把“帮我看看某地夏季植被是否变化”交给 Agent，真正的难点不只是生成一句解释，而是让它正确选择影像、计算指标、生成结果图层并把结论回链到数据。Argus 是一个面向公开地球观测影像的开源原型：LLM Agent 规划并调用地理工具，知识库检索为答案提供依据，结果显示在交互式 WebGL 地图上。它的工程做法值得 GIS 团队借鉴：同一套工具既可在进程内调用，也可经 MCP 暴露，减少两套实现造成的行为差异。

可核查事实

  • Argus 的 README 将项目定义为“公开地球观测影像的自然语言探索”。
  • 系统由 LLM Agent 规划和调用地理工具，以知识库检索为回答提供依据，并将结果动画展示在交互式 WebGL 地图上。
  • README 说明相同工具既用于进程内工具调用，也通过 Model Context Protocol 暴露给 MCP host。
  • 其公开数据主源为 Microsoft Planetary Computer 公共 STAC API 的 Sentinel-2 L2A，AWS Open Data 和 NASA GIBS tiles 是替代来源。
  • 项目声明不使用、获取或存储专有、机密或 ITAR 管制数据；知识库限于公开传感器、波段、重访时间和地点元数据文档。
  • 影像流水线可拉取 Sentinel-2 L2A 场景、计算 NDVI，并运行 ONNX 植被变化流程，输出 GeoJSON 检测结果和 PNG 叠加图。
  • README 还说明 RAG 可使用 Postgres 的 pgvector 或内存回退，且同一镜像可在 Docker Compose 与 kind Kubernetes 集群运行。

核心机制：工具只定义一次，结果才能一致地被审计

一个 GIS Agent 很容易出现“双轨实现”：聊天模型调用一套函数，MCP 客户端又调用另一套服务，最终参数含义、默认云量阈值或输出字段不同。Argus 将地理工具定义一次，再分别绑定给模型工具调用和 FastMCP stdio 服务器。这样，Agent、命令行演示和外部 MCP host 使用的是同一组影像、指数、变化和检索接口。

这种设计不能保证模型选择正确工具，但能缩小差异来源。若一次 NDVI 结论错误，团队可以检查 AOI、前后日期、STAC 场景、云处理、计算参数、GeoJSON 结果和地图叠加，而不是猜测不同入口是否执行了不同逻辑。

GIS 场景：把问答结果交付为图层和证据，而非一段文字

面向自然资源巡查或农业监测，用户可用自然语言发起候选查询，但系统交付物应包括 AOI、数据源、影像日期、处理步骤、NDVI/变化参数、生成的 GeoJSON 与叠加图，以及结论的适用范围。地图端展示这些产物，用户就能识别影像是否被云遮挡、变化是否落在目标地块、候选检测是否跨越边界。

公开数据政策同样要写入产品界面。即使数据公开，也应显示许可证、来源、获取时间和是否为演示合成影像。Agent 不能把知识库中关于传感器的说明当作对某次影像的现场事实。

技术路径

  1. 以 STAC 或等价目录统一描述影像时间、范围、云量、波段、许可证和数据版本。
  2. 将影像检索、NDVI、变化检测和知识库检索定义为带输入输出契约的共享工具。
  3. 让 Agent 只编排工具，所有空间计算由可复现的服务执行，并记录调用参数。
  4. 为每个回答生成可下载的 GeoJSON、图像叠加与处理清单，支持地图端复核。
  5. 对演示模式、实时模式、公开数据和受限数据明确标志与权限边界。
  6. 用离线确定性脚本覆盖常见查询路径，确保没有模型密钥时也能回归验证工具链。

检查清单

  • MCP、网页和命令行是否调用同一份地理工具实现？
  • 每个结果能否回链到 STAC 场景、日期、AOI、参数和派生图层？
  • 合成演示与实时影像是否在 UI 和产物中明确区分？
  • NDVI 或变化检测是否输出可检查的 GeoJSON 和叠加图，而不是只有文字？
  • 知识库回答是否有公开文档来源，并避免超出元数据的解释？

风险边界

Argus README 描述的是开源原型能力，不构成任何地区植被变化的实测结论。Sentinel-2 影像、NDVI 和 ONNX 检测结果会受云、季节、配准、像元尺度和模型假设影响。公开数据不等于可直接用于监管或执法；重要结论仍须结合更高质量影像、地面调查和业务规则复核。

资料依据

本文依据 Argus GitHub README 撰写。自然语言探索、共享工具/MCP、公开数据政策、Sentinel-2 L2A、STAC、NDVI、ONNX、GeoJSON、pgvector 与 Docker/kind 部署说明均来自 README；工具契约和结果交付流程为 GIS 工程建议。

结论

自然语言是遥感 GIS 的入口，不应成为不可追溯的黑箱。把同一套地理工具、数据元数据和地图产物暴露给 Agent 与用户，才能让每一句解释都回到可核查的空间证据。