各类AI大模型的发展快速推动了产业智能化进程，而AI与外部资源的交互，是应用落地的基础支撑。为了应对用户多样性的需求，产生了丰富多外部工具，但因为各类大模型的不同开发标准，也造成了一个工具无法在不同AI中运行，额外适配要花费大量精力与成本。基于此，MCP协议的推出形成了统一规范，使得AI与外工具的结合更为简单高效，促进了AI的落地化进程。
在AI应场景中，与真实世界取得连接并为用户提供个性化推荐（推荐餐厅、酒店、活动、景区等）、行程规划、获取实时出行信息等服务，让AI服务于人们现实生活，是很多企业与开发者的切实需求。
对此，腾讯位置服务推出基于MCP协议的位置服务开发接口，助开发者们快速实现基于地理位置的AI服务。
腾讯位置服务 MCP Server 产品特点
➊ 使用更为简单：基于MCP（SSE）方式，不必部署本地服务，简单配置即可。
➋ 自动升级：我们会持续进行迭代改进，云端化服务，您无须任何额外操作。
➌ 更易于大模型理解：我们对原始的JSON结果进行了语义化的转换，更易于大模型理解
功能列表
➊ 地址解析：提供由文字地址到经纬度的转换能力，并同时提供结构化的省市区地址信息
➋ 逆地址解析：提供由经纬度到文字地址及相关位置信息的转换能力
➌ 地点搜索：城市/区域搜索、周边搜索、沿途搜索[高级]、POI详情查询
➍ 路线规划：驾车路线规划、途经点智能排序、未来路线规划、公交路线规划、骑行路线规划、步行路线规划
➎ 距离矩阵：用于批量计算多个起终点到多个终点的路面距离（或称导航距离）
➏ IP定位：通过终端设备IP地址获取其当前所在地理位置
➐ 天气查询：通过行政区划编码，查询对应城市的实时天气或预报天气
场景应用攻略
01
城市/区域搜索
根据指定的市、区范围（名称或区域代码）、地点关键词，搜索符合的地点信息。
应用场景：如搜索北京的景点、酒店、购物场景，搜索某个地方的详细地址等。
02
沿途搜索
搜索指路线（经纬度点串）沿途的加油站、充电站、便利店等信息，为出行提供便利。（注：本功能为高级接口，需付费使用。）
应用示例：从腾讯北京总部大楼去西二旗地铁开车有多远，沿途哪里有加油站，我需要加个油。
03
驾车路线规划
根据起终点经纬度，规划驾车路线，支持参考路况、少收费、不走高速等算路偏好，同时支持返回路线预估用时，路线距离，过路费等信息。
应用场景：从哪去哪，用多长时间，走哪条路，收费多少钱，堵不堵？
04
驾车路线-途经点智能排序
基于驾车路线规划，对输入的途经点以最顺路方式排序并规划路线，排序途经点最多16个（注：本功能为高级接口，需付费使用。）
应用示例：从北京南站出发，去北京动物园、故宫、南锣鼓巷、天坛等几个地方，最后去我住的酒店，在紫竹桥西北角，先去哪再去哪会比较顺？
05
未来路线规划
根据起终点经纬度、未来出发时间，规划驾车驾车路线，路线会考虑未来时间的预测路况进行规划，支持返回预估用时、总距离等信息（注：本功能为高级接口，需付费使用。）
应用场景：从哪去哪，5点出发，估计得多久能到？
06
公交路线规划
根据起终点经纬度，规划公交/地铁线路乘坐方案，支持指定出发时间（确保线路在首末车时段内），支持时间短、少换乘、少步行、地铁优先等多种偏好，为您规划多组乘坐方案，同时返回路线总预估用时、总距离、总步行距离、票价，具体线路如何换乘（线路名、上车站、下车站名等）、首末车时间等。
应用场景：从哪去哪，公交车该怎么坐车？最好能少换乘几趟？另外不想坐地铁。
07
步行、骑行路线规划
步行路线规划：根据起终点经纬度，规划步行路线，最大支持300公里，支持返回路线预估用时、总距离等。
骑行路线规划：根据起终点经纬度，规划自行车骑行路线，最大支持500公里，支持返回路线预估用时、总距离等。
应用示例：从亚洲金融大厦骑车到天安门怎么走？
08
IP定位
通过终端设备IP地址获取其当前所在地理位置（包括省、市、区及行政区划代码），常用于显示当地城市天气预报、初始化用户城市等非精确定位场景。
应用示例：
09
天气查询
通过行政区划编码，查询对应城市的实时天气或预报天气。
应用示例：北京市朝阳区的天气怎么样？
10
地址解析
将包含省市区信息的完整地址文本（如：北京市海淀区北四环西路66号）转换为经纬度，并同时提供结构化的省市区地址信息及转换精度。一般可配合其它接口，如现路线规划、城市搜索，为其提供入参的经纬度信息。
应用示例：
11
逆地址解析
提供由经纬度坐标到文字地址及相关位置信息的转换能力，包括获取：语义化地址、省、市、区、乡镇、门牌号、行政区划代码，及周边参考位置信息，如商圈、地标、道路及交叉口、河流、湖泊、桥、周边地点（pois）信息等。
应用示例：
资料来源：
扫一扫
1450
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
