Rechtsprechung MCP Server

Ein Model Context Protocol (MCP) Server, der die Daten von Rechtsprechung im Internet (Entscheidungen des Bundesverfassungsgerichts, der obersten Gerichtshöfe des Bundes sowie des Bundespatentgerichts ab dem Jahr 2010) durchsuchbar und für LLMs (Large Language Models) zugänglich macht.

Projektübersicht

Dieses Projekt stellt eine Schnittstelle bereit, über die KI-Agenten und Anwendungen auf eine umfangreiche Datenbank deutscher Rechtsprechung zugreifen können. Es besteht aus drei Hauptkomponenten:

1. MCP Server: Der Kern des Projekts. Ein FastMCP-Server, der Tools zur Suche und zum Abruf von Volltexten bereitstellt.
2. Data Preprocessing: Eine Pipeline, um Urteile von "Rechtsprechung im Internet" herunterzuladen, zu bereinigen und in ein durchsuchbares Format zu konvertieren.
3. Beispiel-Agent: Ein Google ADK Agent, der demonstriert, wie man den MCP Server nutzen kann, um juristische Fragestellungen zu beantworten.

1. MCP Server

Der Server läuft in einem Docker-Container und nutzt OpenSearch als Backend für schnelle und flexible Volltextsuchen.

Funktionen (Tools)

• search_decisions(query: str, limit: int): Sucht nach Urteilen basierend auf Text, Aktenzeichen oder Normen.
• search_by_aktenzeichen(aktenzeichen: str, gericht: str, limit: int): Sucht gezielt nach einem Aktenzeichen. Die Suche ist fehlertolerant: Groß-/Kleinschreibung, zusätzliche oder fehlende Leerzeichen und Satzzeichen werden ignoriert (ixzb72/08 findet IX ZB 72/08), ein vorangestelltes Gerichtskürzel (BGH IX ZB 72/08) wird erkannt. Findet sich kein exakter Treffer, werden ähnliche Aktenzeichen bzw. Urteile, die das Aktenzeichen nur im Text erwähnen, zurückgegeben – gekennzeichnet über das Feld match.
• get_decision_by_doknr(doknr: str): Ruft den vollständigen Text (Leitsätze, Gründe, Metadaten) eines spezifischen Urteils ab.

Hinweis zum Index: Die Aktenzeichen-Suche benötigt das Mapping ab Version 2 (MAPPING_VERSION in prepare_data/ingest.py). Beim nächsten Ingest-Lauf wird ein älterer Index automatisch neu aufgebaut, da sich Feld-Mappings in OpenSearch nicht nachträglich ändern lassen. Die Daten stammen vollständig aus den Markdown-Dateien und werden im selben Lauf neu geschrieben.

Technologie

• Python: Implementierung des Servers mit mcp.server.fastmcp.
• OpenSearch: Speicherung und Indizierung der Urteile.
• Docker Compose: Orchestrierung von Server und Datenbank.

Starten des Servers

cd mcp
docker-compose up --build

Der Server ist anschließend unter http://localhost:8002/mcp erreichbar. Die Datenbank wird beim ersten Start automatisch initialisiert (siehe src/ingest.py).

2. Data Preprocessing

Bevor der Server nützlich ist, müssen Daten ingestiert werden. Die Skripte im Ordner prepare_data/ kümmern sich um die Beschaffung und Aufbereitung.

• Quelle: Rechtsprechung im Internet (Open Data).
• Prozess:
  1. Links extrahieren (extract_links.py).
  2. XML-Daten herunterladen (download_files.py).
  3. Entpacken (extract_zips.py).
  4. Konvertierung zu Markdown für optimale LLM-Lesbarkeit (convert_all_to_md.py).

Detaillierte Anweisungen finden sich in prepare_data/README.md.

3. Beispiel-Agent (Google ADK)

Im Ordner google-adk-agent/ befindet sich ein Referenz-Agent, der zeigt, wie man den MCP-Server in eine Anwendung integriert.

• Framework: Google Agent Development Kit (ADK).
• Modell: Gemini 2.5 Flash / Gemini 3 Pro Preview.
• Funktion: Der Agent analysiert Sachverhalte, sucht selbstständig passende Urteile und gibt eine rechtliche Einschätzung ab.

Siehe google-adk-agent/agent/README.md für Details zur Einrichtung.

Voraussetzung

• Docker & Docker Compose
• Python 3.10+ (für lokale Entwicklung/Preprocessing)
• Zugriff auf Gemini API (für den Agenten)

Lizenz

Dieses Projekt ist unter der MIT License lizenziert. Die Daten stammen vom Bundesministerium der Justiz und dem Bundesamt für Justiz.