随着AI技术渗透至各行各业，大模型在企业数字化转型中展现可观潜力。然而，通用大模型技术难以适配个性化业务需求，针对特定场景的模型开发又面临投入成本高、部署时间长、试错成本高等问题。MCP的引入，为破解上述困境提供了技术路径，用户可以通过MCP协议连接多个外部资源，使大模型轻松接入多种服务。
基于上述技术发展趋势，星图云开放平台面向低空应用场景推出MCP服务，将数字地球的实时感知、地物识别、数据可视化等能力封装为可被大模型兼容和调用的功能模块，支持开发者灵活调用，降低低空领域AI应用开发的复杂性。
方案概述
MCP服务基于MCP协议，为大模型和外部资源构建统一的交互规范，以大模型与各封装服务之间的一次逻辑对接，替代逐个适配的碎片化集成模式，既能减少应用集成过程的工作量，又能在不改变模型参数的前提下，为大模型扩展新的功能。
在AI应用运作中，大模型负责逻辑推理、语义解析和指令执行；MCP作为中间协议，在大模型与其他主体间建立互通关系，用户以自然语言输入需求，即可触发大模型自动选择数据库和调用专业工具的能力；各服务模块可复用并与大模型保持相对独立，支持连接不同大模型，满足多样化任务需求。
该方案通过标准化输出低空专业能力供大模型调用，并融合大模型的理解、推理与决策能力，实现双向赋能，形成高可扩展、高适配、低门槛的核心优势。
高可扩展性
MCP服务为大模型提供动态扩展能力，可实现第三方数据源与工具的即插即用，无需额外投喂数据进行模型训练，也无需逐个编写任务适配逻辑，减少了AI应用开发人员的重复性工作。同时，由于服务以独立封装模块呈现，MCP服务也可借助大模型的技术迭代，提升业务执行的专业度。
高专业适配度
方案将数字地球的数据能力和服务能力与低空应用场景深度绑定，攻破通用大模型“水土不服”的局限，帮助企业快速实现AI应用开发。
低门槛适用
方案将外部数据资源和工具直接封装为大模型可调用的服务产品，用户借助大模型的自然语言交互模式，不需精通专业工具的操作技能，即可自动批量进行任务处理。
平台将MCP服务整合为多种低空应用预置能力，覆盖智能解译和空间应用两个领域，实现了大模型与低空业务的深度绑定，支持企业利用现成链路快速搭建AI应用。
方案引接星图云核心算法库，赋予大模型从空间数据中挖掘、分类和整理有效信息的能力，以三项智能解译服务高效释放空间数据价值。
低空解译算法MCP
地理信息与空间智能领域的核心算法库，支持多种目标物提取和高度估计，驱动业务智能化升级。
智能识别算法MCP
地理信息与空间智能领域的核心算法库，支持多种目标物智能识别和去除目标物算法，快速挖掘空间数据价值。
变化检测算法MCP
地理信息与空间智能领域的核心算法库，支持多种目标物变化检测算法，提供多维度、高性能、可扩展的空间数据解译与处理能力。
方案提供数据管理接口，链接星图云数据集矩阵，在广泛、丰富的数据资源基础上，为用户开放多维度检索、可视化量测、画面渲染等功能的调用接口，围绕低空飞行规划、导航路径规划、行政区划搜索等低空业务场景，提供空间应用服务近20项，对部分服务介绍如下：
位置聚合分析MCP
一种基于地理坐标或空间关系的数据归并技术，旨在将大量离散位置点按空间邻近性合并为代表性聚合点，从而解决地图展示混乱等问题。
低空飞行规划MCP
在三维空间中计算最优移动路径的算法，需避障、满足物理约束并优化通行效率，应用于机器人、无人机导航等领域。
导航路径规划MCP
提供覆盖国内及全球的精准智能路线规划，支持驾车、公交、骑行及多点路径规划，具备时间、距离预估功能。
综上所述，MCP服务为大模型构建起标准化的能力拓展接口，借助具有独立性的可复用功能模块，实现了不同业务场景中低空服务按需调用，提升了低空管理服务的智能化水平。未来，星图云开放平台还将持续优化MCP服务的对接逻辑，提升AI应用的功能集成效率，并随着低空服务应用场景的延伸拓展MCP服务类型，推动大模型在低空领域的规模化落地。
