解决什么问题

直接问大模型中国法律问题，有两个后果：引用的条文可能根本不存在或已废止，你无法核实。法律是最不能容忍编造的领域。

china-law-mcp 给 AI 装上一个离线法条库 + 引用核验器：

• 模型要引用《民法典》第 1254 条？先调 verify_citation 查一下，不存在就换掉
• 模型写了一整段分析？check_citations_in_text 会把里面所有《某法》第 N 条抽出来逐条核验，列出编造的引用
• 不知道适用哪条？search_statutes 用自然语言检索（支持「同事借我钱不还」这种口语）

数据在本地，不联网、不注册、不需要 API key。

快速开始

方式一：一行命令（推荐）

uvx china-law-mcp

方式二：pip 安装

pip install china-law-mcp
china-law-mcp

方式三：克隆运行

git clone https://github.com/thu-lawyer/china-law-mcp
cd china-law-mcp
pip install -r requirements.txt
python -m china_law_mcp        # 首次运行自动构建 BM25 索引，约 6 秒

方式四：Docker（镜像已发布到 ghcr.io）

docker run -i --rm ghcr.io/thu-lawyer/china-law-mcp:latest

{
  "mcpServers": {
    "china-law": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/thu-lawyer/china-law-mcp:latest"]
    }
  }
}

接入你的客户端

标准 stdio 服务器，任何 MCP 客户端都能接。先确定 uvx 在 PATH 里（uv 随附）。

把 uvx 换成 Docker 也可以，见上一节。

{
  "mcpServers": {
    "china-law": {
      "command": "uvx",
      "args": ["china-law-mcp"]
    }
  }
}

工具

效果示例

下图为真实工具调用返回结果的渲染（终端样式，非截图）：

自然语言检索（口语直接问）：

search_statutes("同事借我钱不还怎么办")
→ 中华人民共和国民法典 第六百七十五条  借款人应当按照约定的期限返还借款…
→ 中华人民共和国民法典 第六百七十四条  借款人应当按照约定的期限支付利息…

search_statutes("外卖吃出异物能退吗")
→ 中华人民共和国食品安全法 第一百四十八条  消费者因不符合食品安全标准的食品受到损害的，
                                            可以向经营者要求赔偿损失，也可以向生产者要求赔偿…

引用核验（防止 AI 编造）：

verify_citation("民法典", "1254")   → verified=True   （真实存在）
verify_citation("民法典", "9999")   → verified=False  中华人民共和国民法典 没有第 9999 条

check_citations_in_text("根据《民法典》第1254条…依据《劳动合同法》第99条和《民法典》第88888条…")
→ 共 3 条，有效 1，无效 2
→ invalid: ['《劳动合同法》第99条', '《民法典》第88888条']

作为 Agent Skill 使用（不用 MCP）

如果你用的 Agent 还不支持 MCP，或者只想在命令行里快速查一条法条，仓库里的 skills/china-law/ 提供了等价能力：

• skills/china-law/SKILL.md —— Agent Skill 定义（何时用、怎么用、铁律）
• skills/china-law/law.py —— 零依赖 CLI，不需要 mcp 包，只依赖 china_law_mcp 的检索与数据库模块

pip install china-law-mcp

python skills/china-law/law.py search "外卖吃出异物能退吗"
python skills/china-law/law.py verify 民法典 1254
python skills/china-law/law.py get 民法典 1254
python skills/china-law/law.py list 劳动
echo "根据《民法典》第1254条，另依据《民法典》第88888条。" | python skills/china-law/law.py check -

# 每个子命令都支持 --json
python skills/china-law/law.py verify 民法典 1254 --json

把 skills/china-law/ 整个目录放进对应 Agent 的技能目录即可：Claude Code 用户级 ~/.claude/skills/ 或项目级 .claude/skills/；Codex ~/.codex/skills/；Kimi CLI 通过 --skills-dir 指定。

数据

• 378 部法律、23,995 条现行条文（宪法、法律、立法解释全量）
• 每条含：法律名、编章、条号（中文 + 阿拉伯数字）、条文全文、部门法、时效状态
• SQLite 数据库（15 MB）随仓库提供，开箱即用；BM25 索引首次运行自动构建（约 6 秒，之后缓存）

换成你自己的语料：

python scripts/build_corpus.py 你的条文.jsonl     # → data/laws.db

字段说明见 scripts/build_corpus.py 头部注释。scripts/ 下另有两个可选工具：make_subset.py（抽取常用法律子集）、encrypt_data.py（把数据库加密为 laws.db.enc，服务器可用 CHINA_LAW_KEY 环境变量自动解密）。

工作原理

用户提问
   ↓
search_statutes   ← BM25 召回 + 口语同义词/共现规则扩展 + 覆盖率与短语重排 + 条号直查
   ↓
返回条文原文（含出处）
   ↓
模型依据条文作答
   ↓
check_citations_in_text   ← 正则抽取《X法》第N条，逐条查库核验
   ↓
编造的引用被列出并剔除

检索是纯本地 BM25（rank-bm25 + jieba），不调用任何外部 API，因此没有网络依赖、没有调用成本，也不会把你的查询发给第三方。

已知局限

• 检索是 BM25 基线，口语→法言法语的映射靠一张手工规则表（约 40 条）。常见场景效果好，生僻表述可能召回不相关条文——请始终以返回的条文原文为准。
• 覆盖范围为宪法、法律、立法解释（378 部），不含行政法规、地方性法规、司法解释。修法频繁的领域请留意时效状态字段。
• 条文时效状态部分为库内推定（见语料 status_basis 字段）。
• 本工具提供条文检索与引用核验，不构成法律意见。

收录情况

• PyPI：https://pypi.org/project/china-law-mcp/ （v0.1.1）
• MCP 官方注册表（active）：https://registry.modelcontextprotocol.io/v0/servers?search=china-law-mcp
• Glama：https://glama.ai/mcp/servers/thu-lawyer/china-law-mcp —— 工具定义评分 A
• awesome 列表：已向 punkpeye/awesome-mcp-servers（Legal 分类）与 yzfly/Awesome-MCP-ZH 提交 PR，仍在审核中、尚未合并
• 容器镜像：ghcr.io/thu-lawyer/china-law-mcp

开发

pip install -r requirements-dev.txt
PYTHONPATH=src pytest tests/ -v     # 12 个测试，覆盖检索、直查、引用核验

发布镜像与注册表条目走 tag 触发：

git tag v0.1.2 && git push origin v0.1.2

或在 Actions 里手工触发 Publish image and register 工作流并填入版本号。

相关项目

• 律问 LawQ —— 同一套检索引擎的 Web / 小程序版本（带流式问答）
• 中国行政诉讼案例数据集 —— 635 个行政案件、425 篇裁判文书全文

许可

MIT。条文数据来自公开渠道整理，请遵守相应来源的使用条款。