環境變數。
FirstData 透過 HTTP 存取。
上次檢查時間：2026-11-05。 The World's Most Comprehensive, Authoritative, and Structured Open Source Data Source Knowledge Base