Academic Institution Talent

Academic Institution & Talent MCP

ApifyForge で表示 | Apify Store で利用

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します：

{
  "mcpServers": {
    "academic-institution-talent-mcp": {
      "url": "https://ryanclinton--academic-institution-talent-mcp.apify.actor/mcp"
    }
  }
}

---

学術研究における技術探索、大学の技術移転インテリジェンス、研究室のプロファイリングを、AI エージェントが直接呼び出す MCP サーバーとして提供します。8つの稼働中の学術データベース、OpenAlex、ArXiv、USPTO、EPO、NIH、Grants.gov、ORCID、EPOに同時接続し、4つの独自スコアリングモデルによる構造化 JSON レポートと、90秒以内の ACQUIRE_NOW / PARTNER / MONITOR / TOO_EARLY / PASS 判定を受け取れます。

生の学術成果を実用的な投資シグナルに変換する必要がある、企業の研究開発チーム、ベンチャーキャピタル、技術移転オフィス、防衛技術の調査担当者向けに構築されています。これら8つのデータベースを機関ごとに手作業で調査すると、3～6時間かかります。このサーバーはすべてのクエリを並行して実行し、アナリストの主観やユーザーごとのライセンス料なしで、一貫性があり比較可能なスコアリングを適用します。

どのようなデータにアクセスできますか？

データ項目	ソース	例
📄 学術出版物と被引用数	OpenAlex（2億5,000万件以上の論文）	「CRISPR 塩基編集：被引用数 2,847件」
🔬 研究トピックの分類と分野指標	OpenAlex Research	機関レベルの h-index、出版物の幅
🇺🇸 米国特許出願、登録状況、譲受人	USPTO Patent Search	「US11234567B2 — 登録済み、MIT が譲受人」
🇪🇺 38の加盟国にまたがる欧州特許ファミリー	EPO Patent Search	「EP3456789A1 — 審査中、ETH Zurich」
💰 受賞額と主任研究者を含む NIH 助成金	NIH Research Grants	「420万ドルの R01 — Stanford の神経科学」
🏛️ 米国の全機関における連邦助成金の公募	Grants.gov	DARPA BAA、NSF SBIR フェーズ II の公募一覧
👤 所属機関と研究成果数を含む研究者プロフィール	ORCID（1,800万件以上のプロフィール）	「Jana Kowalski 博士、出版物127件」
📑 投稿速度を含む出版前プレプリント	ArXiv（240万件以上の論文）	「cs.AI — 30日間で14件の投稿」

Academic Institution & Talent MCP を使う理由

技術調査担当者や企業の研究開発ディレクターは、大学の研究室の全体像を手作業でまとめるために、案件ごとに40時間以上を費やしています。特許データベースの検索、NIH Reporter の照会、出版物の相互参照、ORCID を使った主要な主任研究者の特定などが必要です。Clarivate SciVal や PatSnap のようなエンタープライズ分析プラットフォームは年間20,000～60,000ドルを請求しますが、新たな調査対象ごとに、依然として大幅な手作業による整理が必要です。

この MCP サーバーは、インテリジェンス収集パイプライン全体を自動化します。AI エージェントが単一のツールを呼び出すだけで、8つの稼働中データソースから収集した、スコア付きで証拠に裏付けられたレポートを、通常45～90秒で受け取れます。

• スケジュール設定 — Apify Schedules を使って定期的な調査モニタリングを実行し、研究室や技術分野を継続的に追跡できます
• API アクセス — 専任のデータチームを設けずに、Python、JavaScript、または任意の HTTP クライアントからツール呼び出しを実行できます
• 並列実行 — 上流のアクター呼び出しは順次ではなく並行してすべて実行されるため、レイテンシーを低く抑えられます
• モニタリング — 実行結果の変化や支出上限への接近を検知した際に、Slack またはメールでアラートを受け取れます
• 連携 — 結果を Zapier、Make、Google Sheets、HubSpot、またはカスタム Webhook に接続できます

特長

• 4つの独自スコアリングモデル — 商業化準備度スコア、研究ホットスポット検出、研究室インテリジェンスプロファイル、技術成熟度評価。それぞれ0～100でスコアを付け、段階をラベルで示します
• 複合判定エンジン — 商業化（30％）、技術成熟度（25％）、研究室の強み（25％）、ホットスポット（20％）に重みを付けた複合スコアを算出し、特殊なケースに対応する2つの例外ルールを適用します。弱い研究室の成熟技術はMONITORに格下げされ、商業化準備度が高い世界トップクラスの研究室はACQUIRE_NOWに格上げされます
• 論文から特許への転換率 — 特許出願に至った論文の割合を測定し、商業化の意欲を示す先行指標として活用します
• 技術成熟度レベル（TRL）の推定 — 3段階（基礎、応用、商業化段階）にわたる24のTRLキーワードシグナルを使って研究成果を分類し、重み付けした結果をTRL 1～9に対応付けます
• プレプリント公開速度のスコアリング — 年ごとのArXiv投稿の加速を測定します。速度比が1.5倍になると、「分野が勢いを増している」シグナルが発生します
• 被引用数の加速分析 — 平均被引用数を追跡し、OpenAlexから被引用数の多い論文（50件以上の引用）を特定して、コミュニティへの影響が実証された研究を明らかにします
• HHI分析による資金調達先の集中度 — 資金提供機関全体の簡易的なハーフィンダール・ハーシュマン指数を算出します。3機関以上から資金を得ている研究室は、単一機関に依存するプログラムより高いスコアになります
• SBIR/STTR助成金の検出 — 中小企業技術革新研究（SBIR）助成金を、技術移転経路が進行中であることを示すシグナルとして明示的に検出します
• 特許登録率の計算 — 登録済み特許（ステータスB1/B2）と係属中の出願を区別して、知的財産（IP）の成熟度を評価します
• PIの生産性スコアリング — 研究者ごとのORCIDの業績数を集計し、研究室グループ全体の平均生産性を算出します
• 8つの並列データソース — すべてのアクター呼び出しをPromise.all()による並行処理で実行します。ソース数にかかわらず、ツールの呼び出しは30～90秒で完了します
• 支出上限の適用 — 各ツールは実行前にActor.charge()を確認します。予算に達すると、不完全な結果を出さずに処理を正常に停止します
• MCP Streamable HTTPトランスポート — @modelcontextprotocol/sdkのStreamableHTTPServerTransportを実装し、Claude Desktop、Cursor、Windsurf、Clineとの互換性を確保します

学術研究の技術調査におけるユースケース

企業のR&D技術調査

製薬、半導体、材料系企業のR&D責任者は、大学の研究が市場に出る2～4年前に、その研究を特定する必要があります。identify_acquisition_targetsツールは、特許データベースと論文データベースを調査し、対象技術分野で商業化準備度の高い研究室を抽出します。数百に及ぶ機関を、定量化されたスコアと根拠となるシグナルを添えた候補リストに絞り込めます。

ベンチャーキャピタルとCVCの投資案件発掘

アーリーステージの投資家や企業のベンチャーチームは、シードラウンドの資金調達前にスピンアウト候補を見つけたいと考えています。discover_research_hotspotsツールは、プレプリント公開速度の加速と被引用数の集積を検出し、ある分野から商業化可能な知的財産（IP）が生まれようとしていることを示すシグナルを特定します。これをgenerate_tech_scouting_reportと組み合わせれば、任意の研究室やPIについて、投資準備度を網羅した資料を作成できます。

技術移転オフィスのベンチマーク

大学の技術移転オフィスは、同等の機関を基準に自組織の商業化実績を評価する必要があります。benchmark_institutional_outputツールは、複数のソースにわたって論文発表数、特許出願率、現役研究者数を比較し、研究室の強みスコア（NASCENTからWORLD_CLASSまで）を算出します。これにより、機関が優れている分野と遅れを取っている分野を特定できます。

政府・防衛分野の研究インパクト評価

DARPA、DOE、NIH のプログラムマネージャーは、資金提供した研究が特許や商業的成果につながっていることを確認する必要があります。track_funded_research ツールは、HHI 集中度分析を用いて助成金ポートフォリオをマッピングし、資金が複数の機関に分散しているか、特定の機関に過度に集中しているかを特定するとともに、資金提供のパターンを特許や出版物の成果に関連付けます。

製薬・バイオメディカル分野の研究開発パイプライン発掘

バイオテクノロジー企業の研究開発チームやライセンス担当者は、assess_commercialization_readiness を使用して、SBIR/STTR の活動があり、論文から特許への転換率が高い研究プログラムに取り組む NIH 資金提供先の研究室を調査できます。この 2 つは、バイオメディカル研究プログラムがライセンス契約に向かっていることを示す、最も有力な先行指標です。

大学研究者の採用と人材発掘

研究集約型企業で上級研究者を採用する際、profile_research_lab を使用すると、論文数、h 指数の代理指標、助成金ポートフォリオの規模、資金提供機関の構成、所属機関など、PI の詳細なプロフィールを作成できます。ORCID、OpenAlex、NIH のデータをもとに、データベースを手作業で検索することなく、数秒で情報をまとめられます。

学術研究の技術動向調査にこの MCP サーバーを接続する方法

接続は 2 分以内に完了します。コードは不要です。

1. Apify API トークンを取得する — apify.com にログインし、Account > Integrations からトークンをコピーします。新規アカウントには 5 ドル分の無料クレジットが付与され、約 111 回のツール呼び出しを無料で利用できます。
2. MCP クライアントにサーバーを追加する — エンドポイント URL とトークンをクライアントの設定に貼り付けます。MCP エンドポイントは https://academic-institution-talent-mcp.apify.actor/mcp です。
3. 接続を認証する — Bearer YOUR_APIFY_TOKEN として Authorization ヘッダーにトークンを含めます。クライアントで URL のみの設定が必要な場合は、クエリパラメーター（?token=YOUR_APIFY_TOKEN）として追加します。
4. ツールを呼び出す — AI エージェントに「Discover research hotspots in solid-state batteries」と尋ねると、Hot Spot Score、プレプリントの公開速度、引用数、研究者密度を含む構造化 JSON レスポンスが、通常 45 秒以内に返されます。

Claude Desktop

claude_desktop_config.json に追加します。

{
  "mcpServers": {
    "academic-institution-talent": {
      "url": "https://academic-institution-talent-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN"
    }
  }
}

Cursor、Windsurf、または Cline

IDE の設定パネルで、サーバー URL を使用して新しい MCP サーバーを追加します。

https://academic-institution-talent-mcp.apify.actor/mcp

クライアントの HTTP ヘッダー設定で、Authorization ヘッダーを Bearer YOUR_APIFY_TOKEN に設定します。

プログラムからの接続（HTTP / cURL）

curl -X POST "https://academic-institution-talent-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "discover_research_hotspots",
      "arguments": { "topic": "solid-state batteries", "timeframe": "2024-2025" }
    },
    "id": 1
  }'

MCP ツール

ツール	価格	データソース	説明
discover_research_hotspots	$0.045	ArXiv, OpenAlex, ORCID	プレプリントの増加速度＋引用の加速＋研究者密度を分析します。DORMANT／EMERGING／ACTIVE／HOT／BREAKTHROUGH の段階と、0〜100 のホットスポットスコアを返します。
profile_research_lab	$0.045	ORCID, NIH, Grants.gov, OpenAlex	PI の生産性、助成金ポートフォリオ、出版物の幅を分析します。NASCENT から WORLD_CLASS までの段階と、ラボ強度スコアを返します。
assess_commercialization_readiness	$0.045	USPTO, EPO, OpenAlex, NIH, Grants.gov	出版物から特許への転換率、特許の品質、TRL シグナルを分析します。PRE_DISCOVERY から MARKET_READY までの段階と、商業化スコアを返します。
search_university_patents	$0.045	USPTO, EPO	機関または技術分野別の特許ポートフォリオを検索します。TRL 推定値 1〜9 と技術成熟度スコアを返します。
track_funded_research	$0.045	NIH, Grants.gov, OpenAlex	HHI による資金集中度分析を用いて助成金を追跡します。研究成果と関連付けた資金プロファイルを返します。
identify_acquisition_targets	$0.045	USPTO, EPO, OpenAlex, ORCID, NIH	分野と地域に基づいて技術移転の候補を特定します。上位の特許および研究者とともに、商業化スコアと技術成熟度スコアを返します。
benchmark_institutional_output	$0.045	OpenAlex, USPTO, ORCID, ArXiv	1 つの機関の出版物、特許、研究者、プレプリントを調べます。ラボインテリジェンススコアとホットスポットスコアを返します。
generate_tech_scouting_report	$0.045	8 つすべてのデータソース	4 つすべてのスコアリングモデルと全シグナルを含む総合レポートを生成します。ACQUIRE_NOW／PARTNER／MONITOR／TOO_EARLY／PASS の判定と、実行可能な推奨事項を返します。

入力パラメーター

すべてのツール入力は、MCP の tools/call リクエストで JSON 引数として渡します。

ツール	パラメーター	型	必須	説明
discover_research_hotspots	topic	string	はい	研究トピックまたは分野（例：「mRNA therapeutics」）
discover_research_hotspots	timeframe	string	いいえ	クエリに追加する対象期間（例：「2024-2025」）
profile_research_lab	lab	string	はい	ラボ名、PI 名、または機関名
profile_research_lab	field	string	いいえ	結果を絞り込むための研究分野フィルター
assess_commercialization_readiness	entity	string	はい	大学、ラボ、または研究者の名前
assess_commercialization_readiness	technology	string	いいえ	クエリの範囲を指定する特定の技術または分野
search_university_patents	institution	string	はい	大学または研究機関の名前
search_university_patents	technology	string	いいえ	特許検索結果を絞り込む技術分野
track_funded_research	topic	string	はい	研究トピックまたは PI 名
track_funded_research	agency	string	いいえ	関連情報として使用する資金提供機関のフィルター（NIH、NSF、DOE など）
identify_acquisition_targets	field	string	はい	技術分野または研究分野
identify_acquisition_targets	region	string	いいえ	特許クエリに追加する地理的地域
benchmark_institutional_output	institution	string	はい	大学または研究機関の名前
generate_tech_scouting_report	entity	string	はい	大学、ラボ、研究者、または技術分野
generate_tech_scouting_report	field	string	いいえ	関連情報としてクエリに追加する研究分野

ツール呼び出しの例

ある研究分野が現在ホットスポットかどうかを調べる：

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "discover_research_hotspots",
    "arguments": {
      "topic": "quantum error correction",
      "timeframe": "2024-2025"
    }
  },
  "id": 1
}

ライセンス交渉の前に特定のラボをプロファイリングする：

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "profile_research_lab",
    "arguments": {
      "lab": "Whitehead Institute MIT",
      "field": "gene editing"
    }
  },
  "id": 2
}

大学のフォトニクスプログラムに関する技術スカウティングの総合レポート：

{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "generate_tech_scouting_report",
    "arguments": {
      "entity": "Caltech",
      "field": "photonic integrated circuits"
    }
  },
  "id": 3
}

入力のヒント

• 機関名は正式名称を使用してください。 「MIT」よりも「Massachusetts Institute of Technology」のほうが、複数のソースにまたがる結果の一貫性が高くなります。クエリ文字列は、各上流データベースにそのまま渡されます。
• 対象範囲の広い機関では、field パラメーターを追加してください。 Stanford と MIT は、幅広い結果セットを返します。テクノロジー分野で範囲を絞り込むと、スコアの精度を高め、ノイズを減らせます。
• 最初に discover_research_hotspots を実行してください。 3つのソースを使用し、料金は $0.045、所要時間は30秒未満です。8ソースの複合レポートを実行する前に、研究分野で十分な活動があるかを確認してください。
• トレンドの兆候を調べるには timeframe を使用してください。 ArXiv のクエリに「2024-2025」を追加すると、最近のプレプリント活動に絞り込めるため、勢いスコアの精度が高まります。
• バッチセッションでは maxTotalChargeUsd を設定してください。 20件以上のトピックをスキャンしますか？Apify の実行設定で支出上限を設定してください。各ツールは課金前に上限を確認し、上限に達した場合は正常に終了します。

出力例

大学のフォトニクスプログラムに対する generate_tech_scouting_report の出力：

{
  "entity": "Caltech photonic integrated circuits",
  "compositeScore": 71,
  "verdict": "PARTNER",
  "commercialization": {
    "score": 74,
    "patentCount": 18,
    "publicationCount": 63,
    "conversionRatio": 0.286,
    "readinessLevel": "NEAR_MARKET",
    "signals": [
      "High pub→patent conversion (28%) — strong commercialization pipeline",
      "6 recent patents (2024+) — active IP pipeline",
      "4 granted patents — validated IP",
      "$7.2M in grant funding — well-funded research program"
    ]
  },
  "hotspot": {
    "score": 68,
    "preprintVelocity": 9,
    "citationAcceleration": 34,
    "hotspotLevel": "HOT",
    "signals": [
      "9 preprints in 2025+ — high research velocity",
      "Preprint acceleration 1.8x — field gaining momentum",
      "5 highly-cited papers (50+) — research impact cluster",
      "Average 34 citations — strong field attention"
    ]
  },
  "labProfile": {
    "score": 62,
    "piCount": 7,
    "grantCount": 12,
    "patentCount": 18,
    "labStrength": "PROMINENT",
    "signals": [
      "7 principal investigators — substantial research group",
      "Average 82 works per researcher — highly productive",
      "$7.2M grant portfolio — major research program",
      "Funding from 4 agencies — diversified support base",
      "18 patents — active IP generation",
      "Published across 14 venues — broad research impact"
    ]
  },
  "techMaturity": {
    "score": 58,
    "trlEstimate": 6,
    "patentMaturity": 18,
    "publicationMaturity": 15,
    "maturityLevel": "DEMONSTRATION",
    "signals": [
      "8 applied/commercial-stage outputs — near-market technology",
      "56% patent grant rate — proven IP",
      "3 landmark papers (100+ citations) — technology validated by community",
      "2 SBIR/STTR grants — active tech transfer pathway"
    ]
  },
  "allSignals": [
    "High pub→patent conversion (28%) — strong commercialization pipeline",
    "6 recent patents (2024+) — active IP pipeline",
    "9 preprints in 2025+ — high research velocity",
    "Preprint acceleration 1.8x — field gaining momentum",
    "7 principal investigators — substantial research group",
    "Funding from 4 agencies — diversified support base",
    "2 SBIR/STTR grants — active tech transfer pathway"
  ],
  "recommendations": [
    "High commercialization readiness — initiate tech transfer or licensing discussions",
    "Research area is rapidly accelerating — first-mover advantage available",
    "Large research group — evaluate key PI retention risk before engagement",
    "TRL 6 — technology suitable for pilot or demonstration programs"
  ]
}

出力フィールド

フィールド	型	説明
entity	string	クエリ対象の大学、研究室、研究者、またはテクノロジー分野
compositeScore	number	重み付けされた複合スコア 0-100（事業化 30%、技術成熟度 25%、研究室 25%、ホットスポット 20%）
verdict	string	ACQUIRE_NOW / PARTNER / MONITOR / TOO_EARLY / PASS
commercialization.score	number	事業化準備スコア 0-100
commercialization.patentCount	number	USPTO と EPO で見つかった特許の合計数
commercialization.publicationCount	number	OpenAlex ソースで見つかった論文の合計数
commercialization.conversionRatio	number	特許数と論文数の比率（0.0–1.0）
commercialization.readinessLevel	string	PRE_DISCOVERY / EARLY_STAGE / DEVELOPING / NEAR_MARKET / MARKET_READY
commercialization.signals	string[]	スコアの根拠となる、人が読み取れる形式の証拠文字列
hotspot.score	number	研究ホットスポットスコア 0-100
hotspot.preprintVelocity	number	2025年以降の ArXiv プレプリント数
hotspot.citationAcceleration	number	OpenAlex の結果における論文あたりの平均被引用数
hotspot.hotspotLevel	string	DORMANT / EMERGING / ACTIVE / HOT / BREAKTHROUGH
hotspot.signals	string[]	ホットスポット検出の根拠となる証拠文字列
labProfile.score	number	研究室インテリジェンススコア 0-100
labProfile.piCount	number	ORCID で見つかった主任研究者の数
labProfile.grantCount	number	NIH と Grants.gov で見つかった助成金の合計数
labProfile.patentCount	number	USPTO と EPO における特許の合計数
labProfile.labStrength	string	UNKNOWN / NASCENT / ESTABLISHED / PROMINENT / WORLD_CLASS
labProfile.signals	string[]	研究室プロファイルの根拠となる証拠文字列
techMaturity.score	number	技術成熟度スコア 0-100
techMaturity.trlEstimate	number	推定技術成熟度レベル 1-9
techMaturity.patentMaturity	number	特許のサブスコアへの寄与（最大25）
techMaturity.publicationMaturity	number	論文のサブスコアへの寄与（最大20）
techMaturity.maturityLevel	string	BASIC_RESEARCH / PROOF_OF_CONCEPT / PROTOTYPE / DEMONSTRATION / DEPLOYMENT_READY
techMaturity.signals	string[]	技術成熟度の根拠となる証拠文字列
allSignals	string[]	4つすべてのスコアリングモデルから得られたシグナルの統合
recommendations	string[]	スコアリング結果から生成された、具体的な次のステップ

学術研究の技術スカウティングにはどのくらいの費用がかかりますか？

この MCP サーバーはイベントごとの従量課金制で、ツール呼び出し1回につき $0.045かかります。プラットフォームのコンピューティング費用も含まれています。サブスクリプションやユーザーライセンスはなく、最低利用期間の契約もありません。

シナリオ	ツール呼び出し回数	1回あたりの費用	合計費用
注目分野の簡易チェック	1	$0.045	$0.045
研究室のプロフィール作成＋特許検索	2	$0.045	$0.09
競合ベンチマーク（5機関）	5	$0.045	$0.225
毎週の技術スカウティング調査（20トピック）	20	$0.045	$0.90
毎月のポートフォリオ監視（100回の呼び出し）	100	$0.045	$4.50

実行ごとに最大支出額を設定して、費用を管理できます。予算に達すると、アクターは部分的な出力を生成するのではなく、正常に停止します。

年間 $20,000～$60,000 の Clarivate SciVal や PatSnap と比較すると、このサーバーを利用する企業ユーザーの大半は、サブスクリプション契約なしで月額 $5～$50 を支出しています。Apify の無料プランには月額 $5 分のクレジットが含まれており、標準的なツール呼び出しを約111回利用できます。

Academic Institution & Talent MCP の仕組み

フェーズ1：並列データ収集

ツールが呼び出されると、サーバーはそのツールに関連するデータソースを対象としたアクター呼び出しを並行して実行します。generate_tech_scouting_report は、OpenAlex（公開済み論文と研究トピックインデックスの2種類）、USPTO、EPO、NIH、Grants.gov、ORCID、ArXiv に対して、8つの呼び出しを同時に実行します。すべての呼び出しは、actor-client.ts 内の runActorsParallel() 関数を介して Promise.all() で並行実行されます。各アクターは512 MBのメモリを使用し、タイムアウトは120秒です。呼び出しに失敗した場合も例外は発生せず、空の配列が返されるため、部分的なデータからもスコア付きの結果が得られます。

フェーズ2：スコアリングモデルの適用

各データソースの生データ配列が、scoring.ts 内の4つのスコアリング関数に渡されます。各関数は、統合されたデータマップに対して独立して動作します。商用化準備度関数は、論文から特許への転換率（最大30点）を算出し、特許の新しさと登録状況に基づいて特許の質を評価し（最大25点）、助成金の資金額を対数スケールで評価し（最大25点）、24の用語を使ったTRLキーワード分析を適用します（最大20点）。研究ホットスポット関数は、前年比の比率でArXivプレプリントの発表ペースを測定し（最大30点）、OpenAlex の平均値と被引用数の多い論文数から引用の加速を評価し（最大30点）、ORCID の研究者密度を測定し（最大20点）、複数ソースによる確認ボーナスを加算します（最大20点）。研究室インテリジェンス関数は、ORCID の研究成果数に基づいてPIの生産性を評価し、資金提供機関を対象とした簡易HHIを算出します。また、特許数によって知的財産の成果を、論文掲載先の多様性によって出版先の幅を評価します。技術成熟度関数は、すべての特許、論文、助成金のタイトルをTRL_HIGH、TRL_MED、TRL_LOWのキーワード配列（それぞれ8語、5語、3語）と照合し、加重TRLスコアを算出して推定TRL値（1～9）を導きます。その後、特許登録率とSBIR/STTRフラグのボーナスを加算します。

フェーズ3：複合スコアの算出と判定の割り当て

4つのサブスコアを固定の重み（商用化30%、技術成熟度25%、研究室インテリジェンス25%、ホットスポット20%）で統合し、0～100の複合スコアを算出します。判定のしきい値は、75以上がACQUIRE_NOW、55～74がPARTNER、35～54がMONITOR、15～34がTOO_EARLY、15未満がPASSです。次の2つの上書きルールが適用されます。成熟した技術（技術成熟度60以上）であっても、研究室の評価が低い（研究室インテリジェンス30未満）場合は、複合スコアにかかわらずMONITORに格下げされます。WORLD_CLASSの研究室と商用化準備度60以上の組み合わせは、複合スコアにかかわらずACQUIRE_NOWに格上げされます。

フェーズ 4：シグナルと推奨事項の生成

各スコアリング関数は、特定の定量的な閾値を超えたときに、人が読めるシグナル文字列を出力します。たとえば、recentPatents >= 3 の場合、「直近の特許が6件（2024年以降）— 活発な知的財産パイプライン」がトリガーされます。4つのモデルすべてのシグナルは allSignals に収集されます。続いて、スコアの閾値と準備状況のレベルに応じて、「技術移転またはライセンスの協議を開始する」から「買収ではなく研究支援を検討する」まで、状況に応じたアクション項目が recommendations 配列に追加されます。

最良の結果を得るためのヒント

1. 対象の名称を具体的に指定してください。 「MIT」よりも「MIT フォトニクス研究室」のほうが良い結果を得られます。クエリは各データソースに直接渡されるためです。具体的なクエリを使うと、特許や出版物の結果に含まれるノイズを減らせます。

2. 大規模な機関には field パラメーターを追加してください。 Stanford、MIT、ETH Zurich は非常に幅広い結果セットを返します。generate_tech_scouting_report の省略可能な field パラメーターを使って特定の技術分野に絞り込むと、スコアリングの精度を高められます。

3. generate_tech_scouting_report の前に discover_research_hotspots を使ってください。 ホットスポットツールは処理が速く、3つのソースのみを使用します。8つのソースを統合したレポートを実行する前に、研究分野で十分な活動があることを確認してください。

4. 判定だけでなく allSignals も確認してください。 トップ5の大学にある基礎研究ラボの PARTNER 判定は、無名の機関に対する ACQUIRE_NOW より有望なシグナルである可能性があります。根拠を示す文字列には、判定ラベルだけでは伝わらない背景情報が含まれています。

5. バッチ実行では支出上限を設定してください。 20件以上のトピックをスキャンする場合は、Apify の実行設定で maxTotalChargeUsd を設定してください。上限に達するとサーバーは正常に停止します。部分的な課金や予期しない請求は発生しません。

6. 競合情報の収集には track_funded_research を使ってください。 このツールを使うと、競合他社の技術分野でどの研究室が連邦政府の資金提供を受けているかが分かります。次のブレークスルーが生まれる場所を示す、信頼性の高い先行指標です。

7. 企業側の情報と組み合わせてください。 このサーバーと Company Deep Research を併用し、学術技術のプロファイルと業界の提携候補または買収候補を照合してください。

8. バイオ医薬品のターゲットでは、SBIR/STTR のシグナルを慎重に解釈してください。 NIH の資金提供を受ける研究において、SBIR/STTR 助成金は、技術移転に積極的な意向を示す最も強力な単独の指標です。SBIR 助成金を複数受けている研究室は商業パートナーを積極的に探しているため、優先してアプローチしてください。

他の Apify アクターとの組み合わせ

アクター	組み合わせ方法
Company Deep Research	買収候補を特定したら、買収候補として有力な企業やライセンスパートナーについて詳細な調査を実行し、戦略的な適合性を評価します
WHOIS Domain Lookup	アプローチの前に、特許の譲受人欄や研究者のプロフィールから見つかったスピンアウト企業のドメインを確認します
Website Contact Scraper	研究室のプロファイリング中に特定した大学の技術移転オフィスのウェブサイトから、連絡先情報を抽出します
B2B Lead Qualifier	買収協議を開始する前に、このサーバーで見つかったスピンアウト企業を企業の買収基準に照らしてスコアリングします
Bulk Email Verifier	学術機関へのアプローチを始める前に、ORCID プロフィールから抽出した研究者のメールアドレスを検証します
HubSpot Lead Pusher	スコアリング済みの買収候補と研究室のプロフィールを CRM パイプラインに直接登録し、案件を追跡します
Waterfall Contact Enrichment	特定した PI のプロフィールを、10段階のエンリッチメント処理で電話番号、LinkedIn、検証済みメールアドレスにより充実させます

制限事項

• 機関レジストリの検索ではなく、クエリベースの照合です。 結果は、クエリ文字列が各データソースのレコードとどの程度一致するかによって異なります。一般的でない略称や学部名で知られている研究室は、結果が少なくなる場合があります。機関の正式名称を使用してください。
• ブラウザーでのレンダリングには対応していません。 基盤となるアクターは、ヘッドレスブラウザーではなく直接 API 呼び出しを使用します。JavaScript でレンダリングされる教員ページや独自の TTO ポータルにしか掲載されていない技術プロファイルにはアクセスできません。
• ArXiv の収録範囲は STEM に集中しています。 人文科学、社会科学、多くの臨床分野では、ArXiv での論文公開頻度が低い傾向があります。これらの分野では、実際の研究活動にかかわらず、プレプリントの公開速度スコアが低くなります。
• ORCID の普及状況は地域によって異なります。 北米、ヨーロッパ、オーストラリアでの収録率が最も高くなっています。アジアやアフリカの一部地域の研究者は十分に収録されていないことが多く、これらの地域の機関では PI の合計数が実際より少なく算出される可能性があります。
• 特許データが示すのは出願状況であり、商業的成果ではありません。 特許数が多いことは知的財産活動の活発さを示しますが、必ずしも収益を生むライセンスを意味するものではありません。モデルは知的財産の量と質を評価しますが、ライセンス条件やロイヤルティ収入は評価できません。
• NIH の助成金は生物医学分野に重点を置いています。 防衛、クリーンエネルギー、先端製造など、NIH の対象範囲外の技術分野では、track_funded_research ツールは Grants.gov により依存しますが、構造化データの品質は NIH Reporter より低くなります。
• スコアリングはルールベースであり、学習ベースではありません。 スコアは決定論的な閾値ルールに基づきます。論文を発表しない非公開の研究室や、一般的ではないキャリアパスを持つ研究者などの例外的なケースでは、誤解を招くスコアが算出されることがあります。シグナルは最終判断ではなく、スクリーニングの入力として使用してください。
• 特許データには出願日からの遅れがあります。 USPTO と EPO の公開スケジュールにより、数週間から数か月の遅れが生じます。ごく最近の出願は、結果に表示されない場合があります。

連携

• Zapier — 毎週の技術スカウティングレポートをトリガーし、ACQUIRE_NOW の判定を Slack またはメールのアラートに自動送信します
• Make — ホットスポットの発見から研究室のプロファイリング、CRM の情報拡充へとつなげる、複数ステップの研究インテリジェンスパイプラインを構築します
• Google Sheets — 研究室のプロファイルと複合スコアを共有のトラッキング用スプレッドシートにエクスポートし、案件チームで確認できます
• Apify API — MCP クライアントを使わず、Python や JavaScript の調査スクリプトからツールを直接呼び出せます
• Webhooks — 新しいスカウティングレポートがスコアのしきい値を超えたときに Webhook 通知を送信し、後続の案件ワークフローをトリガーします
• LangChain / LlamaIndex — 一方のエージェントが学術情報を扱い、もう一方のエージェントが企業パートナーとのマッチングを担当するマルチエージェントパイプラインで、この MCP サーバーを研究ツールとして使用できます

トラブルシューティング

機関が活動中だと分かっているのに、ツールのスコアが低くなります。 クエリ文字列は各データソースにそのまま渡されます。機関の正式名称をすべて入力し、field パラメーターを追加して範囲を絞り込んでください。大学名ではなく、学部や研究室の名前で主に情報を公開している機関もあります。両方の名前を試してください。

generate_tech_scouting_report の実行に90秒以上かかります。 このツールは8つのアクター呼び出しを並列で実行します。応答時間は、Apify プラットフォームの同時実行数と上流 API のレイテンシーによって異なります。通常、実行は45～90秒で完了します。時間が限られるワークフローでは、8つではなく2～4つのデータソースを使用する、対象を絞ったツール（discover_research_hotspots、search_university_patents）をお使いください。

セッションの途中で支出上限に達したというメッセージが返されます。 各ツール呼び出しは、実行前に Actor.charge() を確認します。maxTotalChargeUsd に達すると、以降の呼び出しはクラッシュするのではなく、構造化されたエラーメッセージを返します。続行するには、Apify の実行設定で支出上限を引き上げてください。

ORCID の検索結果で研究者が0人と表示されます。 PI が登録していない場合や、別の名前表記を使用している場合、一部のクエリでは ORCID のレコードが返されません。Lab Intelligence スコアは低くなりますが、他の3つのモデルは引き続き実行されます。別の名前表記を試すか、機関名だけをクエリとして使用してください。

特許の検索結果が、クエリした技術と無関係に見えます。 USPTO と EPO の全文検索では、短いクエリ文字列や曖昧なクエリ文字列で予期しない結果が一致することがあります。結果の精度を高めるには、「Stanford CRISPR」ではなく「Stanford CRISPR gene editing」のように、説明的な技術用語を追加してください。

責任ある利用

• このサーバーがアクセスするデータはすべて、一般公開されている学術データベース、政府の助成金登録簿、公開特許出願から取得しています。
• 研究者プロフィールは ORCID を情報源としています。研究者は公開識別子として ORCID に任意で登録します。
• 研究者の連絡先情報を抽出して業務目的で連絡する場合は、GDPR や CAN-SPAM を含む適用されるデータ保護法を遵守してください。
• 個人に関する雇用、資金提供、規制上の判断を行う際に、スコアの出力だけを根拠としないでください。
• ウェブスクレイピングとデータ利用の合法性に関するガイダンスは、Apifyのガイドをご覧ください。

よくある質問

この MCP を使った学術研究の技術スカウティングは、PatSnap や Clarivate SciVal とどう違いますか？ PatSnap と SciVal は、年額20,000～60,000ドルのエンタープライズプラットフォームで、静的なダッシュボードと年間のユーザーライセンスを中心に構成されています。このサーバーはツール呼び出し1回あたり0.045ドルで、8つのライブデータソースに並列でクエリを実行し、構造化 JSON を AI エージェントに直接返します。ダッシュボードの操作やユーザー単位の料金、年間契約は不要です。ほとんどのチームの支出は月額5～50ドルです。

技術成熟度レベル（TRL）の推定精度はどの程度ですか？ TRL の推定は、特許、論文、助成金のタイトルに含まれる24個のシグナル用語をキーワード分類して算出します。出力は3つの段階（基礎、応用、商用段階）に分類され、加重平均が TRL 1～9 に対応します。これはヒューリスティックな指標であり、正式な評価ではありません。大規模な研究ポートフォリオのスクリーニングには信頼性の高い結果が得られますが、重要な意思決定にあたっては分野の専門家による検証が必要です。

一般的な学術研究の技術スカウティングセッションでは、ツールを何回呼び出しますか？ 一般的なセッションでは、3つの分野の注目領域を見つけ、2つの研究室のプロフィールを作成した後、最も有望な対象について完全なレポートを実行します。この場合、ツールを6～8回呼び出し、料金の合計は0.27～0.36ドルです。20の研究分野を毎月モニタリングする場合、費用は約0.90ドルです。

学術研究の技術スカウティングでは、海外の大学も対象になりますか？ 北米、ヨーロッパ、アジアの主要な研究大学を幅広くカバーしています。OpenAlex は世界中の2億5,000万件以上の研究成果をカバーし、EPO は38の加盟国をカバーしています。ORCID の普及率はアジアとアフリカの一部地域で最も低く、その地域の機関では PI 数の精度が低下することがあります。 ACQUIRE_NOW の判定は、実際には何を意味しますか？ ACQUIRE_NOW は、複合スコアが 75 以上、または WORLD_CLASS の研究機関で商業化準備度が 60 以上であることを示します。成熟した知的財産、商業化が進行中であることを示す指標、充実した研究機関のインフラを示します。これは、さらなるデューデリジェンスの優先順位を決めるためのスクリーニング指標であり、法律上または財務上の推奨ではありません。

このサーバーを使って、特定の研究機関を継続的にモニタリングできますか？ はい。Apify Schedules を使って、対象の研究機関に対して profile_research_lab または benchmark_institutional_output を毎週または毎月実行できます。各実行の出力は Apify データセットに保存されるため、スコアの変化を追跡し、研究機関が新たな準備度の段階に達したタイミングを検出できます。

各ツールが返すデータは、どのくらい最新ですか？ データはクエリの実行時にリアルタイムで取得されます。OpenAlex と ArXiv は毎日更新されます。NIH Reporter は現在の報告期間を反映し、通常は四半期ごとに更新されます。USPTO と EPO の特許データは、出願日から 2～12 週間遅れます。ORCID のデータは、研究者がプロフィールを更新した内容を反映します。

学術論文の特許データや出版データを、商業目的の情報収集に利用することは合法ですか？ はい。すべてのデータソース（USPTO、EPO、OpenAlex、NIH Reporter、Grants.gov、ORCID、ArXiv）は、商用利用も含む一般公開を明示的な目的とした、公開政府データベースまたはオープンアクセスデータベースです。一般的なガイダンスについては、Apify のウェブスクレイピングの合法性に関するガイドをご覧ください。

MCP クライアントを使わずに、Python や JavaScript からこの MCP サーバーを呼び出せますか？ はい。このサーバーは、/mcp エンドポイントへの標準的な JSON-RPC 2.0 POST リクエストを受け付けます。上記の接続セクションにある cURL の例は、トークンを置き換えるだけでコピーして実行できます。また、Apify API を使って基盤となる actor を実行し、データセットからプログラムで結果を取得することもできます。

8 つのデータソースのいずれかが失敗したり、結果を返さなかったりした場合はどうなりますか？ 失敗した個々の actor 呼び出しは actor-client.ts で捕捉され、空の配列が返されます。スコアリングモデルは、正常に取得できたデータを使って処理を行います。8 つのうち 5 つのソースからデータを取得できた場合も、ツール呼び出しによってスコア付きの結果が返されます。allSignals 配列にはデータのあるソースのみが反映され、判定もそれに応じて調整されます。

学術研究の技術スカウティングは、Google Scholar を手動で検索する場合と比べてどうですか？ OpenAlex、ArXiv、USPTO、EPO、NIH、Grants.gov、ORCID、特許の相互参照という 8 つのデータベースを手動で検索すると、研究機関 1 つあたり 3～6 時間かかります。このサーバーでは、すべてのクエリを並行して 90 秒以内に実行し、分析者の主観に左右されない一貫性と比較可能性のあるスコアリングモデルを研究機関間で適用します。

一括スカウティング中の予期しない請求を避けるため、支出上限を設定できますか？ はい。Apify の実行設定で maxTotalChargeUsd を設定してください。各ツール呼び出しでは実行前に請求上限を確認し、上限に達している場合は構造化されたエラーメッセージを返します。エラーが通知されないまま実行されたり、予期しない費用超過が発生したりすることはありません。

改善にご協力ください

問題が発生した場合は、Apify アカウントで実行内容の共有を有効にしていただくと、問題のデバッグを迅速に進められます。

1. アカウント設定 > プライバシーに移動します
2. 実行内容を公開 Actor の作成者と共有するを有効にします

問題が発生した際に実行の詳細を確認できるため、より迅速に修正できます。お客様のデータを閲覧できるのは actor の開発者のみであり、一般公開されることはありません。

サポート

バグを見つけた場合や機能をリクエストする場合は、この actor のページにあるIssues タブで issue を作成してください。カスタムスコアリングモデル、エンタープライズ向けの統合、または個別対応の技術スカウティングワークフローについては、Apify プラットフォームからお問い合わせください。