Data Center Siting Intelligence

データセンター立地選定インテリジェンス 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": {
    "data-center-siting-intelligence-mcp": {
      "url": "https://ryanclinton--data-center-siting-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

AI エージェントから直接呼び出せる MCP サーバーで、データセンターの立地選定に関するインテリジェンスを提供します。このサーバーは、政府の 8 つのデータソース（USGS の地震カタログ、NOAA の気象警報、OpenAQ の大気質、EIA の電力網データ、FEMA の災害記録、英国の洪水警報、Nominatim のジオコーディング、気象予報）を照会し、4 つのスコアリングモデルを通じて統合することで、候補地の複合立地適合性スコア（0～100）を算出します。結果は構造化された機械可読の立地評価で、候補市場ごとに必要だった何日ものデスク調査に代わります。

データセンター不動産チーム、ハイパースケーラーのインフラ計画担当者、コロケーション事業者は、このサーバーを使って、AI アシスタントに電力の利用可能性、自然災害リスク、PUE に関わる冷却性能、総合的な立地適合性を 1 回のツール呼び出しで評価する機能を提供します。すべての評価はツール呼び出し 1 回あたり $0.045 の従量課金で、サブスクリプション、最低料金、ユーザーごとの料金はありません。商用アドバイザリーが $15,000～50,000 で提供するものと同じ複数ソースによる立地スクリーニングを、全国 100 地点の調査でも $5 未満で実施できます。

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	対象範囲
📊 地震活動、地震のマグニチュード、M4+ の発生頻度	USGS Earthquake Search	世界
🌩 異常気象警報、嵐の発生頻度、極端な事象の件数	NOAA Weather Alerts	米国および世界
💨 PM2.5 の平均値、大気質指数、フリークーリングへの適性	OpenAQ Air Quality	世界 10,000 以上の観測所
📍 地理座標、位置の解決度、ジオコーディングの信頼度	Nominatim Geocoder	世界
🌡 気温プロファイル、低温時間の割合、極端な高温期間	Weather Forecast Search	世界
⚡ 発電量、燃料構成、再生可能エネルギー比率、電源の多様性	EIA Energy Data	米国の州単位
🌊 洪水警報、洪水区域の分類、洪水関連の事象	UK Flood Warnings	イングランドおよびウェールズ
🏚 連邦政府の災害宣言、災害の種類の履歴、発生頻度	FEMA Disaster Search	米国内のすべての災害宣言

Data Center Siting Intelligence MCP Server を使う理由

立地選定アナリストが EIA から電力データを手作業で取得し、USGS の地震カタログと照合し、FEMA の災害履歴を確認して、気候条件をモデル化するには、候補地ごとに 8～12 時間かかります。候補地を 5～10 か所に絞り込む場合、資本委員会向けの資料を 1 枚作成する前に、デスク調査だけで丸 2 週間かかります。

この MCP サーバーは、データ収集からスコアリングまでのパイプライン全体を自動化します。AI エージェントが 1 つのツール、site_ranking_matrix を呼び出すと、PRIME_SITE / STRONG_CANDIDATE / ACCEPTABLE / MARGINAL / NOT_RECOMMENDED の判定、実行可能な推奨事項、8 つすべてのソースから得た裏付けシグナルを含む、スコア付きの構造化レポートを受け取ります。アナリストが数日かける同じ分析を、60 秒未満で実施できます。

スピードに加え、Apify プラットフォームを通じて導入すると、チームは次のメリットを得られます：

• スケジュール設定 — 日次または週次で立地のモニタリング調査を実行し、候補市場の状況変化を追跡できます
• API アクセス — Python、JavaScript、または任意の HTTP クライアントから評価を実行し、既存の立地選定プラットフォームに組み込めます
• 支出管理 — 1 回の実行あたりの費用上限を設定し、複数地点の調査を予算内に収められます
• モニタリング — 実行に失敗した場合や予期しない結果が返された場合に、Slack またはメールでアラートを受け取れます
• 連携 — Zapier、Make、webhook、Google Sheets に接続し、関係者向けのレポートを作成できます

機能

• ツール呼び出しごとに8つのデータソースを並列処理 — site_ranking_matrix は Promise.all を介して基盤となる8つすべてのアクターを同時に実行し、レイテンシを最小限に抑えます。合計レイテンシは各ソースの処理時間の合計ではなく、最も遅い単一のソースによって決まります
• 独立した4つのスコアリングモデル — 電力供給可能性指数、自然災害複合スコア、冷却効率評価、サイト実現可能性スコアをそれぞれ独立して算出するため、一部のデータが欠けていても有効なサブスコアを取得できます
• 加重複合スコアの計算式 — 複合スコアは、電力供給可能性を30％、自然災害の反転値を25％、冷却効率を25％、サイト実現可能性を20％として重み付けし、実際の資本計画上の優先事項を反映します
• 判定の上書きロジック — 災害レベルがEXTREMEの場合、または電力がINSUFFICIENTの場合、他の項目にかかわらず複合スコアを自動的にNOT_RECOMMENDEDに上書きし、誤ったサイト推奨を防ぎます
• 電力網の多様性スコアリング — EIAの系列IDを解析して太陽光、風力、水力、地熱、原子力、ガス、石炭の電源種別を特定します。電源種別ごとに5ポイントを加算し、多様性スコアの上限を20ポイントとすることで、電源が多様な電力網を評価します
• 再生可能エネルギーのシグナル検出 — 再生可能エネルギーの発電量がEIAの総発電量の30％を超えるサイトには、PPAのターゲティングとサステナビリティへの取り組みを支援する、ESGに有利なシグナルを明示します
• FEMAの災害履歴に基づく電力網の信頼性評価 — 激しい暴風雨、ハリケーン、着氷性暴風雨、冬季の気象現象は、それぞれ電力網の信頼性の基準値30ポイントから4ポイントを差し引きます
• 涼しい時間帯の割合に基づくPUEの代替モデル — 冷却スコアは、予報対象期間のうち気温が18°C未満となる割合から算出されます。極端な高温の期間がない場合は10ポイントのボーナスが加算され、フリークーリング時間を直接モデル化します
• フリークーリング適性の評価 — PM2.5の平均値が12 µg/m³未満の場合、空気質スコアは上限の40ポイントとなります。55 µg/m³を超える場合は、空気側エコノマイザーに関する警告を明示します
• 地震のマグニチュードに応じた重み付け — M4.0以上の地震はそれぞれ地震サブスコアに5ポイント加算されます。M5.0以上の地震が1回でも発生した場合は、回数にかかわらず一律で10ポイントのペナルティが適用されます
• FEMAの災害頻度カウンター — 災害宣言が5件以上ある場合は、高頻度シグナルが発生します。各宣言につきサイト実現可能性スコアが5ポイント減少し、下限は0ポイントです
• 分析対象を絞った8つのMCPツール — 各ツールは特定の分析タスクに対応しているため、AI エージェントは、地震に関する詳細レポートから包括的な複合ランキングまで、必要なデータ項目の分だけを利用できます
• スタンバイモードのアーキテクチャ — サーバーはApifyのスタンバイモードとStreamableHTTPトランスポートを使用します。/mcp へのPOSTごとに新しいMcpServerインスタンスが作成され、ステートレスでスケーラブルな運用を実現します
• 読みやすいシグナルを含む構造化JSON出力 — すべてのツールが、スコア、レベル分類、シグナル文字列、実行可能な推奨テキストを返すため、AIの推論チェーンで直接利用できます

データセンターの立地選定におけるユースケース

ハイパースケーラーの立地選定と投資委員会向けレポート作成

AIに特化した新規施設の建設に向けて、候補市場を10〜20カ所評価するハイパースケーラーのインフラチームは、site_ranking_matrix を使って、スコア付き比較表を数分で作成できます。構造化された出力は、複合スコア、電力レベル、災害レベル、冷却レベル、具体的なエンジニアリング上の推奨事項など、投資委員会向けのテンプレートにそのまま対応します。候補の絞り込みにかかる時間は、アナリストの作業時間で2週間から、API呼び出しで1時間未満に短縮されます。

コロケーション事業者の市場拡大

次のキャンパスの立地を探すコロケーション事業者は、compare_metro_areas を使って、アシュバーン、フェニックス、ダラスといった既存のハブと、第二次都市圏市場を比較できます。電力構成と冷却効率のスコアから、サイト取得コストを負担する前に、次世代のAIワークロードを支えられるインフラの基盤を持つ新興市場を見極められます。

不動産開発事業者によるデューデリジェンス

データセンターキャンパスの開発に向けて土地を評価する不動産開発事業者は、取得を決定する前に natural_hazard_profile と flood_risk_assessment を実行できます。FEMA の災害履歴と地震スコアは、資本を投入する前に、構造設計要件と保険引受の判断材料となります。どちらもプロフォーマモデルにおける重要な項目です。

エネルギー調達と PPA 計画

電力購入契約を策定するエネルギーチームは、電力会社との交渉に入る前に power_grid_analysis を使って、対象となる米国の州の再生可能エネルギーの構成と電源の多様性を評価できます。再生可能エネルギーの指標シグナルと電源種別の数は、PPA の目標価格、ESG コミットメントの文言、電力会社との交渉力に直接影響します。

PUE を重視した施設エンジニアリング

冷却システムの設計をモデル化する機械・電気エンジニアは、climate_cooling_efficiency を使って、フリークーリングの可能時間とエコノマイザー運転に適した空気品質を定量化できます。PM2.5 の平均値と冷却時間の比率は、基本設計が始まる前の PUE 予測と総所有コストモデルに直接反映されます。

重要インフラの保険引受

データセンター施設の保険を引き受ける損害保険会社は、natural_hazard_profile と seismic_risk_report を使って、地震、洪水、異常気象、過去の災害発生頻度など、複数の災害リスクへのエクスポージャーを定量化できます。これにより、4 つの政府データベースから個別にデータを取得し、申請ごとに手作業で正規化する必要がなくなります。

データセンター立地選定 MCP ツールの使い方

1. MCP クライアントを接続します — 以下の設定例を使って、サーバー URL を Claude Desktop、Cursor、Windsurf、Cline、または MCP 対応クライアントに追加します。必要なのは Apify API トークンだけです。
2. ツールを選択します — 立地を総合的に評価するには site_ranking_matrix を、対象を絞った分析には power_grid_analysis や climate_cooling_efficiency などの個別ツールを使用します。ほとんどの評価は site_ranking_matrix から始めます。
3. 場所を指定します — 都市名、住所、都市圏、または地理的地域を入力します。例：「Quincy, Washington」や「Northern Virginia, USA」。Nominatim ジオコーダーが場所を自動的に特定します。
4. スコア付きの結果を受け取ります — 30～60 秒以内に、複合スコア、判定、サブスコア、主要なシグナル、およびステークホルダー向けレポートや後続のパイプラインで利用できる推奨事項を含む、構造化された JSON レポートがツールから返されます。

MCP ツール

ツール	価格	データソース	説明
assess_site_viability	$0.045	Nominatim, EIA, FEMA, USGS, NOAA	自然災害情報を重ね合わせた立地適性スコア（0～100）を返します。適性スコア、災害スコア、ジオコード、災害履歴を確認できます。
compare_metro_areas	$0.045	EIA, Weather, OpenAQ, FEMA, USGS	大都市圏の総合ランキングを返します。総合スコア、評価、電力レベル、災害レベル、冷却レベル、シグナル、推奨事項を確認できます。
power_grid_analysis	$0.045	EIA, FEMA	エネルギー源の多様性、再生可能エネルギーの指標、送電網の信頼性サブスコア、EIAの生の発電データを含む、電力利用可能性指数を返します。
natural_hazard_profile	$0.045	USGS, NOAA, UK Flood, FEMA	地震スコア、洪水スコア、異常気象スコア、FEMAの災害件数、災害レベル分類を含む、災害総合評価を返します。
climate_cooling_efficiency	$0.045	OpenAQ, Weather Forecast	PM2.5指数、涼しい時間帯の割合、気温スコア、フリークーリングの適性、PUEの代理指標を含む、冷却効率評価を返します。
flood_risk_assessment	$0.045	UK Flood, FEMA, NOAA	発令中の洪水警報、FEMAの洪水関連災害宣言、気象に基づく洪水シグナルを含む、洪水リスクスコアを返します。
seismic_risk_report	$0.045	USGS, Nominatim	地震カタログの一部、マグニチュード分布、マグニチュード4以上の地震件数、最大マグニチュード、ジオコード化された立地を含む、地震リスクスコアを返します。
site_ranking_matrix	$0.045	All 8 sources	4つのスコアリングモデルすべて、総合スコア、評価（PRIME_SITEからNOT_RECOMMENDEDまで）、すべてのシグナル、推奨事項を含む、立地ランキングの全体表を返します。

接続設定

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "data-center-siting": {
      "type": "streamable-http",
      "url": "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline：

{
  "mcpServers": {
    "data-center-siting": {
      "url": "https://data-center-siting-intelligence-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN"
    }
  }
}

ツールの使用上のヒント

• 新しい候補地では、まずsite_ranking_matrixを実行します — 個別ツールと同じ$0.045で8つのデータソースすべてを並列に実行できるため、費用あたりの情報量を最大化できます
• power_grid_analysisは米国の地域にのみ使用します — EIAデータは米国の州単位です。米国以外の電力分析では、気象データと災害データから得られる総合シグナルを参照してください
• API呼び出しを並列にして候補地をまとめて処理します — Promise.allを使って、5～10か所でsite_ranking_matrixを同時に実行できます。各呼び出しはステートレスかつ独立しています
• スコアだけでなくシグナルも解釈します — allSignals配列とrecommendations配列には、各スコアの根拠が人間に読みやすい形で記載されています。評価に基づいて行動する前に、必ず確認してください
• assess_site_viabilityとsite_ranking_matrixの違い — assess_site_viabilityは5つのデータソースを使い、適性スコアと災害のサブスコアを返します。site_ranking_matrixは同じ料金で、8つのデータソースすべてを使って4つのモデルを実行します

出力例

以下は、ワシントン州クインシーのデータセンター候補地についてsite_ranking_matrixを実行した出力例です。

{
  "location": "Quincy, Washington",
  "compositeScore": 78,
  "verdict": "STRONG_CANDIDATE",
  "power": {
    "score": 81,
    "energySources": 4,
    "renewableIndicators": 1,
    "gridReliability": 26,
    "powerLevel": "EXCELLENT",
    "signals": [
      "4 energy source types — diversified power grid",
      "68% renewable energy — ESG-favorable for DC siting"
    ]
  },
  "hazard": {
    "score": 28,
    "seismicRisk": 8,
    "floodRisk": 5,
    "severeWeatherRisk": 9,
    "hazardLevel": "LOW",
    "signals": []
  },
  "cooling": {
    "score": 72,
    "airQualityIndex": 9,
    "temperatureScore": 32,
    "coolingLevel": "GOOD",
    "signals": [
      "Excellent air quality (PM2.5 avg 9.2) — ideal for free cooling",
      "64% cool hours — excellent PUE potential"
    ]
  },
  "siteViability": {
    "score": 75,
    "viabilityLevel": "STRONG",
    "signals": [
      "Location successfully geocoded — accessible site",
      "Strong energy infrastructure data — power grid connectivity likely"
    ]
  },
  "allSignals": [
    "4 energy source types — diversified power grid",
    "68% renewable energy — ESG-favorable for DC siting",
    "Excellent air quality (PM2.5 avg 9.2) — ideal for free cooling",
    "64% cool hours — excellent PUE potential",
    "Location successfully geocoded — accessible site",
    "Strong energy infrastructure data — power grid connectivity likely"
  ],
  "recommendations": [
    "Good cooling conditions — air-side economizers can reduce PUE significantly",
    "Renewable energy available — leverage for PPA and ESG reporting"
  ]
}

出力フィールド

フィールド	型	説明
location	文字列	ツールに指定された入力場所
compositeScore	数値	加重複合スコア 0〜100（電力 30％、ハザードの逆数 25％、冷却 25％、実現可能性 20％）
verdict	文字列	PRIME_SITE / STRONG_CANDIDATE / ACCEPTABLE / MARGINAL / NOT_RECOMMENDED
power.score	数値	電力供給可能性指数 0〜100
power.energySources	数値	検出されたエネルギー源の種類の数（太陽光、風力、水力、原子力、ガス、石炭）
power.renewableIndicators	数値	EIA データで再生可能エネルギー発電が検出された場合は 1、それ以外は 0
power.gridReliability	数値	電力系統の信頼性サブスコア 0〜30。電力供給に影響する災害の種類ごとに 4 ポイント減点
power.powerLevel	文字列	EXCELLENT / STRONG / ADEQUATE / CONSTRAINED / INSUFFICIENT
power.signals	string[]	電力供給可能性のスコアリングから得られる、人が読める形式のシグナル
hazard.score	数値	自然災害複合スコア 0〜100（高いほど危険。複合スコアの計算では逆数を使用）
hazard.seismicRisk	数値	地震リスクのサブスコア 0〜30
hazard.floodRisk	数値	洪水リスクのサブスコア 0〜25
hazard.severeWeatherRisk	数値	悪天候リスクのサブスコア 0〜25
hazard.hazardLevel	文字列	MINIMAL / LOW / MODERATE / HIGH / EXTREME
hazard.signals	string[]	発動条件を含む、人が読める形式の災害シグナル
cooling.score	数値	冷却効率評価 0〜100
cooling.airQualityIndex	数値	OpenAQ の観測地点の測定値から算出した平均 PM2.5 µg/m³
cooling.temperatureScore	数値	涼しい時間の比率に基づく気温サブスコア 0〜40
cooling.coolingLevel	文字列	EXCELLENT / GOOD / ADEQUATE / MARGINAL / POOR
cooling.signals	string[]	外気冷却の適性および PUE 関連のシグナル
siteViability.score	数値	用地実現可能性のサブスコア 0〜100
siteViability.viabilityLevel	文字列	PRIME / STRONG / VIABLE / MARGINAL / NOT_VIABLE
siteViability.signals	string[]	ジオコーディングの成功とエネルギーインフラのシグナル
allSignals	string[]	4 つすべてのスコアリングモデルのシグナルを統合したリスト
recommendations	string[]	スコアのしきい値条件から導かれる、実行可能な推奨事項

データセンター用地の評価にはいくらかかりますか？

Data Center Siting Intelligence MCP Server はイベントごとの従量課金制を採用しており、ツールの呼び出し 1 回あたり**$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は含まれています。サブスクリプション、最低利用料金、シートごとの料金はありません。

シナリオ	ツール呼び出し回数	呼び出し 1 回あたりの料金	合計料金
単一用地の総合評価	1	$0.045	$0.045
5 用地の候補リスト比較	5	$0.045	$0.23
20 用地の地域一括調査	20	$0.045	$0.90
100 用地の全国スクリーニング	100	$0.045	$4.50
500 用地のポートフォリオ評価	500	$0.045	$22.50

実行ごとに最大支出上限を設定して、コストを管理できます。アクターは予算に達すると停止するため、大規模な一括ジョブで想定外の費用が発生するのを防げます。

商用のデータセンター用地選定アドバイザリーサービスはプロジェクトあたり $15,000〜50,000、SaaS プラットフォームは月額 $2,000〜5,000 かかります。それに対し、この MCP サーバーを使った 500 用地の全国スクリーニングは $22.50 です。ほとんどの AI エージェントのワークフローでは、月額 $2 未満で利用できます。

API 経由でデータセンター用地選定ツールを使う

Python

import requests
import json

API_TOKEN = "YOUR_API_TOKEN"

headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_TOKEN}"
}

# Full composite site ranking matrix
payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "site_ranking_matrix",
        "arguments": {"location": "Quincy, Washington"}
    },
    "id": 1
}

response = requests.post(
    "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
    json=payload,
    headers=headers
)

result = response.json()
report = json.loads(result["result"]["content"][0]["text"])

print(f"Location: {report['location']}")
print(f"Composite Score: {report['compositeScore']}/100 — {report['verdict']}")
print(f"Power: {report['power']['powerLevel']} | Hazard: {report['hazard']['hazardLevel']} | Cooling: {report['cooling']['coolingLevel']}")
for rec in report.get("recommendations", []):
    print(f"  -> {rec}")

JavaScript

const API_TOKEN = "YOUR_API_TOKEN";

async function assessSite(location) {
  const response = await fetch(
    "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
    {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        "Authorization": `Bearer ${API_TOKEN}`
      },
      body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
          name: "site_ranking_matrix",
          arguments: { location }
        },
        id: 1
      })
    }
  );

  const data = await response.json();
  const report = JSON.parse(data.result.content[0].text);

  console.log(`${report.location}: ${report.compositeScore}/100 — ${report.verdict}`);
  console.log(`  Power: ${report.power.powerLevel} | Hazard: ${report.hazard.hazardLevel} | Cooling: ${report.cooling.coolingLevel}`);
  report.recommendations.forEach(rec => console.log(`  -> ${rec}`));

  return report;
}

// Batch assessment — run 3 candidate sites in parallel
const sites = ["Quincy, Washington", "Ashburn, Virginia", "Phoenix, Arizona"];
const assessments = await Promise.all(sites.map(assessSite));
assessments.sort((a, b) => b.compositeScore - a.compositeScore);
assessments.forEach(r => console.log(`${r.compositeScore} — ${r.verdict} — ${r.location}`));

cURL

# Full site ranking matrix for a candidate location
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "site_ranking_matrix",
      "arguments": {"location": "Quincy, Washington"}
    },
    "id": 1
  }'

# Power grid analysis for a specific US region
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "power_grid_analysis",
      "arguments": {"region": "Oregon"}
    },
    "id": 2
  }'

# List all available tools
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/list","params":{},"id":0}'

Data Center Siting Intelligence MCP Server の仕組み

フェーズ 1：並列データ取得

各ツール呼び出しでは、Promise.all を介して2〜8件のサブアクター実行が同時にディスパッチされます。site_ranking_matrix ツールは、内部の8つのアクター（usgs-earthquake-search、noaa-weather-alerts、openaq-air-quality、nominatim-geocoder、weather-forecast-search、eia-energy-data、uk-flood-warnings、fema-disaster-search）をすべて同時に実行します。各サブアクターには、ユーザーが指定した場所の文字列がクエリとして渡されます。サブアクターは512 MBのメモリ割り当てと120秒のタイムアウトで実行されます。結果はキー付きの Record<string, unknown[]> オブジェクトに集約されます。サブアクターの失敗は個別に捕捉され、空の配列が既定値として使われるため、一部の結果しか得られなくても有効なスコアを算出できます。

フェーズ 2：4つのモデルによるスコアリング

集約されたデータオブジェクトは、scoring.ts にある4つの独立したスコアリング関数に渡されます。

scorePowerAvailability は、EIAの系列IDからエネルギー源のキーワード（solar、wind、hydro、geothermal、nuclear、natural gas、coal）を解析し、異なるエネルギー源の種類を数えます。1種類につき5ポイントが加算され、多様性スコアの上限は20ポイントです。EIAのレコード数に基づく容量の充実度スコアが、さらに最大20ポイント加算されます。電力網の信頼性スコアは30ポイントから始まり、電力供給を妨げる種類の事象（severe storm、hurricane、ice storm、winter weather）に該当するFEMAの宣言ごとに4ポイント減点されます。気象予報データでは、気温が-20〜40°Cの範囲外、または風速が50 km/hを超える場合、安定性が減点されます。

scoreNaturalHazard は、USGSの地震記録を解析して最大マグニチュードとマグニチュード4.0以上の地震の件数を調べます。マグニチュード5.0以上の地震が発生した場合、地震ごとのスコアに加えて一律10ポイントの地震ペナルティが加算されます。洪水スコアは、英国の洪水警報の件数（1件につき5ポイント）に加え、FEMAの記録がある場合に加算されます。「extreme」または「severe」の深刻度ラベルでフィルタリングされたNOAA警報は、それぞれ悪天候のサブスコアに5ポイントを加算します。FEMAの災害宣言件数も、1件につき3ポイント、最大20ポイントまで加算されます。

scoreCoolingEfficiency は、OpenAQの測定値から平均PM2.5を、段階的なスコアリング関数を使って算出します。12 µg/m³未満は40ポイント、12〜25 µg/m³は30ポイント、25〜35 µg/m³は20ポイント、35〜55 µg/m³は10ポイント、55 µg/m³を超える場合は0ポイントです。気温の要素では、18°C未満の予報期間数を全予報期間数で割ります。この結果の涼しい時間帯の割合に応じて最大40ポイントが加算され、極端な高温の期間がゼロの場合は10ポイントのボーナスが加算されます。

scoreSiteViability は、ジオコーディングに成功すると20ポイント、EIAのレコード数に応じて最大35ポイント（1レコードにつき5ポイント）、FEMAの災害がない場合は最大35ポイント（宣言1件につき5ポイント減点）を加算します。

フェーズ 3：総合スコアの算出と判定の生成

generateSiteRanking は、次の加重計算式を適用します：power × 0.30 + (100 - hazard) × 0.25 + cooling × 0.25 + viability × 0.20。総合スコアにかかわらず誤った推奨を防ぐため、2つの強制的な上書き処理が適用されます。ハザードがEXTREMEの場合、または電力がINSUFFICIENTの場合、判定はNOT_RECOMMENDEDになります。推奨文は、地震のサブスコアが15を超える、洪水のサブスコアが10を超える、冷却スコアが60を超える、電力スコアが40未満、PM2.5が35 µg/m³を超える、再生可能エネルギーが利用可能、といったしきい値条件に基づいて生成されます。

フェーズ 4：MCP トランスポート

サーバーはExpress上で動作する StreamableHTTPServerTransport と @modelcontextprotocol/sdk を使用します。/mcp への各POSTリクエストでは、新しい McpServer インスタンスが作成され、8つすべてのツールが登録され、リクエストがステートレスに処理されます。呼び出し間でセッションは保持されません。各ツールハンドラーの開始時に、データ取得の前に Actor.charge() が呼び出されます。支出上限に達している場合、ツールは明確なエラーメッセージを返して早期終了します。

最良の結果を得るためのヒント

1. デフォルトのツールとして site_ranking_matrix を使用してください。 個別のツールと同じく $0.045 ですが、8 つすべての情報源を並列で実行するため、1 ドルあたりで最も包括的な情報を得られます。個別のツールは、対象を絞った追加調査にのみ使用してください。

2. 判定は文脈に沿って解釈してください。 米国以外の地域での MARGINAL 判定は、インフラの実際の脆弱性ではなく、EIA および FEMA のデータがないことを反映している場合があります。signals 配列を確認してください。米国以外のサイトで電力関連のシグナルが空の場合は、電力網の品質が低いことではなく、データが存在しないことを示しています。

3. EIA データの適用範囲を考慮してください。 EIA による電力網のスコアリングは、米国の州レベルに限られます。ヨーロッパやアジア太平洋地域では、電力に関する推測には気象の安定性と冷却のシグナルを参考にし、現地の電力会社による調査で補完してください。

4. 西海岸および太平洋地域のサイトでは seismic_risk_report を使用してください。 カリフォルニア、アラスカ、ハワイ、太平洋岸北西部は、基礎的な地震リスクが高い地域です。専用の地震レポートでは、複合スコアが単一のサブスコアに圧縮する、USGS のマグニチュード分布の詳細をすべて確認できます。

5. ESG レポートでは、冷却と電力のシグナルを組み合わせてください。 PM2.5 に基づく冷却スコアと再生可能エネルギーの指標を組み合わせると、サイトが再生可能電力を使った外気冷却装置に対応できるかどうかがわかります。この組み合わせは、PUE の低減と低炭素立地に関する取り組みで最も重視されます。

6. API を介して 5～10 サイトを並列で実行してください。 各 site_ranking_matrix 呼び出しはステートレスで、互いに独立しています。Promise.all による並列実行で分析時間を比例して短縮できます。10 サイトを並列で実行する場合、1 サイトを逐次実行する場合と同じ時間で完了します。

7. 資本委員会の候補リストでは、STRONG_CANDIDATE と PRIME_SITE に絞り込んでください。 これら 2 つの判定（複合スコアがそれぞれ 60 と 75 を超える）は、ハードオーバーライドが発生しておらず、4 つすべての評価軸で良好であることを示します。

8. 大規模なポートフォリオ調査では、支出上限を設定してください。 100 か所以上をスクリーニングする場合は、調査を無人で実行している間のコストを抑えるため、actor の実行オプションで maxTotalChargeUsd を設定してください。

他の Apify actor との組み合わせ

Actor	組み合わせ方
Company Deep Research	正式なデューデリジェンスを開始する前に、候補サイトの電力会社、送電網運営者、土地の売り手を調査します
Website Tech Stack Detector	対象市場における有力なテナント候補やコロケーション事業者の技術構成を特定します
Website Change Monitor	デューデリジェンスが長期にわたる間、電力会社のウェブサイトや地域の都市計画当局のページを監視し、供給容量に関する発表を確認します
Trustpilot Review Analyzer	候補市場の地域電力会社や既存のコロケーション事業者の評判を分析します
B2B Lead Qualifier	候補市場に関連するデータセンターのテナントや主要顧客を評価し、優先順位を付けます
WHOIS Domain Lookup	サイト周辺の企業、電力会社、競合する開発事業者のドメイン登録を確認します
Multi-Review Analyzer	候補市場全体のコロケーション事業者やマネージドサービスプロバイダーのレビューを一括で集約します

制限事項

• EIA の電力データは米国のみを対象としています。 power_grid_analysis と電力供給可能性のスコアリング項目は、すべて米国エネルギー情報局に依存しています。米国外の場所では EIA の発電データが得られないため、電力網が脆弱だからではなく、データがないことによって電力スコアが低下します。海外の候補地については、現地の電力会社のデータで補完してください。
• 英国の洪水警報はイングランドとウェールズのみを対象としています。 米国、欧州、アジア太平洋地域の場所の洪水リスクスコアは、専用の洪水当局データではなく、FEMA の記録と NOAA のシグナルに基づいています。
• FEMA の災害履歴は米国のみを対象としています。 米国外の場所には、FEMA による災害ペナルティもレジリエンス加点も適用されません。そのため、国際的な候補地の立地適性スコアは、FEMA の災害履歴がある米国内の候補地と比べて高くなります。
• スコアは一般公開されているシグナルを反映したものであり、現地調査の代わりにはなりません。 複合スコアは、政府の公開データベースから算出されます。実地調査、電力供給能力の調査、地盤評価、送電網への接続調査に代わるものではありません。
• EIA のデータは地域単位であり、区画単位ではありません。 電力網データが示すのは州または地域の発電容量であり、特定の区画から変電所までの距離や送電容量ではありません。候補地を決定する前に、実地の電力網接続調査が必要です。
• 地震スコアは過去の地震発生頻度を反映しており、確率論的ハザードマップに基づくものではありません。 USGS のカタログデータは最近および過去の発生頻度を示しますが、ASCE 7 の構造設計で用いられる475年または2,475年の再現期間に基づくハザードレベルはモデル化していません。地震スコアは初期スクリーニングにのみ使用してください。
• 大気質スコアは、近隣の観測所の密度に左右されます。 地方や遠隔地では OpenAQ の観測データが少ないことがあり、観測所が見つからない場合、PM2.5 の平均値は50 µg/m³（中程度のペナルティ）に設定されます。冷却関連のシグナルがないのに値が50前後の場合、通常は大気質が実測で悪いことではなく、データがないことを示しています。
• 交通、光ファイバー、土地の利用可能性に関するデータはありません。 ダークファイバーまでの距離、ネットワーク事業者へのアクセス、道路インフラ、土地の区画の利用可能性は、重要な立地要因ですが、現在の8つのデータソースではいずれもカバーされていません。

連携機能

• Zapier — トラッキング用のスプレッドシートまたは Airtable ベースに新しい候補地が追加されたとき、サイト評価を自動的に実行します
• Make — スコア付きの結果を Google Sheets または Notion データベースに送信し、関係者が確認できるサイトスクリーニングの自動ワークフローを構築します
• Google Sheets — サイトランキング表の結果を、複合スコアまたは判定で並べ替えられる比較用ブックに直接エクスポートします
• Apify API — REST を介して、サイト評価の呼び出しを既存の不動産分析または資本計画のパイプラインに統合します
• Webhooks — 一括サイト調査の完了時や、継続的なモニタリング中にハザードレベルがしきい値を超えたときに通知を受け取ります
• LangChain / LlamaIndex — この MCP サーバーを LangChain または LlamaIndex のエージェントワークフローで推論ツールとして使用し、サイト選定パイプラインを完全に自動化します

トラブルシューティング

• 米国外の条件の良い場所なのに、複合スコアが低く見える — EIA（電力）とFEMA（災害レジリエンス）のデータは米国内のみを対象としています。米国外のサイトにはEIAの発電データがないため、電力スコアの構成要素が大幅に低下します。power.signals 配列が空で、power.score が30未満の場合、原因は電力網のインフラが弱いことではなく、EIAデータが存在しないことです。ハザードと冷却の各評価軸は、引き続き世界中で機能します。

• 地理的に有利な場所なのに、サイトが NOT_RECOMMENDED を返す — hazard.hazardLevel と power.powerLevel を直接確認してください。判定のオーバーライドロジックにより、ほかのすべてのスコアにかかわらず、ハザードが EXTREME、または電力が INSUFFICIENT の場合は NOT_RECOMMENDED になります。ハザードが EXTREME になるのは、FEMAの災害宣言件数が多い場合や、場所の近くでUSGSの重大な事象が複数発生している場合です。具体的な要因については hazard.signals を確認してください。

• seismic_risk_report が空の地震データを返す — USGSは、最近のカタログ掲載事象からの距離に基づいて結果を返します。カタログに地震活動が記録されていない場所では、配列が空になります。これは良好な指標です。地震の結果が空で、seismicRisk: 0 の場合は、検出された地震活動が最小限であることを意味し、データエラーではありません。

• 寒冷地なのに climate_cooling_efficiency が低いスコアを返す — OpenAQでその場所の監視範囲がまばらな場合に発生します。PM2.5データが見つからない場合、airQualityIndex はデフォルトで50 µg/m³になります。シグナルの項目がないのに値が50前後の場合、測定された空気質が悪いのではなく、データが存在しないことを示しています。空気がきれいだと確認されている場所では、実際のフリークーリングの可能性はスコアが示すより高いと考えられます。

• ツールの呼び出しで支出上限エラーが返る — データ取得の実行前に、Actor.charge() が設定済みの実行ごとの支出上限を確認します。アクターの実行設定で最大支出上限を引き上げるか、十分なクレジット残高のあるAPIトークンを使用してください。

責任ある利用

• このMCP サーバーは、USGS、NOAA、OpenAQ、Nominatim/OpenStreetMap、EIA、英国環境庁、FEMAが提供する公開データのみを利用します。
• 基盤となるすべてのデータソースは、公開研究および計画用途のために公開されている、オープンアクセスの政府データベースです。
• サイトのスコアと判定は、専門家によるエンジニアリング、法務、財務のデューデリジェンスを補完するための分析結果であり、それらに取って代わるものではありません。
• 基盤となるデータを独自に検証せずに、設備投資の判断を自動生成された複合スコアのみに依存して行わないでください。
• データ利用ポリシーについては、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。

FAQ

データセンターのサイト選定における複合スコアは、実際に何を測定していますか？

複合スコア（0～100）は、4つの評価軸に重み付けしています。電力の利用可能性（30％）、自然災害への耐性（25％）、冷却効率（25％）、サイトの実現可能性（20％）です。電力の利用可能性では、エネルギー源の多様性、再生可能エネルギーの割合、FEMAの災害履歴から推定される電力網の信頼性を測定します。自然災害のスコアは逆算され、ハザードスコアが高いほど複合スコアは低くなります。冷却効率では、PM2.5濃度と低温時間の割合からフリークーリングの可能性をモデル化します。サイトの実現可能性では、ジオコーディングの成功度、EIAデータの充実度、レジリエンスの代理指標となるFEMA災害の不在を測定します。

データセンターのサイト選定における判定は、どのように決まりますか？

PRIME_SITE には、重大なオーバーライドが発生しておらず、複合スコアが75以上であることが必要です。STRONG_CANDIDATE は60～74、ACCEPTABLE は45～59、MARGINAL は25～44を対象とします。NOT_RECOMMENDED は25未満の場合に適用されます。また、スコアにかかわらず、hazard.hazardLevel が EXTREME、または power.powerLevel が INSUFFICIENT の場合も、NOT_RECOMMENDED になります。これらのオーバーライドは、冷却スコアの高さによって、電力やハザードに関する壊滅的な問題が見えなくなるのを防ぐために設けられています。

PUE 冷却効率の推定値はどの程度正確ですか？

冷却スコアは、PM2.5 の大気質平均値と天気予報の気温分布に基づく代替指標です。フリークーリングへの適性と、PUE の大まかな見込みを示すものであり、正確な PUE 値ではありません。実際の PUE は、施設の設計、冷却技術の選択、サーバー吸気温度の目標値、運用方法によって異なります。冷却スコアは、エンジニアリング仕様ではなく、比較検討のためのスクリーニング指標として扱ってください。

データセンターの立地選定は海外の場所にも対応していますか？

地震（USGS）、異常気象（NOAA）、大気質（OpenAQ）、ジオコーディング（Nominatim）のデータは世界を対象としています。気温予報も世界を対象としています。EIA のエネルギーデータと FEMA の災害記録は米国のみが対象です。英国の洪水警報はイングランドとウェールズを対象としています。米国外の場所では、電力と災害レジリエンスの評価項目は、インフラの状況を測定した結果ではなく、データが存在しないことを反映します。ハザードと冷却の評価項目は引き続き完全に機能します。

複数のデータセンター候補地を同時に比較できますか？

はい。オーケストレーション層で Promise.all を使用し、候補地ごとに site_ranking_matrix を並列で呼び出してください。各呼び出しはステートレスで、互いに独立しています。出力構造は呼び出し間で同一のため、compositeScore で結果を並べ替えたり、verdict で絞り込んだりして、候補地一覧表を自動で作成できます。

JLL や CBRE のアドバイザリーサービスなど、商用のデータセンター立地選定ツールとは何が違いますか？

一般に、商用の立地選定サービスには 15,000～50,000 ドルの費用と 4～8 週間がかかり、仲介業者との関係構築、電力会社との交渉、許認可に関する助言などが含まれます。この MCP サーバーは、公開データソースに基づく自動化された定量スコアリングを、1 地点あたり 0.045 ドルで 60 秒以内に提供します。これは、現在アナリストの作業時間を要している初期のデスクリサーチと候補地のロングリスト作成を代替するものであり、アドバイザリーサービス全体に取って代わるものではありません。

地震リスクスコアは何に基づいており、どの程度信頼できますか？

地震スコアは、USGS の地震カタログデータに基づいており、最近の地震発生件数、M4.0 以上の地震の数、観測された最大マグニチュードを使用しています。M5.0 以上の地震には一律 10 ポイントのペナルティが加算されます。このスコアが示すのは最近の地震活動であり、確率論的地震ハザード解析（PSHA）ではありません。構造設計には、ASCE 7 または IBC の基準に基づく正式な地盤調査が必要です。地震スコアは、初期スクリーニングと相対的な順位付けにのみ使用してください。

カリフォルニア州のような地震多発地域にあるデータセンターの候補地を評価できますか？

はい。そうした候補地を適切に検出できるよう、スコアリングが調整されています。M4.0 以上の地震が頻発する場所や、M5.0 以上の地震が発生した場所では、地震リスクのサブスコアが高くなり、明示的なシグナルが生成されます。natural_hazard_profile ツールと seismic_risk_report ツールを使用すると、複合スコアに加えて、詳細確認用の USGS 地震カタログの全データを取得できます。

このデータを商用の立地選定に関する判断に使用することは合法ですか？

すべてのデータソースは、USGS、NOAA、EIA、FEMA、OpenAQ、英国環境庁、Nominatim/OpenStreetMap などの政府機関による公開データベースです。これらは公開利用を目的として公開されており、そこから得られた分析結果の商用利用に制限はありません。一般的な情報については、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。

site_ranking_matrix による評価全体には、どのくらい時間がかかりますか？

通常は 20～45 秒です。このツールは Promise.all を使用して、8 つのサブアクターへのクエリをすべて並列で実行します。各サブアクターのタイムアウトは 120 秒です。全体のレイテンシは、最も遅いサブアクターの応答時間によって決まります。通常の状況であれば、ほとんどの評価は 30 秒以内に完了します。

この MCP サーバーで候補地を監視し、状況の変化を検知するようスケジュールできますか？

はい。Apify のスケジュール機能を使い、候補地を固定して site_ranking_matrix または natural_hazard_profile を定期的に実行できます。スコアが大幅に変化した場合や、ハザードレベルが変わった場合にチームへ通知するよう、Webhook を設定してください。状況が変わる可能性のある、長期にわたるデューデリジェンス期間中の継続的な監視に役立ちます。

基盤となる 8 つのデータソースのいずれかが利用できない場合はどうなりますか？

各サブアクターの呼び出しは try-catch ブロックでラップされています。サブアクターが失敗またはタイムアウトすると、その結果は空の配列に設定されます。4 つすべてのスコアリング関数は空の入力を適切に処理するため、データがない場合でもエラーは発生せず、該当するサブスコアへの加点がゼロになります。シグナルが欠けるため複合スコアは低くなり、allSignals 配列も短くなりますが、ツールは常に有効で解析可能な結果を返します。

改善にご協力ください

予期しないスコアやツールの動作に遭遇した場合は、Apify アカウントで実行の共有を有効にすると、より迅速なデバッグにご協力いただけます。

1. Account Settings > Privacy に移動します
2. Share runs with public Actor creators を有効にします

これにより、問題が発生したときに実行の詳細を確認できるため、より迅速に問題を修正できます。お客様のデータはアクターの開発者だけが閲覧でき、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 tab で課題を作成してください。追加のデータソース、別のスコアリングモデル、企業向けの候補地スクリーニングワークフローなど、カスタム統合については Apify プラットフォームからお問い合わせください。