Cognitive Warfare & PsyOps Analysis

認知戦・心理作戦（PSYOPS）MCP サーバー

ApifyForgeで見る | Apify Storeで使う

---

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": {
    "cognitive-warfare-psyops-mcp": {
      "url": "https://ryanclinton--cognitive-warfare-psyops-mcp.apify.actor/mcp"
    }
  }
}

---

Model Context Protocol を通じて、AI エージェント向けに認知戦と心理作戦（PSYOPS）を分析します。この MCP サーバーにより、Claude、Cursor、Windsurf、および MCP 互換クライアントは、協調的なナラティブ作戦の検出、信念の伝播のモデル化、対抗ナラティブ戦略の最適化、分極化の相転移の予測を行う8つの専門ツールを利用できます。これらはすべて、並列クエリで取得する16の Apify データソースを活用します。

各ツールは、疫学、進化生物学、統計物理学、ゲーム理論に由来する独自の数学的フレームワークを適用します。その結果、キーワードの監視にとどまらず、因果関係の特定、ネットワークのトポロジーマッピング、ミームの適応度モデリングまで行う、情報戦に関する体系的かつ定量的な分析を実現します。STRATCOM 分析官、プラットフォームのインテグリティチーム、偽情報対策の研究者、インテリジェンスを活用する AI エージェント向けに構築されています。

この MCP サーバーがアクセスするデータ

データ項目	ソース	対象範囲
📡 ソーシャルメディアの投稿とエンゲージメント	Bluesky Social	Bluesky ネットワークのリアルタイム情報
💬 コミュニティの議論とトレンド	Hacker News	技術コミュニティの議論
📚 百科事典のコンテキストと編集履歴	Wikipedia	600万件以上の記事
🏛️ 米国連邦政府の規制活動	Federal Register	すべての連邦政府の措置
🚨 国際的な指名手配者	Interpol Red Notices	世界各地の通知
⚠️ 世界の制裁リストとPEP監視リスト	OpenSanctions	100以上のプログラム
🔄 ウェブサイトのコンテンツ変更	Website Change Monitor	メディアおよび政府機関のサイト
🕰️ 過去のコンテンツの変遷	Wayback Machine	Web Archive のスナップショット
🌍 国のプロフィールと人口統計	REST Countries	すべての国連加盟国
🌪️ 世界の災害・危機事象	GDACS Disaster Alerts	世界全域
📜 議会の法案	Congress Bill Tracker	現会期
🌩️ 気象事象と危機の発生期間	NOAA Weather	米国および世界
🛠️ オープンソースのツールとコード	GitHub Repo Search	すべての公開リポジトリ
📄 政策文書（全文）	Website Content to Markdown	任意のウェブページ
🔍 DNS インフラストラクチャのレコード	DNS Lookup	任意のドメイン
📍 IP ジオロケーションによる帰属特定	IP Geolocation	世界全域

MCP ツール

ツール	価格	説明
detect_narrative_operations	$0.050	結合SIR-Hawkes疫学モデルを通じて、連携したナラティブ工作を検出します。脅威レベル（LOW/MEDIUM/HIGH/CRITICAL）とともに、種類（増幅／抑制／歪曲／捏造／分極化）を分類します。
model_belief_dynamics	$0.045	影響ネットワーク上のDeGroot社会学習を通じて、信念の伝播をモデル化します。固有ベクトル中心性、スペクトルギャップ（収束率）、分極化指数、信念クラスター構造を返します。
optimize_counter_narrative	$0.055	ベイズ型Stackelbergゲームを通じて、対抗ナラティブ戦略を最適化します。最適な介入アクション、CUSUM／Shiryaev-Robertsのタイミング警報、Stackelberg均衡の利得を返します。
map_influence_topology	$0.040	劣モジュラ貪欲法による影響最大化とパーシステントホモロジーを通じて、影響ネットワークのトポロジーをマッピングします。Betti数、エコーチェンバー数、分断指数、最適な影響シードを返します。
attribute_narrative_causation	$0.045	二重ロバストな因果推論を通じて、ナラティブの影響を特定のアクターに帰属させます。ATE、傾向スコア、Rosenbaum感度分析、因果的影響を持つアクターのランキングを返します。
simulate_memetic_evolution	$0.050	Price方程式による進化ダイナミクスを通じて、ナラティブの変異体間の競争をシミュレートします。適応度地形、選択と伝達の分解、優勢な変異体の軌跡を返します。
detect_cross_scale_coordination	$0.045	Haarウェーブレットパケット分解を通じて、個人／グループ／ネットワーク／集団の各スケールにまたがる協調パターンを検出します。スケール間のコヒーレンス行列と、優勢な協調シグナルを返します。
forecast_polarization_phase_transition	$0.050	q状態Pottsモデルを通じて、分極化の相転移を予測します。秩序パラメーター、臨界温度、感受率、状態（CONSENSUS/PLURALISM/POLARIZED/FRAGMENTED）、不可逆化リスクを返します。

ナラティブ・インテリジェンスにこのMCPサーバーを使う理由

従来のソーシャルリスニングツールは、言及数を数え、センチメントを測定します。しかし、キャンペーンが連携しているか、信念の変化に因果的な責任を持つアクターは誰か、集団が不可逆的な分極化の相転移までどれほど近づいているか、モデル化された敵対者に対して最適な介入タイミングはいつかを判断することはできません。

このサーバーは、STRATCOM、プラットフォームのインテグリティ、偽情報対策研究のアナリストがすでに活用している定量的なフレームワーク――SIR感染症モデリング、ベイズゲーム理論、トポロジカルデータ解析、進化ダイナミクス――を、AI エージェントが直接呼び出せるMCPツールとして提供します。管理すべきインフラストラクチャはありません。構築すべきデータパイプラインもありません。16のデータソースに並列でクエリを実行し、1回のツール呼び出しで構造化された分析結果を受け取れます。

プラットフォームの主な利点：

• スタンバイモード — 呼び出しの合間もサーバーは起動状態を保つため、時間制約のある処理でコールドスタートの遅延がありません
• APIアクセス — Apifyトークンを使って、Python、JavaScript、または任意のHTTPクライアントからツールを呼び出せます
• 支出上限 — 各ツール呼び出しはイベント料金の上限を確認し、上限に達した場合は適切に停止します
• 16の並列データソース — ソーシャル、規制、制裁、インフラストラクチャ、地政学、アーカイブのデータを1回の呼び出しで取得します
• 構造化されたJSON出力 — すべてのツールが、後続のエージェントによる推論にそのまま使える型付きの結果を返します

特徴

• SIR-Hawkes 結合モデル — SIR コンパートメントモデルの感染率を Hawkes 自己励起点過程の強度 λ(t) = μ + Σ α·exp(-β(t-tᵢ)) で変調します。これにより、単純なモデルでは自然発生に見える協調的な増幅キャンペーンを検出できます。
• 頑健エージェントを含む DeGroot 社会学習 — λ_i が頑健さを表す反復的な信念更新 x_i(t+1) = λ_i·b_i + (1-λ_i)·Σ(w_ij·x_j(t))（0 = 完全に影響を受けやすい、1 = 変化しない）を行い、固有ベクトル中心性とスペクトルギャップを計算します。
• ベイズ・シュタッケルベルグゲーム（複数 LP による BSSE） — リーダー（防御側）が混合戦略を選び、フォロワー（敵対者）が信念に基づいて最善の応答をします。最適なタイミングは、Shiryaev-Roberts 統計量 R_n = (1+R_{n-1})·LR_n と CUSUM S_n = max(0, S_{n-1}+log(LR_n)) によって求めます。
• 劣モジュラ性に基づく貪欲な影響力最大化 — 独立カスケードモデルとモンテカルロシミュレーションを用い、最適な影響力の種を見つけるための (1-1/e) 近似保証を提供します。
• 永続ホモロジー（Vietoris-Rips フィルトレーション） — 意味的単体複体に対して Union-Find を用いて、ベッチ数 β₀（連結成分 = 分断）、β₁（1-サイクル = エコーチェンバー）、β₂（空隙 = 高次構造）を計算します。
• 二重頑健な因果推論（Rubin 因果モデル） — 傾向スコア重み付け（逆確率）と結果回帰を組み合わせます。どちらか一方のモデルが正しく指定されていれば一貫性があり、Rosenbaum 感度分析によって結論を覆すのに必要な未観測バイアスを定量化します。
• Price 方程式による進化ダイナミクス — 適応度の変化を、選択差 Cov(w,z)/w̄ と伝達バイアス E(w·Δz)/w̄ に分解します。突然変異を含むレプリケーターダイナミクスにより、ナラティブの変種間の頻度変化をモデル化します。
• Haar ウェーブレットパケット分解 — 時間単位の戦術的スケールから週単位の戦略的スケールまで、近似 a[k]=(x[2k]+x[2k+1])/√2 と詳細 d[k]=(x[2k]-x[2k+1])/√2 を計算します。スケール間のコヒーレンスによって、単一のスケールでは見えない階層的な連携を明らかにします。
• Hegselmann-Krause 有界信頼モデル + q 状態 Potts モデル — ハミルトニアン H = -J·Σδ(σᵢ,σⱼ)、臨界温度 T_c = J/ln(1+√q) を使用します。T_c 未満での自発的対称性の破れは、不可逆な過激化を示します。
• 5 種類の作戦分類器 — 増幅、抑制、歪曲、捏造、分極化を分類し、それぞれ協調スコアと 4 段階の脅威レベルを示します。
• 4 種類の体制分類器 — 秩序変数（磁化）と感受率から、CONSENSUS、PLURALISM、POLARIZED、FRAGMENTED を導き出します。
• ネットワーク再生産数 — 多重社会・地政学ネットワークにおけるナラティブの拡散について R₀ を報告します。
• インフラ帰属 — DNS および IP ジオロケーションのデータフィードを、ナラティブの発信源を特定するための因果的帰属分析に直接取り込みます。
• 再現性を確保するシード付き PRNG — mulberry32 アルゴリズムにより、同一の入力に対して決定論的なスコアリングを実現します。

認知戦インテリジェンスのユースケース

政府の STRATCOM 分析

戦略的コミュニケーションチームは、協調的なナラティブ作戦が飽和状態に達する前に早期警告を得る必要があります。detect_narrative_operations を使って、受信したキャンペーンを作戦の種類と脅威レベルで分類し、ネットワーク再生産数を forecast_polarization_phase_transition に渡して、対象集団が不可逆な転換点に近づいているかどうかを評価します。構造化された出力は、既存の STRATCOM ワークフローや報告形式に直接組み込めます。

偽情報対策戦略

偽情報対策の実務者は、ゲーム理論上の問題に直面します。介入が早すぎると元のナラティブを増幅し、遅すぎると飽和を許してしまいます。optimize_counter_narrative はベイズ・シュタッケルベルグ均衡を用いてこの問題を解決します。サーバーは、防御側の各アクションに対する敵対者の最善の応答をモデル化し、CUSUM および Shiryaev-Roberts アラームを通じて最適なタイミングを返します。出力には攻撃側と防御側の双方のシュタッケルベルグ利得が含まれ、介入策の費用対効果分析に利用できます。

ソーシャルメディアプラットフォームの健全性

プラットフォームの信頼・安全チームは、協調的な不正行為を大規模に検出する必要があります。detect_cross_scale_coordination は、時間単位から週単位までの時間スケールを同時に対象としてハールウェーブレット分解を実行し、戦術的なスケール（時間単位の投稿リズム）と戦略的なスケール（週単位のナラティブの展開）にまたがる協調の特徴を持つボットネットワークや国家支援のキャンペーンを明らかにします。map_influence_topology は、ベッチ数 β₁（意味的単体複体における1-サイクル）を通じてエコーチェンバーを特定し、反論メッセージの展開に最適な影響力の起点を返します。

学術的な情報戦研究

情報エコシステムを研究する研究者は、model_belief_dynamics を使って、固執性とネットワーク構造の相互作用がコンセンサスや二極化をどのように生み出すかを定量化できます。また、simulate_memetic_evolution を使って、競合するナラティブの変種がオーディエンスのシェアをどのように争うかをモデル化できます。プライス方程式による選択差と伝達バイアスへの分解は、定量的な結果を発表するための理論的根拠に基づいたフレームワークを提供します。

危機コミュニケーションの脆弱性評価

急速に進展する危機（自然災害、公衆衛生上の事象、地政学的な事件）では、人々はナラティブの悪用に最も脆弱です。forecast_polarization_phase_transition は、GDACS の災害アラートや NOAA の気象データとソーシャルシグナルを統合し、集団が臨界点での相転移にどれほど近づいているかを測定します。不可逆性リスクスコアは、効果的な介入の機会が失われつつあるタイミングを示します。

アトリビューションと因果関係のフォレンジック分析

情報戦において、アトリビューションは最も難しい課題です。attribute_narrative_causation は、傾向スコアによる重み付けと結果回帰を組み合わせた二重に頑健な推定を用いてルービン因果モデルを適用します。そのため、いずれかのモデルが正しく特定されていれば、推定値は一致性を保ちます。ローゼンバウム感度分析により、「このアトリビューションを無効にするには、未観測の交絡がどの程度強くなければならないか」という問いに、根拠を示して回答できます。

この MCP サーバーへの接続方法

Claude Desktop

claude_desktop_config.json に追加します：

{
  "mcpServers": {
    "cognitive-warfare-psyops": {
      "url": "https://cognitive-warfare-psyops-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline

MCP 設定ファイルに追加します：

{
  "mcpServers": {
    "cognitive-warfare-psyops": {
      "url": "https://cognitive-warfare-psyops-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

プログラムからの接続（HTTP / cURL）

curl -X POST "https://cognitive-warfare-psyops-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "detect_narrative_operations",
      "arguments": {
        "query": "NATO disinformation Eastern Europe election",
        "maxResults": 30
      }
    },
    "id": 1
  }'

ツールの入力パラメーター

すべてのツールで、次の2つの入力パラメーターを使用します：

パラメーター	型	必須	デフォルト	説明
query	string	はい	—	分析するナラティブ、トピック、キャンペーン、または脅威ベクトルです。自然言語で指定します。各ツールの説明に例があります。
maxResults	number	いいえ	30	データソースごとの最大結果数です（範囲：5～100）。値を大きくすると、より豊富なネットワークが得られますが、応答時間が長くなります。

入力のヒント

• 具体的で対象を絞ったクエリを記述してください — 「Russian election interference Baltic states 2024」は、「disinformation」よりも有意義なネットワークを返します。クエリは16個すべてのデータソースに直接渡されるため、正確さが重要です。
• まず maxResults を20～30に設定してください — これで各ソースから最も関連性の高いコンテンツを取得できます。包括的なネットワークを構築する場合に限り、50以上に増やしてください。
• まず detect_narrative_operations を使用してください — 最も広範な脅威の全体像が得られます。脅威レベルの出力を、後続の分析を行う attribute_narrative_causation や optimize_counter_narrative の対象を絞った呼び出しにつなげてください。
• Apify の実行に支出上限を設定してください — ツールの呼び出しごとに、設定されたイベント料金が課金されます。サーバーは実行前に上限を確認し、上限に達している場合は適切なエラーを返します。

出力例

detect_narrative_operations

{
  "operationCount": 4,
  "totalThreatScore": 0.71,
  "networkReproductionNumber": 1.34,
  "peakIntensityTime": 1711065600,
  "nodeCount": 87,
  "edgeCount": 214,
  "operations": [
    {
      "clusterId": 0,
      "members": ["actor_bluesky_0041", "actor_bluesky_0093", "actor_hn_0017"],
      "operationType": "amplification",
      "coordinationScore": 0.82,
      "threatLevel": "HIGH",
      "hawkesIntensities": [
        {
          "nodeId": "actor_bluesky_0041",
          "baseRate": 0.12,
          "selfExcitation": 0.44,
          "currentIntensity": 0.61,
          "predictedEvents24h": 14
        }
      ],
      "sirStates": [
        {
          "nodeId": "actor_bluesky_0041",
          "susceptible": 0.23,
          "infected": 0.61,
          "recovered": 0.16,
          "reproductionNumber": 1.41
        }
      ]
    }
  ]
}

forecast_polarization_phase_transition

{
  "regime": "POLARIZED",
  "orderParameter": 0.67,
  "criticalTemperature": 0.81,
  "currentTemperature": 0.74,
  "susceptibility": 2.31,
  "phaseTransitionDistance": 0.07,
  "irreversibilityRisk": 0.78,
  "hegselmannKrauseClusters": 3,
  "clusterDistribution": [
    { "opinion": 0.14, "fraction": 0.31 },
    { "opinion": 0.51, "fraction": 0.22 },
    { "opinion": 0.87, "fraction": 0.47 }
  ],
  "nodeCount": 94
}

optimize_counter_narrative

{
  "stackelbergEquilibrium": {
    "leaderPayoff": 0.61,
    "followerPayoff": 0.31
  },
  "optimalInterventionTime": 1711112400,
  "cusumAlarm": true,
  "shiryaevRobertsAlarm": true,
  "beliefWeightedResponse": 0.54,
  "nodeCount": 87,
  "leaderActions": [
    {
      "actionId": "action_0",
      "type": "counter_narrative",
      "targetNarrative": "narrative_bluesky_0041",
      "expectedPayoff": 0.61,
      "cost": 0.22,
      "optimalTiming": 1711112400,
      "shiryaevRobertsStatistic": 3.14,
      "cusumStatistic": 2.77
    }
  ]
}

出力フィールドのリファレンス

detect_narrative_operations

フィールド	型	説明
operationCount	number	検出された協調的な操作の合計数
totalThreatScore	number	脅威スコアの合計 [0–1]
networkReproductionNumber	number	ネットワーク全体におけるナラティブ拡散の R₀
peakIntensityTime	number	Hawkes 強度の予測ピーク時刻を示す Unix タイムスタンプ
nodeCount	number	ナラティブネットワークのノード総数
edgeCount	number	ナラティブネットワークのエッジ総数
operations[].clusterId	number	クラスター識別子
operations[].members	string[]	この操作クラスターに属するノード ID
operations[].operationType	string	増幅／抑制／歪曲／捏造／二極化
operations[].coordinationScore	number	Hawkes クラスタリングによる協調スコア [0–1]
operations[].threatLevel	string	LOW／MEDIUM／HIGH／CRITICAL
operations[].hawkesIntensities[].baseRate	number	背景イベント率 μ
operations[].hawkesIntensities[].selfExcitation	number	自己励起パラメーター α
operations[].hawkesIntensities[].currentIntensity	number	現在の λ(t)
operations[].hawkesIntensities[].predictedEvents24h	number	今後 24 時間の予測イベント数
operations[].sirStates[].susceptible	number	ナラティブの影響を受けやすいオーディエンスの割合
operations[].sirStates[].infected	number	現在ナラティブにさらされている割合
operations[].sirStates[].recovered	number	ナラティブを理解し、退けた人の割合
operations[].sirStates[].reproductionNumber	number	ノードレベルの R₀

model_belief_dynamics

フィールド	型	説明
convergenceIterations	number	DeGroot 収束までの反復回数
spectralGap	number	収束率（値が大きいほど速い）
polarizationIndex	number	ネットワーク全体の信念の分散 [0–1]
consensusBelief	number or null	収束した場合の最終的な合意信念。二極化した場合は null
clusterCount	number	信念クラスターの数
clusters[].centroid	number	クラスターの平均信念位置
clusters[].members	string[]	クラスター内のノード ID
states[].nodeId	string	ノード識別子
states[].initialBelief	number	初期の信念位置 [0–1]
states[].finalBelief	number	収束後の信念位置 [0–1]
states[].eigenvectorCentrality	number	信念ネットワークにおける影響力の中心性
states[].stubbornness	number	λᵢ パラメーター（0 = 影響を受けやすい、1 = 動かない）

map_influence_topology

フィールド	型	説明
totalInfluence	number	貪欲法によるシード集合からの到達可能性の合計
greedyGuarantee	number	(1-1/e) の近似保証
bettiNumbers.beta0	number	連結成分（分断化の指標）
bettiNumbers.beta1	number	1-サイクル（エコーチェンバーの数）
bettiNumbers.beta2	number	2-空隙（高次構造）
narrativeCoherence	number	ナラティブ全体の一貫性 [0–1]
echoChamberCount	number	検出された個別のエコーチェンバーの数
fragmentationIndex	number	ネットワークの分断化スコア [0–1]
seeds[].nodeId	string	最適な影響力シードノード
seeds[].marginalGain	number	このシードを追加した場合の限界影響力の増加
seeds[].cumulativeInfluence	number	このノードを含むシード集合からの影響力の合計
persistencePairs[].birth	number	トポロジカル特徴の発生スケール
persistencePairs[].death	number	トポロジカル特徴の消滅スケール
persistencePairs[].dimension	number	ホモロジー次元（0、1、または 2）

attribute_narrative_causation

フィールド	型	説明
topCausalActors	string[]	因果的責任を持つノード ID の順位付きリスト
totalCausalEffect	number	すべてのアクターにわたる因果効果の合計
robustnessScore	number	Rosenbaum のガンマの平均値 — 調査結果を無効にするために必要な最小の隠れたバイアス
effects[].treatmentNode	string	帰属先のアクターのノード ID
effects[].ate	number	平均処置効果の推定値
effects[].propensityScore	number	このノードの傾向スコア
effects[].doublyRobustEstimate	number	二重頑健 ATE 推定値
effects[].rosenbaumGamma	number	この効果の感度パラメーター
effects[].confidenceInterval	[number, number]	ATE の 95% 信頼区間

simulate_memetic_evolution

フィールド	型	説明
dominantVariant	string	最も適応度の高いナラティブ変異体の ID
meanFitness	number	集団の平均適応度 w̄
fitnessVariance	number	変異体間の適応度の分散
priceSelectionComponent	number	Cov(w,z)/w̄ — 適応度変化に対する選択の寄与
priceTransmissionComponent	number	E(w·Δz)/w̄ — 伝達バイアス／突然変異の寄与
totalChange	number	Δz̄ — 世代ごとの適応度の総変化
generations	number	モデル化した世代数
variants[].variantId	string	ナラティブ変異体の識別子
variants[].fitness	number	適応度スコア
variants[].frequency	number	現在の集団内頻度
variants[].selectionDifferential	number	この変異体の選択差
variants[].transmissionFidelity	number	コピーの忠実度（1 = 完全な伝達）
variants[].mutationRate	number	世代ごとの突然変異率

detect_cross_scale_coordination

フィールド	型	説明
dominantScale	string	協調力が最も高いスケール
overallCoordination	number	スケール間協調指数 [0–1]
scales[].scale	string	スケールのラベル（個人／グループ／ネットワーク／集団）
scales[].periodHours	number	時間単位での特性周期
scales[].power	number	このスケールでのウェーブレットパワー
scales[].coherence	number	このスケールでの内部コヒーレンス
scales[].phaseAlignment	number	このスケールでのノード間の位相整列
crossScaleCoherence	number[][]	すべてのスケールのペア間のコヒーレンス行列
coordinationSignals[].scaleA	string	協調ペアの最初のスケール
coordinationSignals[].scaleB	string	協調ペアの2番目のスケール
coordinationSignals[].coherence	number	スケール A と B の間のコヒーレンス
coordinationSignals[].lag	number	スケール間の位相遅延

forecast_polarization_phase_transition

フィールド	型	説明
regime	string	CONSENSUS / PLURALISM / POLARIZED / FRAGMENTED
orderParameter	number	Potts 磁化率
criticalTemperature	number	Potts モデルによる T_c = J/ln(1+√q)
currentTemperature	number	相互作用エネルギーから求めた有効社会温度
susceptibility	number	χ = d(m)/d(h) — 摂動に対する感度
phaseTransitionDistance	number	臨界温度までの距離（正の値 = まだ臨界状態ではない）
irreversibilityRisk	number	不可逆な対称性の破れのリスク [0–1]
hegselmannKrauseClusters	number	有界信頼度ダイナミクスによる意見クラスター数
clusterDistribution[].opinion	number	クラスターの平均意見
clusterDistribution[].fraction	number	クラスター内の人口割合

Cognitive Warfare MCP の利用料金はいくらですか？

ツールの呼び出しごとに固定のイベント料金が発生します。プラットフォームのコンピューティング料金は含まれています。

ツール	1 回あたりの料金	10 回	100 回
detect_narrative_operations	$0.050	$0.50	$5.00
model_belief_dynamics	$0.045	$0.45	$4.50
optimize_counter_narrative	$0.055	$0.55	$5.50
map_influence_topology	$0.040	$0.40	$4.00
attribute_narrative_causation	$0.045	$0.45	$4.50
simulate_memetic_evolution	$0.050	$0.50	$5.00
detect_cross_scale_coordination	$0.045	$0.45	$4.50
forecast_polarization_phase_transition	$0.050	$0.50	$5.00

Apify の実行ごとに最大利用額を設定して、料金を管理できます。サーバーは各ツール呼び出しの実行前にこの上限を確認し、上限に達している場合は適切なエラーを返します。部分的な料金は発生しません。

Apify の無料プランには、月額5 ドル分のクレジットが含まれており、8 つすべてのツールで約 100 回の呼び出しに利用できます。有料プランは月額 49 ドルからです。ほとんどの調査ワークフローでは、1 つのトピックについて 8 つすべてのツールを使って完全な分析を行っても、費用は 0.50 ドル未満です。

この MCP サーバーの仕組み

フェーズ 1：16 のソースから並列にデータを収集

各ツール呼び出しでは、Promise.all を介して 16 件すべての Actor 呼び出しを同時に実行します。Bluesky と Hacker News は maxResults の最大値で照会し、Wikipedia、Federal Register、ウェブサイトモニターはその半分、Interpol、REST Countries、GDACS、NOAA、website-to-markdown、DNS、IP ジオロケーションはその 3 分の 1 で照会します。この段階的な割り当てにより、ソーシャルおよび規制関連のシグナルが特に多い領域にデータ取得を集中させながら、インフラや地政学的な背景情報もカバーします。各 Actor 呼び出しには 120 秒のタイムアウトが設定されています。失敗した呼び出しは空の配列を返し、実行を中断することなくログに記録されます。

フェーズ 2：ナラティブネットワークの構築

16 個の結果セットを、8 つの意味チャネルに分類します。ソーシャル（Bluesky）、ニュース（Hacker News + Wikipedia）、百科事典（Wikipedia）、規制（Federal Register + Congress）、制裁（Interpol + OpenSanctions）、アーカイブ（Website Monitor + Wayback Machine + Markdown）、地政学（REST Countries + GDACS + NOAA）、インフラ（GitHub + DNS + IP Geolocation）です。buildNarrativeNetwork 関数は、これらのチャネルを型付きのグラフに変換します。グラフは NarrativeNode オブジェクト（それぞれ belief、stubbornness、reach、activity、credibility、sanctioned フラグ、geoRegion、platform、イベントのタイムスタンプを含む）と、意味的類似度の重みを持つ「増幅」「反対」「参照」「協調」の型を持つ NarrativeEdge オブジェクトで構成されます。

フェーズ 3：アルゴリズムの実行

各ツールは、同じナラティブネットワークを scoring.ts の異なるスコアリング関数に渡します。アルゴリズムは自己完結型の実装であり、外部の ML API やモデル呼び出しはありません。Hawkes 自己励起過程、DeGroot 反復、Price 方程式による分解、Potts モデルのハミルトニアン、ウェーブレットパケット分解は、すべてネットワーク構造に対して決定論的に実行されます。シード付き PRNG（mulberry32）により再現性が確保されるため、同じクエリと maxResults を指定すると、同じネットワークトポロジーと分析スコアが得られます。

フェーズ 4：型付き出力の組み立て

各スコアリング関数は、型付きの結果インターフェイス（例：NarrativeOperationsResult、BeliefDynamicsResult）を返します。main.ts はこれを分割し、前述の出力リファレンスに記載されているすべてのフィールドを含むフラットな JSON レスポンスにします。結果は MCP ツール呼び出しのレスポンスとして直接返されるため、別途データセットを取得する必要はありません。

最良の結果を得るためのヒント

1. 複雑な調査では、ツールを順番に組み合わせてください。 まず detect_narrative_operations を実行して、脅威の状況とネットワークトポロジーを把握します。その結果の operationType と threatLevel を使って、後続の呼び出しを絞り込みます。作戦が進行中なら optimize_counter_narrative、フォレンジックな帰属分析には attribute_narrative_causation、脅威レベルが HIGH または CRITICAL なら forecast_polarization_phase_transition を使用します。

2. ネットワークを包括的に構築するには maxResults: 50 を使用してください。 デフォルトの 30 では、最も顕著なシグナルを把握できます。特に map_influence_topology を使用して影響力の起点を見つける場合など、作戦の全体像を把握するには、50 に増やすことで、より密度の高いグラフが得られ、ベッチ数の計算の信頼性も高まります。

3. irreversibilityRisk は緊急度のシグナルとして読み取ってください。 forecast_polarization_phase_transition で 0.70 を超える値は、集団が自発的な対称性の破れに至る前の危機的な時間帯にあることを示します。optimize_counter_narrative の CUSUM アラームと組み合わさった場合、介入を直ちに優先すべきことを示します。

4. 因果帰属分析では rosenbaumGamma を慎重に解釈してください。 値が 2.0 の場合、帰属分析を無効にするには、隠れた交絡要因によって処置の割り当てられるオッズが 2 倍になる必要があることを意味します。1.5 未満の値は因果関係の主張が脆弱であることを示し、3.0 を超える値は堅牢な結果であることを示します。

5. dominantScale と operationType を相互参照してください。 detect_cross_scale_coordination が主要なスケールとして individual を返し、detect_narrative_operations が作戦タイプとして fabrication を示した場合、キャンペーンは中央集権的な増幅器ではなく、多数の小規模な個人行為者を通じて展開されています。そのため、別の対抗戦略が必要です。

6. 物語の持続性を診断するには、priceSelectionComponent と priceTransmissionComponent を使い分けてください。 選択コンポーネントが高い場合、支配的な物語は本質的に説得力が高いために優勢です。伝達コンポーネントが高い場合は、優れた配信インフラを通じて優勢になっています。対抗戦略は異なります。前者にはより優れた物語が必要であり、後者には増幅チャネルの妨害が必要です。

7. 迅速なスクリーニングには maxResults: 10 を設定してください。 トピックを素早くスキャンして CRITICAL の脅威レベルを調べる場合、ツールあたりのコストは $0.04–0.05 で、より早く完了します。大量の結果を返す呼び出しは、詳細な分析が必要なトピックに限って使用してください。

他の Apify アクターおよび MCP サーバーとの組み合わせ

Actor / MCP Server	組み合わせ方
Website Change Monitor	detect_narrative_operations の実行前に、追跡対象サイトの変更をアーカイブ用チャンネルに事前登録し、編集合戦の検出精度を高めます
Brand Narrative Intelligence MCP	ブランドレベルのナラティブ監視を並行して実行し、ブランドのセンチメントの変化を forecast_polarization_phase_transition クエリに入力します
Corporate Political Exposure MCP	OpenSanctions で特定された政治的に影響力のある人物を attribute_narrative_causation の出力と照合し、エンティティレベルで帰属を分析します
WHOIS Domain Lookup	detect_narrative_operations の DNS 帰属結果に、ドメインの登録情報と所有履歴を追加します
OpenSanctions Search	因果関係への寄与が大きいアクターとしてフラグが付いたノード ID を対象に制裁対象者のクエリを実行し、国家アクターの帰属をクロスチェックします
Website Content to Markdown	政策文書の全文を抽出し、model_belief_dynamics クエリに初期コンテキストとして入力します
AI Model Governance MCP	AI ガバナンスに関する政策議論を監視し、AI 政策が偽情報の媒介となっているトピックをこのサーバーの分析パイプラインに送ります

制限事項

• Bluesky のソーシャルデータのみ — このサーバーは X/Twitter、Facebook、Telegram、TikTok にはアクセスしません。ナラティブ工作がより活発なプラットフォームを分析するには、プラットフォーム固有のデータソースを補完する必要があります。
• メディアコンテンツの分析には非対応 — このサーバーはナラティブのパターン、協調構造、時間的シグナルを分析します。ディープフェイク、合成音声、改ざん画像は検出しません。ビジュアルメディアの分析には専用ツールが必要です。
• アルゴリズムの出力は確率的なフレームワークであり、確定的な事実ではありません — 数理モデルは定量的な分析フレームワークを提供します。結果は分野の専門家が解釈してください。モデルの精度は、特定のクエリに対して16のソースから取得されるデータの量と質に左右されます。
• 各アクターのタイムアウトは120秒で、アクター数は16です — あまり知られていないトピックやカバレッジの低いトピックへの呼び出しでは、取得できるデータが少ない場合があります。ナラティブネットワークで構築されるノードが10個未満の場合、ベッチ数の計算とスペクトルギャップの推定の信頼性は低くなります。
• 過去の傾向との比較には非対応 — 各ツール呼び出しでは、クエリ時点の現在のデータを分析します。長期的な追跡には、呼び出しを定期的にスケジュールし、出力を外部で比較する必要があります。
• 基盤となるデータソースのレート制限 — 多数のツール呼び出しを同時に大量実行すると、個々の上流アクターによるレート制限に達する場合があります。呼び出しの間隔を空けるか、maxResults の値を小さくすると、このリスクを軽減できます。
• 規制・制裁データは米国・国連中心です — Federal Register と Congress Bills が提供するのは、主に米国の規制に関する情報です。米国以外の地政学的ナラティブを分析するには、地域固有のソースを補完すると効果的です。
• リアルタイムストリーミング向けには設計されていません — このサーバーはリクエストとレスポンスの方式であり、ストリーミングパイプラインではありません。継続的な監視には、Apify プラットフォームのスケジューラーで定期的な呼び出しをスケジュールしてください。

連携

• Apify API — ベアラートークンを使って、Python、JavaScript、または任意の HTTP クライアントからプログラムで MCP エンドポイントを呼び出します
• Webhooks — 特定の脅威レベルが検出されたときに、後続のワークフロー（Slack アラート、CRM の更新、レポートの生成）をトリガーします
• Zapier — CRITICAL の脅威レベルの検出結果をインシデント管理ワークフローに連携します
• Make — フェーズ遷移予測をトリガーとして、複数ステップの偽情報対策ワークフローを自動化します
• Google Sheets — 構造化された出力テーブルをエクスポートし、アナリストによるレビューや傾向の追跡に活用します
• LangChain / LlamaIndex — このサーバーを、自律型 OSINT エージェントのパイプラインにおけるツール呼び出しエンドポイントとして使用します

トラブルシューティング

ネットワークが空、または非常に小さい（nodeCount < 10） — 16 のデータソースから、意味のあるネットワークを構築するのに十分な結果が得られませんでした。通常、トピックが非常にニッチであるか、ここでは対象としていない閉鎖型プラットフォーム固有の用語が使われています。より広いクエリ用語を試すか、maxResults を 50 に増やすか、オープンソース（Bluesky、Hacker News、Wikipedia、Federal Register）で見つかるトピックの別の表現を使用してください。

既知のキャンペーンが進行中なのに、cusumAlarm: false と shiryaevRobertsAlarm: false が表示される — 最適停止アラームは、既知のグラウンドトゥルースではなく、取得データにおける統計的な信号対雑音比に基づいて作動します。キャンペーンの主な活動場所がこのサーバーの対象外のプラットフォーム（X、Telegram）である場合、Stackelberg モデルに入力されるデータが不十分で、アラームが作動しない可能性があります。プラットフォーム固有のスクレイピングでデータを補い、再クエリしてください。

論争のある話題なのに、regime: CONSENSUS と表示される — DeGroot 収束と Potts モデルの出力は、利用可能なオープンソースデータから構築されたネットワークによって決まります。論争のある言説が閉鎖型プラットフォームや有料プラットフォームで発生している場合、オープンソースのシグナルでは実際の分極化が過小評価されることがあります。model_belief_dynamics のスペクトルギャップと照合してください。CONSENSUS レジームでスペクトルギャップが低い場合、収束が遅く、根底にある分極化が見えにくくなっている可能性があります。

支出上限エラーの応答 — Apify アカウントに設定されている、実行ごとのイベント課金上限に達しています。実行設定で上限を増やすか、セッションあたりのツール呼び出し数を減らしてください。

ツールの応答に 60 秒以上かかる — これは通常の動作です。各呼び出しでは、タイムアウトを 120 秒に設定したアクター呼び出しを 16 件、並列で実行します。応答時間はデータソースのレイテンシーによって異なります。ほとんどの呼び出しは 30～90 秒で完了します。

責任ある利用

• このサーバーは、オープンソースから一般公開されているデータのみを取得します。
• ツールは、防御的なナラティブインテリジェンス（検出、モデリング、対抗戦略の最適化）を目的として設計されています。攻撃的な影響工作を実施するためのプラットフォームではありません。
• 出力を処理または保存する際は、GDPR、適用されるデータ保護法、および各プラットフォームの利用規約を遵守してください。
• 因果関係の帰属に関する出力は、特定の個人や組織に対する断定的な告発ではなく、専門家によるレビューを前提とした分析上の仮説として扱ってください。
• ウェブスクレイピングの合法性に関するガイダンスは、Apify のガイドを参照してください。

FAQ

$5（Apify の無料プラン）で、ツールを何回呼び出せますか？ 無料プランには、毎月 $5 分のクレジットが含まれています。1 回あたりの料金は $0.040～$0.055 で、$5 では約 90～125 回の個別のツール呼び出しが可能です。1 つのトピックについて 8 つすべてのツールを使って分析すると、料金は $0.37～$0.42 です。 detect_narrative_operations と detect_cross_scale_coordination の違いは何ですか？ detect_narrative_operations は SIR-Hawkes 疫学モデリングを適用し、作戦の種類を分類して脅威レベルを算出します。「協調作戦が行われているか、どのような種類で、深刻度はどの程度か」に答えます。detect_cross_scale_coordination は Haar ウェーブレット分解を適用し、個人の投稿リズムから数週間にわたるキャンペーンの展開まで、複数の組織レベルにまたがる協調が同時に行われているかを明らかにします。2つ目のツールは「協調は尺度をまたいでどのように構成されているか」に答えるもので、1つ目のツールで作戦の存在が確認された後に使うと最も有用です。

Brandwatch や Meltwater などのソーシャルリスニングツールとはどう違いますか？ ソーシャルリスニングツールはメンション数を集計し、センチメントを測定します。このサーバーは、疫学、ゲーム理論、進化生物学、統計物理学の数学的フレームワークを適用し、ネットワーク再生産数、ベッチ数、スタッケルバーグ均衡、プライス方程式による分解などの定量的な分析結果を生成します。出力は、ダッシュボードではなく、AI エージェントや専門分野のアナリストによる構造化された推論を目的としています。また、ソーシャルメディアだけでなく、制裁データ、DNS/IP インフラ、規制関連の動向、過去のコンテンツも統合します。

これを使って X（Twitter）や Telegram 上の作戦を検出できますか？ 直接はできません。このサーバーは16個のオープンソース API にクエリを実行しますが、現時点で X や Telegram を含む API はありません。Bluesky と Hacker News からはソーシャルシグナルを取得できます。調査に X や Telegram の情報が必要な場合は、プラットフォーム固有のスクレイピングアクターを併用し、出力を外部で組み合わせてから、このサーバーにクエリを送信してください。

attribute_narrative_causation による因果帰属の精度はどの程度ですか？ 二重頑健推定量は、傾向スコアモデルまたはアウトカム回帰モデルのどちらか一方が正しく特定されていれば一致性を持ちます。これは、どちらか一方の手法だけを用いる場合より強い保証です。精度はデータの密度に左右されます。ネットワークが疎だと信頼区間が広くなり、Rosenbaum のガンマ値は低くなります。隠れた交絡に対する帰属の頑健性を読者に示すため、ATE とともに必ず rosenbaumGamma を報告してください。

この MCP サーバーをスケジュールして、分析を自動実行できますか？ はい。Apify プラットフォームのスケジューラーまたは API を使って、Apify アクターの実行をスケジュールできます。スケジュールされた各実行では、エージェントのワークフローで設定した任意のツールを呼び出せます。特定の条件（例：threat level = CRITICAL、irreversibilityRisk > 0.70）を満たしたときに、出力を後続システムにルーティングするには、Webhook を使用してください。

これを OSINT 分析に使うことは合法ですか？ すべてのデータソースは公開されています。このサーバーは、Bluesky、Hacker News、Wikipedia、Federal Register、Interpol の公開通知、OpenSanctions、Wayback Machine、REST Countries、GDACS、Congress Bills、NOAA、GitHub、公開ウェブページにアクセスします。管轄区域ごとのガイダンスについては、ウェブスクレイピングの合法性に関する Apify のガイドを参照してください。因果帰属の出力は、さらなる裏付けなしに公の場で断定的な告発を行う目的で使用しないでください。

forecast_polarization_phase_transition が返す FRAGMENTED レジームとは何ですか？ FRAGMENTED レジームは、ポッツモデルによって、集団がすでに自発的対称性の破れを起こし、クラスター間の結合が弱い複数の安定した信念状態へと分かれていると判定されたことを示します。2つの支配的な陣営がある POLARIZED とは異なり、FRAGMENTED は、信念クラスターが3つ以上あり、それらの間に一貫したコミュニケーションがほとんどない状態を示します。hegselmannKrauseClusters の数と clusterDistribution に、各断片の意見の位置と相対的な規模が示されます。 map_influence_topology が厳密な最適解ではなく greedyGuarantee を返すのはなぜですか？ 影響力最大化において厳密な最適シードセットを見つける問題は NP 困難です（重み付き集合被覆問題に帰着します）。劣モジュラ関数に対する貪欲アルゴリズムは、多項式時間で計算でき、証明可能な近似保証（1-1/e）≈ 0.632 を提供します。つまり、貪欲アルゴリズムで選んだシードセットは、最適なセットの影響力の少なくとも 63.2％を達成します。この保証は、劣モジュラな影響力関数を持つ Independent Cascade モデルで成り立ちます。greedyGuarantee フィールドは、特定のネットワークで達成された保証値を示します。

この MCP サーバーを自律型 AI エージェントのパイプラインで使用できますか？ はい。このサーバーは MCP 標準（Model Context Protocol）を実装しており、Claude、Cursor、Windsurf、Cline など、MCP 互換のあらゆるクライアントで動作します。エージェントでの使用を想定して設計されており、すべてのツールが型付きフィールドを含む構造化 JSON を返します。また、支出上限のチェックによってコストの暴走を防ぎ、スタンバイモードによってエージェントからの呼び出しの合間もサーバーをすぐに利用できる状態に保ちます。

呼び出し中に 16 個の上流アクターのうち 1 つが失敗した場合、どうなりますか？ 各アクターの呼び出しは、120 秒のタイムアウトを設定した try/catch でラップされています。失敗した場合は空の配列を返し、ログに記録します。ナラティブネットワークは、取得できたデータをもとに構築されます。複数の重要なソース（例：Bluesky と OpenSanctions）が両方ともタイムアウトすると、生成されるネットワークは小さくなり、分析結果の信頼性も低下します。レスポンスの nodeCount でネットワークの密度を確認できます。

関連する MCP サーバー

MCP サーバー	主な機能
Brand Narrative Intelligence MCP	ブランドレベルのナラティブ監視と評判分析
Corporate Political Exposure MCP	政治的影響力、ロビー活動、PEP 分析
AI Model Governance MCP	AI ガバナンス、ポリシー、バイアスの調査・監視

改善にご協力ください

問題が発生した場合は、診断を迅速に行えるよう、実行内容の共有を有効にしてください。

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 作成者と共有するを有効にします

これにより、問題が発生した際に実行の詳細を確認できます。データはアクターの開発者のみが閲覧でき、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のリクエストがある場合は、このアクターのページにある Issues タブから Issue を作成してください。カスタム統合やエンタープライズ向けの STRATCOM 導入については、Apify プラットフォームを通じてお問い合わせください。