GeoSQL — это инструмент для аналитиков и дата-сайентистов, которые работают с геопространственными данными на PostGIS, BigQuery, Snowflake и Wherobots. Он встраивается прямо в ИИ-агентов: Claude, Codex и GitHub Copilot. Никакой SaaS-учётки не нужно — всё работает локально или на собственном сервере. Разработчики обещают четырёхкратный прирост производительности на гео-задачах благодаря карте в цикле обработки.
Ставится всё просто. Через Python: pip install geosql и geosql. Или командами geosql install claude, geosql install codex, geosql install copilot — инструмент пропишется прямо в агента. Для Claude Code есть плагин через /plugin marketplace add dekart-xyz/geosql. После установки можно писать запросы прямо из VS Code или Copilot CLI с префиксом /geosql, например: "Show EV charger density along major roads and render a map".
Карты рендерит Dekart — это опенсорсный бэкенд для Kepler.gl с коннекторами к тем же БД. Его можно запустить одной командой docker run -p 8080:8080 dekartxyz/dekart, захостыть у себя или использовать облачную версию. Настройка базы данных — через pip install dekart && dekart init.
Как это работает. Сначала GeoSQL сканирует метаданные вашего хранилища — таблицы, колонки, типы. Никаких догадок о схеме. Агент сам пишет пространственные SQL-запросы с правильными функциями (ST_INTERSECTS, ST_DISTANCE, H3 и так далее). Перед выполнением на BigQuery каждый запрос сухо прогоняется, чтобы оценить объём сканирования. По умолчанию стоит лимит в 10 GiB — если дороже, запрос переписывается: ужимается bbox, снижается разрешение H3, добавляются фильтры. Потом агент проверяет геометрию: считает общую площадь или длину и сверяет с типичными значениями. И самое главное — финальный результат рендерится через Dekart. Агент смотрит на готовую карту, видит ошибки (например, полигон района подменили периметром всего мегаполиса или дважды посчитали пересекающиеся объекты) и исправляет их. Без этого шага модель в текстовом режиме такие ляпы не ловит — отсюда и четырёхкратное ускорение.
Утилита поставляется с набором тестов в папке evals/. Каждый кейс проверяет конкретное поведение, а не просто «ответил ли агент». Результаты на включённом наборе — 100% прохождение восьми утверждений. В среднем уходит 3 085 токенов и 72 секунды на один шаг. Запустить тесты можно самому — инструкция в evals/RUNBOOK.md, новые кейсы приветствуются.