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)
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)。
| 客户端 | 接入方式 |
|---|
| Claude Code | 一条命令:claude mcp add china-law -- uvx china-law-mcp |
| Claude Desktop | 编辑 claude_desktop_config.json(macOS:~/Library/Application Support/Claude/;Windows:%APPDATA%\Claude\),粘入下面的 JSON 后重启 |
| Cursor | 项目级 .cursor/mcp.json 或全局 ~/.cursor/mcp.json,粘入下面的 JSON |
| VS Code(Copilot Chat) | .vscode/mcp.json,注意顶层键是 servers 而不是 mcpServers |
| 国内客户端(Cherry Studio、ChatWise、LobeChat、DeepChat 等) | 在各自的 MCP 设置页粘贴同一段 JSON |
把 uvx 换成 Docker 也可以,见上一节。
{
"mcpServers": {
"china-law": {
"command": "uvx",
"args": ["china-law-mcp"]
}
}
}
工具
| 工具 | 作用 |
|---|
search_statutes(query, top_k, law?) | 自然语言问题 → 相关法条(口语自动扩展为法言法语) |
get_article(law, article_no) | 法律 + 条号 → 条文原文,支持「民法典」「1254」「第一千二百五十四条」 |
list_laws(keyword?, department?) | 浏览库内法律目录 |
verify_citation(law, article_no) | 核验单条引用是否真实存在 |
check_citations_in_text(text) | 抽取文本中全部引用并逐条核验,列出编造的 |
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:
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
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
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。