> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/geopard-mcp-capabilities.md).

# GeoPard MCP iespējas

Pilns GeoPard MCP iespēju katalogs: ko AI asistents var lasīt, analizēt, izveidot un eksportēt jūsu GeoPard kontā.

## GeoPard MCP iespējas

GeoPard MCP nodrošina saderīgiem AI asistentiem autorizētu piekļuvi jūsu GeoPard kontam. Tas darbojas ar jūsu reālajiem saimniecības datiem. Ar to var analizēt lauku mainību, izveidot darbam nepieciešamos rezultātus un nosūtīt tos uz tehniku.

Izmantojiet to, lai izveidotu zonu kartes, mēslojuma vai citu produktu devu kartes, paraugu ņemšanas plānus un darbam ar tehniku sagatavotus failus. Tas samazina manuālai sagatavošanai nepieciešamo laiku, vienlaikus ļaujot jums paturēt pārskatīšanu un apstiprināšanu savās rokās.

Informāciju par iestatīšanu skatiet sadaļā [GeoPard MCP savienošana](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/connect-geopard-mcp.md) un [GeoPard MCP savienojuma pārbaude](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/verify-geopard-mcp-connection.md).

{% hint style="info" %}
Katrs datu rīks darbojas jūsu OAuth sesijā. Asistents var piekļūt tikai tām saimniecībām, laukiem un datu kopām, kas pieejamas jūsu GeoPard lietotājam.
{% endhint %}

### Iespēju pārskats

| Grupa                          | Darbība                                                                         |
| ------------------------------ | ------------------------------------------------------------------------------- |
| Datu atrašana                  | Atrod saimniecības, laukus un lauku datu slāņus, tostarp reljefa informāciju    |
| Analītika                      | Aprēķina veģetācijas statistiku, reljefa kontekstu un agronomiskos vienādojumus |
| Zonas un mainīgās normas (VRA) | Izveido zonu kartes un nosaka produktu izkliedes normas                         |
| Ražības datu kvalitāte         | Sakārto un kalibrē ražības datus, kā arī ģenerē ražības datu kopas              |
| Paraugu ņemšana                | Izveido režģī vai zonās balstītus paraugu ņemšanas plānus un maršrutus          |
| Eksportēšana un tehnika        | Eksportē failus, nosūta datus uz John Deere un izveido darba plānus             |
| Navigācija                     | Atver precīzus GeoPard skatus vizuālai pārskatīšanai                            |

### Datu atrašana un konteksts

Vispirms asistents noskaidro jūsu saimniecības un lauka kontekstu. Tādējādi katra atbilde ir balstīta jūsu datos.

| Rīks                       | Mērķis                                                                                               |
| -------------------------- | ---------------------------------------------------------------------------------------------------- |
| `searchFarms`              | Uzskaita un filtrē saimniecības                                                                      |
| `searchFields`             | Atrod laukus pēc saimniecības, nosaukuma vai filtriem                                                |
| `searchSatelliteImages`    | Atrod lauku attēlus noteiktā datumu diapazonā                                                        |
| `searchSoilDatasets`       | Atrod augsnes laboratoriju un sensoru datu kopas                                                     |
| `searchTopographyDatasets` | Atrod reljefa kartes: DEM, slīpums, ekspozīcija, ēnojums, TPI, TRI un nelīdzenums                    |
| `searchYieldDatasets`      | Atrod ražas novākšanas datu kopas pēc lauka un sezonas                                               |
| `searchAsAppliedDatasets`  | Atrod tehnikas veiktās apstrādes ierakstus                                                           |
| `searchZonesMaps`          | Atrod zonu kartes, ģeometrijas un tām piešķirtās normas                                              |
| `searchEquationMaps`       | Atrod iepriekš ģenerētas vienādojumu kartes                                                          |
| `searchSamplingPlans`      | Atrod plānus pēc lauka, veida, statusa vai zonu kartes                                               |
| `searchTrials`             | Atrast ražas normu un šķirņu izmēģinājumus                                                           |
| `searchProvider`           | Meklējiet organizācijas, saimniecības, laukus un citus datu slāņus John Deere, CNH un AGCO sistēmās. |

**Projicēšanas vadīklas.** Meklēšana atbalsta `ids`, `summary`, `statistics`, un `full` projekcijas. Sarakstiem izmantojiet kompaktus rezultātus. Pilnu informāciju pieprasiet tikai tad, ja nepieciešama ģeometrija vai atribūtu statistika. Tas samazina datu apmaiņu ar serveri lielos kontos.

### Analītika

#### Veģetācijas indeksu statistika jebkurai ģeometrijai

`searchSatelliteImageryByGeometry` aprēķina indeksu statistiku punktam (Point), vairākiem punktiem (MultiPoint), poligonam (Polygon) vai vairākiem poligoniem (MultiPolygon) noteiktā laika posmā. Izmantojiet šo funkciju, lai pārbaudītu aizdomīgu platību, salīdzinātu zonas vai novērtētu izmēģinājuma joslas.

* **Datu avoti:** Sentinel-2, Landsat 4, 5, 7, 8, 9 un Planet.
* **Indeksi:** NDVI, EVI, EVI2, RVI, LAI, OSAVI, SAVI, GNDVI, IPVI, GCI, WDRVI, RCI, SBI, GFPI, NDMI, MSI, CCCI, MCARI, TCARI, MCARI\_OSAVI, TCARI\_OSAVI, MCARI1, NDWI, NIR un NDYI.

#### Topogrāfija un reljefs

`searchTopographyDatasets` atrod laukam pieejamos reljefa slāņus. Izmantojiet tos, lai izskaidrotu ūdens plūsmu, erozijas risku, salnu apdraudētas vietas un ražas modeļus, ko nevar noteikt tikai pēc satelītattēliem.

* **Slāņi:** DEM, slīpums, ekspozīcija, ēnots reljefs, kombinēts ēnots reljefs, TPI, TRI un nelīdzenums.
* **Filtri:** saimniecība, lauks, konkrētu topogrāfisko karšu UUID un statuss `SAVED`, `EXECUTED`, `ERROR`, vai `EMPTY`.
* **Projekcijas:** `ids`, `summary`, `statistics`, un `full`, tāpat kā citos meklēšanas vaicājumos.

Jānorāda saimniecības vai lauka filtrs, jo topogrāfiskās kartes ir piesaistītas laukiem.

Reljefa atribūti tiek tieši izmantoti funkcijā `generateEquationMap`. Apvienojiet slīpuma datus ar augsnes datiem un satelītattēliem, lai noteiktu kaļķošanas un drenāžas darbu vietas, samazinātu sējas normu erozijas skartās nogāzēs vai iestatītu mainīgu augsnes apstrādes dziļumu. Topogrāfiskās kartes var arī nosūtīt uz John Deere kā karšu slāņus (Maps Layers), lai tās būtu pieejamas kabīnē.

#### Agronomija, izmantojot vienādojumus

`generateEquationMap` aprēķina pārskatāmas formulas vairākos slāņos un saglabā rezultātu kā karti.

* **Ievades mainīgie** var izmantot satelītattēlu indeksus, augsnes rādītājus, ražas datus, faktiski lietoto resursu datus, topogrāfiju, zonu kartes un vienādojumu kartes.
* **Izmēģinājuma aprēķins** pēc noklusējuma ir `true`. Pirms kartes ģenerēšanas tas pārbauda sintaksi, izmantojot paraugvērtības.
* **NumPy atbalsts** iespējo nosacījumu loģiku ar tādām funkcijām kā `np.where` un `np.isnan`.

Izvēlieties manuālu režģi vai AB līniju režģi. AB līniju režģos tiek izmantots tehnikas darba platums, apgriešanās joslas, sekcijas, apstrādes garums un apgriešanās rādiuss. Tādējādi receptes tiek saskaņotas ar faktiskajām lauka darbībām.

Atbalstītie lietojuma veidi: `GENERAL`, `SEEDING`, `FERTILIZING`, `SPRAYING`un `IRRIGATION`.

#### Ģeometrijas un rastra piekļuve

| Rīks            | Mērķis                                             |
| --------------- | -------------------------------------------------- |
| `fetchGeoJson`  | Iegūt GeoJSON FeatureCollection no GeoPard WFS URL |
| `getGeoMapUrls` | Iegūt renderēto karšu URL vizuālai pārskatīšanai   |

### Zonas un mainīgās devas lietojums

| Rīks                  | Mērķis                                                                                      |
| --------------------- | ------------------------------------------------------------------------------------------- |
| `saveZonesMap`        | Izveidot zonas no Polygon vai MultiPolygon ģeometrijām, pēc izvēles norādot devas un krāsas |
| `assignZonesMapRates` | Piešķirt līdz trim produktu devām esošai kartei                                             |

Katram produktam ir nosaukums, devas mērvienība un neobligāta cena par mērvienību. Vienā kartē var iekļaut MAP, urīnvielas un sēklas devas. Atbalstītās mērvienības ietver metriskās un britu mērvienību sistēmas masas un tilpuma mērvienības, sēklu skaitu, valūtu uz platības vienību un augsnes apstrādes dziļumu.

{% hint style="warning" %}
`assignZonesMapRates` atjaunina esošu karti. Pirmais izsaukums atgriež devu salīdzināšanas priekšskatījumu. GeoPard saglabā izmaiņas tikai pēc skaidra apstiprinājuma.
{% endhint %}

### Ražības datu kvalitāte

| Rīks                            | Mērķis                                                                 |
| ------------------------------- | ---------------------------------------------------------------------- |
| `cleanCalibrateYieldDataset`    | Iztīrīt un kalibrēt ražības datu kopu                                  |
| `generateSyntheticYieldDataset` | Izveidot ražības slāni, ja nav pieejami izmērīti ražas novākšanas dati |

**Tīrīšanas opcijas** ietver automātisko tīrīšanu, atribūtu minimālās/maksimālās vērtības filtrus, sigma filtrus un USDA protokolu. USDA darbplūsma atbalsta kultūraugam pielāgotus ražības, mitruma, kustības ātruma, laika, darba platuma un pārklāšanās iestatījumus.

**Kalibrēšanas opcijas** var būt paredzētas lauka vidējās vērtības vai kopsummas sasniegšanai. Tās var ierobežot vērtības līdz noteiktam diapazonam. Kalibrēšanu var veikt arī pēc tehnikas kustības trajektorijas, pielāgojot nogludināšanu.

Sintētiskās ražības dati atbalsta kukurūzu, kukurūzas skābbarību, sojas pupas, kviešus, kokvilnu, rīsus, miežus, auzas, sorgo, rapsi, saulespuķes un rudzus. Norādiet mērķa vidējo vērtību vai kopsummu, ražas novākšanas gadu un datumu.

{% hint style="info" %}
Ražības datu tīrīšanai un kalibrēšanai nepieciešama sākotnējā pārbaude. Pārskatiet datu kopas statistiku un pirms korekciju veikšanas apstipriniet neskaidros mērķa atribūtus.
{% endhint %}

### Augsnes paraugu ņemšanas plāni

`generateSamplingPlan` izveido vai atjaunina `GRID` un `ZONE` plānus laukam.

* **Paraugu izvietojums:** GeoPard Core Line, Optimized Coverage, NZ vai W raksti.
* **Maršrutēšana:** Maršrutēšana pa zonām vai vieda secības noteikšana zonās.
* **Paraugu ņemšana:** Iestatiet punktu skaitu zonā, dziļumu un Core vai Composite metodi.

Izvēlieties analīzes metodes, tostarp Olsen, Bray, Mehlich, DTPA, augsnes oglekļa, augsnes profila nitrātu, mitruma, tekstūras, augu audu, graudu paraugu, lauka apsekošanas, apūdeņošanas ūdens un kūtsmēslu analīzi. Marķējumu veidnes nodrošina plānu un laboratorijas paraugu iesniegumu saskaņotību.

Plāni tiek atjaunināti vai izveidoti, ja tādu vēl nav. Asistents var pielāgot esošās atzīmes vai maršrutus, neveidojot dublikātus.

### Eksportēšana un tehnika

| Rīks                            | Mērķis                                                          |
| ------------------------------- | --------------------------------------------------------------- |
| `exportData`                    | Eksportēt zonas un vienādojumu kartes kā lejupielādējamu arhīvu |
| `exportToJohnDeereAsFiles`      | Nosūtīt eksportētu arhīvu uz John Deere Operations Center       |
| `exportToJohnDeereAsMapsLayers` | Nosūtīt GeoPard vienumu kā Maps Layer                           |
| `createJohnDeereWorkPlan`       | Izveidot sēšanas vai lietošanas WorkPlan no receptes            |
| `importJohnDeereData`           | Sākt asinhronu John Deere datu importēšanu GeoPard              |

Eksportēt kā `SHAPEFILE_MULTIPOLYGON`, `SHAPEFILE_POLYGON`, vai `ISOXML`. Izmēģinājuma lauciņu ģeometrijas var iekļaut, nepārklājot vecākzonu normas.

Maps Layers atbalsta zonas, vienādojumus, attēlus, augsnes, ražas un topogrāfijas datus. Tas operatoriem līdzās receptēm nodrošina noderīgu vizuālo kontekstu.

### Navigācija un sesija

| Rīks           | Mērķis                                                                  |
| -------------- | ----------------------------------------------------------------------- |
| `buildAppUrl`  | Izveidot dziļo saiti uz saimniecību, lauku, resursu grupu vai datu kopu |
| `parseAppUrl`  | Izgūt kontekstu no GeoPard lietotnes URL                                |
| `clearSession` | Notīrīt sesijas datus                                                   |

Dziļās saites palīdz veikt galīgo pārbaudi. Pirms lauka darbu sākšanas atveriet GeoPard precīzo karti.

### Tipiska darbplūsma

1. **Noskaidrojiet kontekstu.** Atrodiet saimniecību un lauku. Uzskaitiet pieejamos slāņus.
2. **Novērtējiet mainību.** Aprēķiniet indeksu statistiku. Pārskatiet augsnes, topogrāfijas un ražas statistiku.
3. **Izveidojiet recepti.** Validējiet vienādojumu. Ģenerējiet vienādojuma karti vai zonas ar normām.
4. **Pārskatiet un eksportējiet.** Pārbaudiet receptes karti, pēc tam eksportējiet to vai nosūtiet uz John Deere.
5. **Mācieties no ražas novākšanas rezultātiem.** Sakārtojiet ražas datus. Salīdziniet tos ar faktiskās iestrādes datiem. Pilnveidojiet nākamās sezonas pieeju.

Šī darbplūsma palīdz izmantot resursus tur, kur tie sniedz vislielāko atdevi. Tā arī samazina laiku no analīzes līdz darbu izpildei uz lauka.

### Uzvedņu piemēri

* *Par lauku X sniedz Sentinel-2 NDVI statistiku par pēdējām 60 dienām. Parādi, kur mainība ir vislielākā.*
* *Uzskaiti lauka X topogrāfijas kartes. Izmanto slīpumu un TPI, lai izskaidrotu zemas ražas joslas 2025. gada ražas novākšanā.*
* *Izveido slāpekļa vienādojumu, izmantojot NDVI un augsnes organisko vielu. Validē to, pēc tam ģenerē 20 m režģi.*
* *Izveido lauka X mēslošanas karti ar četrām zonām. Izmanto MAP normas 120, 100, 85 un 70 kg/ha. Pirms saglabāšanas parādi priekšskatījumu.*
* *Sakārto 2025. gada kukurūzas ražas datu kopu, izmantojot USDA protokolu. Kalibrē kopējo apjomu līdz 1 240 tonnām.*
* *Izveido zonās balstītu paraugu ņemšanas plānu ar trim paraugiem katrā zonā, 20 cm dziļumā, Mehlich3 analīzei un ar viedu maršrutēšanu.*
* *Nosūti receptes karti uz manu John Deere organizāciju kā WorkPlan.*

### Ierobežojumi

* **Piekļuves tvērums.** Ar OAuth nodrošināta piekļuve ievēro katra lietotāja piešķirtās tiesības.
* **Apstiprināšanas nosacījumi.** Destruktīvām izmaiņām nepieciešama priekšskatīšana un skaidrs apstiprinājums.
* **Izmēģinājuma izpilde bez izmaiņu veikšanas.** Pirms kartes ģenerēšanas tiek pārbaudīts vienādojumu derīgums.
* **Pirmsdarba pārbaudes.** Ražības korekcijām nepieciešama pārskatīta statistika un apstiprināti atribūti.
* **Jūsu dati paliek jūsu īpašumā.** GeoPard formatē jūsu datus analīzei. Jūs saglabājat īpašumtiesības un kontroli pār tiem.

{% hint style="warning" %}
GeoPard MCP palīdz pieņemt lēmumus, bet neaizstāj vietējo agronomisko spriedumu. Pirms lietošanas pārbaudiet devas, vienādojumus un mērvienības, salīdzinot ar kultūraugu plāniem, augsnes analīžu rezultātiem, marķējumiem un vietējiem normatīvajiem aktiem.
{% endhint %}

### Saistītās lapas

* [Izveidot savienojumu ar GeoPard MCP](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/connect-geopard-mcp.md)
* [Pārbaudīt GeoPard MCP savienojumu](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/verify-geopard-mcp-connection.md)
* [Optimālais augsnes apstrādes dziļums](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/optimal-tillage-depth.md)
* [Izskaidrot veģetācijas rakstus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/explain-vegetation-patterns.md)
* [Attīrīt un kalibrēt ražības datus](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/clean-and-calibrate-yield-data.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/geopard-mcp/geopard-mcp-capabilities.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
