Municipal Fiscal Intelligence

Municipal Fiscal Intelligence 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": {
    "municipal-fiscal-intelligence-mcp": {
      "url": "https://ryanclinton--municipal-fiscal-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

7つの連邦政府データベースから情報を取得して、自動で定量化する地方債の信用リスク分析が、AI エージェントから直接呼び出せる MCP ツールとして利用できるようになりました。このサーバーは、米国内のあらゆる自治体、郡、州について、Municipal Fiscal Stress Index、連邦資金の急減リスクの検出、経済基盤のレジリエンス評価、気候災害へのエクスポージャー評価を提供します。Claude、Cursor、またはMCP互換クライアントに一度接続すれば、地方自治体の財務健全性について自然言語で質問できます。

このサーバーは、永続的なHTTPエンドポイントとしてApifyのStandbyモードで稼働します。最大7つのデータアクター（USAspending、FRED、BLS、FEMA、Data.gov、Nominatim、Congress.gov）を並列実行し、4つの独立したスコアリングモデルを適用して、構造化された信用情報を生成します。ETLパイプラインは不要です。データソースごとのAPIキー管理も不要です。1つのMCPエンドポイントですべてに対応し、ツール呼び出し1回あたり0.045ドルで利用できます。

どのようなデータを抽出できますか？

データ項目	ソース	例
📊 連邦政府の補助金と債務負担	USAspending	34件の交付で8億4,700万ドル — 連邦政府への依存度が高い
📈 GDP成長率	FRED	年間成長率1.8％ — 全国平均を下回る
👷 雇用セクターの多様性	BLS	12セクター、HHI 0.09 — 多様化した経済基盤
🌪️ FEMAの災害宣言	FEMA	2000年以降に大規模災害が18件 — 発生頻度が加速
📂 債務・年金データセット	Data.gov	年金の積立不足に関するデータセットを6件検出
📍 ジオコーディングされたハザードゾーン	Nominatim	北緯33.45度、西経86.80度 — メキシコ湾岸へのエクスポージャー
🏛️ 議会法案（段階別）	Congress.gov	インフラ資金を脅かす法案が4件
🏆 信用格付け（AAA～CCC）	複合モデル	BBB / STABLE — おおむね適切だが、一部に集中リスクあり
⚠️ 資金急減リスクスコア（0～100）	複合モデル	スコア62 — 急減リスクが高く、12か月以内に終了する補助金が5件
💪 経済レジリエンススコア（0～100）	複合モデル	スコア71 — レジリエンスが高く、成長セクターが12件
🔥 気候関連財政エクスポージャースコア（0～100）	複合モデル	スコア55 — 高く、FEMA関連費用は年換算で420万ドル
📋 Municipal Fiscal Stress Index（0～100）	複合モデル	スコア44 — 財政ストレスは中程度

Municipal Fiscal Intelligence MCP を使う理由

地方債のデューデリジェンスを手作業で行う場合、CAFRのPDFをダウンロードし、USAspendingのエクスポートデータと突き合わせ、FEMAの災害宣言アーカイブを調べ、BLSの都市圏別雇用統計を取得する必要があります。発行体1件の基礎データをまとめるだけでも、分析を始める前に若手アナリストが8～12時間を費やすことがあります。これをポートフォリオ内の発行体20件に繰り返せば、持続不可能な調査プロセスになってしまいます。

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 アシスタントが連邦政府の最新データを取得し、すべての管轄区域に一貫したスコアリングモデルを適用して、自治体ごとに90秒以内で構造化された信用情報を返します。

• スケジュール設定 — 固定スケジュールで地方債ポートフォリオ全体の四半期ごとの財政健全性調査を実行し、悪化を早期に検出します
• 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、後続の信用ワークフローにデータを提供します
• プロキシローテーション — Apifyの組み込みインフラがデータソースの信頼性を確保するため、個々のデータソースが停止しても分析は中断されません
• モニタリング — 自治体の財政ストレススコアが指定したしきい値を超えた場合に、Slackまたはメールで通知するよう設定できます
• インテグレーション — 結果をZapier、Make、Google Sheets、またはCRMシステムに送信し、ポートフォリオを追跡できます

機能

• 自治体財政ストレス指数（0～100） — 連邦政府への依存度（最大30点）、FREDの経済低迷シグナル（最大25点）、BLSの雇用悪化（最大25点）、Data.govの財政フラグ検出（最大20点）を組み合わせた指標です
• 連邦資金の崖の検出 — 資金集中率をスコア化し、12か月以内に期限切れとなる助成金を数え、議会で審議中の廃止・予算停止・取り消し法案を特定し、連邦基金金利の引き締めシグナルを加味します
• ハーフィンダール・ハーシュマン指数による雇用スコアリング — BLSの全雇用セクターを対象にHHIを算出し、単一産業への依存リスクを定量化します。HHIが低いほど、レジリエンススコアは高くなります
• 災害の加速分析 — 直近5年間のFEMAの災害宣言頻度をそれ以前の全期間と比較し、気候リスクが高まっているか、安定しているかを検出します
• 災害コストの年換算予測 — FEMAの支出義務の履歴総額をデータ年数で割り、インフラ予算策定向けに年間の財政エクスポージャーを算出します
• 法案の段階分類 — 議会の法案を提出、委員会審議、議院通過、成立に分類し、立法上の脅威スコアでは成立および議院通過の段階をより重く評価します
• 同格自治体のランキング — 2～5自治体を、加重複合スコア（（100 - 財政ストレス）× 0.40 + レジリエンス × 0.35 + （100 - 気候）× 0.25）で比較します
• 複合信用格付け（AAA～CCC） — 財政ストレス（30％）、資金の崖（20％）、経済的レジリエンス（30％）、気候エクスポージャー（20％）から最終格付けを算出します。レジリエンスが高いほど格付けが上がるよう、各要素を反転して評価します
• 信用見通しの割り当て — 閾値ルールに基づいてWATCH、NEGATIVE、STABLE、POSITIVEを割り当てます。ストレスがSEVERE、または資金の崖がCRITICALの場合はWATCHとなり、POSITIVEにはレジリエンスが70以上かつ財政ストレスが30以下であることが必要です
• 強みとリスクの構造化出力 — 信用分析概要を自動生成し、アナリストメモにそのまま挿入できる平易な言葉の強みとリスクの箇条書きを作成します
• 並列アクター実行 — Promise.allSettledを介してすべてのデータアクターを並行実行し、単一のデータソースの遅延によって評価全体がブロックされないようにします
• ジオコーディングによるハザードゾーンのマッピング — Nominatimジオコーダーで自治体名を緯度・経度の座標に変換し、災害エクスポージャーレポートに地理的なコンテキストを加えます
• 7つのMCPツールを1つのエンドポイントで提供 — 1つのMCPサーバーURLから、財政健全性の評価、資金の崖の検出、経済基盤の分析、災害エクスポージャーの評価、法案の追跡、同格自治体との比較、または信用分析概要の作成を実行できます

自治体財政インテリジェンスのユースケース

地方債の信用分析

地方債への投資判断に用いる信用モデルを構築する公共財務アナリストやポートフォリオマネージャーには、格付け機関の評価だけでは得られない定量的なシグナルが必要です。このサーバーは、格付け機関の評価が出る数か月前に兆候を示す、連邦支出への依存率、経済セクターの集中度、災害の加速傾向を明らかにします。generate_credit_briefを使うと、2分以内にあらゆる発行体の信用格付け、見通し、強み、リスクの箇条書きを作成できます。

連邦資金への依存リスク評価

自治体の予算が連邦政府の政策変更の影響を受けやすい政府間移転に大きく依存している場合、自治体アドバイザーや州の予算管理局は、そのリスクを特定する必要があります。detect_funding_cliffsは、助成金の集中リスク（連邦資金総額のうち、単一プログラムが占める割合）にフラグを立て、12か月以内に期限切れとなる助成金を数え、その自治体に関連する廃止・予算停止・取り消しの文言を含む議会提出法案を明らかにします。

同格自治体とのベンチマーク比較

発行体や投資家に比較分析を提示する投資銀行や独立系ファイナンシャルアドバイザーは、compare_peer_jurisdictionsを使って、財政の健全性に基づき2～5自治体を順位付けできます。結果は複合ランキングスコア順に並び、各自治体の財政ストレスレベル、レジリエンスレベル、気候エクスポージャーレベル、主要なシグナルが一覧で表示されます。

気候災害に伴う財政リスクの評価

インフラ投資家、保険引受担当者、ESGを重視する債券ファンドは、気候変動に起因する災害の発生頻度が長期的な財政圧力にどうつながるかを定量化する必要があります。evaluate_disaster_exposure は、年換算のFEMAコスト、主要な災害宣言の件数、発生した災害の種類（ハリケーン、洪水、火災、激しい暴風雨）、および直近5年間で災害が加速している場合のフラグを返します。

法案の影響のモニタリング

係属中の連邦法案が特定の顧客の管轄区域に与える影響を追跡する政府渉外チームや公共財政アドバイザーは、track_legislative_impact を使用して、自治体名とトピックのキーワードに一致するすべての議会法案を取得し、段階別に分類して、現在の連邦補助金額と照合します。自治体の主要な資金提供プログラムに影響する法案が「passed chamber」段階にある場合、直ちにリスクフラグとなります。

AIを活用した公共財政アドバイザリー

Claude Desktop、Cursor、Windsurfを使用するファイナンシャルアドバイザーは、「ミシガン州デトロイト市はオハイオ州クリーブランド市より信用リスクが高いですか？」のような自然言語の質問をすると、連邦政府の最新データに基づくスコアリングの根拠とともに、順位付けされた比較結果を受け取ることができます。MCP連携により、データを手動で貼り付ける必要がなく、コンテキストウィンドウの制限も受けません。ツール呼び出しによって、データの取得、スコアリング、結果の返却が一度に行われます。

自治体財政インテリジェンスツールの使い方

1. MCP サーバーに接続する — Apify がホストするエンドポイント URL を MCP クライアントの設定に追加します。Claude Desktop の場合は、URL を claude_desktop_config.json の mcpServers に貼り付けます。ローカルへのインストールは不要です。
2. 自然な言葉で質問する — 「アリゾナ州フェニックス市の信用状況に関する概要を作成して」や「テキサス州ヒューストン市とダラス市の財政リスクを比較して」と入力します。AI クライアントがリクエストを適切なツールに自動で振り分けます。
3. スコア付きの出力を確認する — サーバーは、数値スコア、レベルラベル（MINIMAL/LOW/MODERATE/ELEVATED/SEVERE）、シグナルの箇条書き、および各連邦政府データソースの生データの一部を含む、構造化されたJSONオブジェクトを返します。
4. 結果をエクスポートまたは統合する — JSON出力を信用モデルにコピーする、Apify API経由でスプレッドシートに送信する、または四半期ごとに更新する定期実行を設定します。

入力パラメーター

これはMCP サーバーであるため、入力は一括でアクターに渡すのではなく、ツール呼び出しごとに渡します。アクターレベルの入力スキーマは空です。各ツールでは、次のパラメーターを受け付けます。

パラメーター	型	必須	ツール	説明
municipality	文字列	はい	compare_peer_jurisdictions 以外のすべて	市、郡、または州の名前（例：「Detroit」、「Cook County」、「Michigan」）
state	文字列	いいえ	assess_municipal_fiscal_health、detect_funding_cliffs、analyze_economic_base、evaluate_disaster_exposure、generate_credit_brief	曖昧さを避けるための2文字の州略称（例：「MI」、「TX」、「CA」）
program	文字列	いいえ	detect_funding_cliffs	追跡する特定の連邦プログラム（例：「CDBG」、「Title I」、「Medicaid」）
topic	文字列	いいえ	track_legislative_impact	法案のトピックのキーワード（例：「infrastructure」、「Medicaid」、「education」）
municipalities	文字列の配列	はい	compare_peer_jurisdictions	横並びで比較する自治体名のリスト（2～5件）

入力例

単一自治体の信用状況の概要（最も一般的）：

{
  "tool": "generate_credit_brief",
  "arguments": {
    "municipality": "Detroit",
    "state": "MI"
  }
}

3都市の比較：

{
  "tool": "compare_peer_jurisdictions",
  "arguments": {
    "municipalities": ["Detroit, MI", "Cleveland, OH", "Gary, IN"]
  }
}

特定のプログラムを対象とした資金不足のスキャン：

{
  "tool": "detect_funding_cliffs",
  "arguments": {
    "municipality": "Baltimore",
    "state": "MD",
    "program": "CDBG community development"
  }
}

入力のヒント

• 一般的な都市名には必ず州の略称を含めてください — 「Springfield」は35州に存在します。"state": "IL"を追加すると、検索対象を正しい管轄区域に絞れます。
• 包括的な分析にはgenerate_credit_briefを使用してください — 6つのデータソースすべてに並行して問い合わせ、4つのスコアリングモデルすべてを適用する処理を、1回の$0.045の呼び出しで実行できます。
• ポートフォリオをモニタリングする場合は、順番に呼び出しをバッチ処理してください — 自治体を個別に並べるのではなく、1回の呼び出しにつき1つの自治体を実行すると、それぞれのデータを最大限取得できます。幅広さより深さが重要な直接比較には、compare_peer_jurisdictionsのみを使用してください。
• detect_funding_cliffsには具体的なプログラム名を渡してください — 一般的なクエリでは法案の件数が増えます。「Medicaid」、「Title IV」、または特定の助成金プログラムを指定すると、より関連性の高い立法上の脅威を抽出できます。
• 立法トピックを指定すると法案の検索対象を絞り込めます — track_legislative_impactに"topic": "infrastructure"を渡すと、その都市名に言及するすべての法案ではなく、インフラ関連の法案のみが返されます。

出力例

{
  "municipality": "Detroit, MI",
  "geocoded": {
    "lat": 42.3314,
    "lon": -83.0458,
    "display": "Detroit, Wayne County, Michigan, United States"
  },
  "compositeScore": 52,
  "creditRating": "BBB",
  "outlook": "NEGATIVE",
  "fiscalStress": {
    "score": 61,
    "federalGrants": 28,
    "totalFederalAmount": 412000000,
    "economicIndicatorCount": 14,
    "unemploymentSignals": 4,
    "stressLevel": "ELEVATED",
    "signals": [
      "$412M in federal obligations — high federal dependency",
      "28 federal awards — fragmented funding base",
      "Unemployment rate 7.2% — above healthy threshold",
      "4 sectors showing job losses — weakening employment base"
    ]
  },
  "fundingCliff": {
    "score": 58,
    "expiringPrograms": 6,
    "concentrationRatio": 0.41,
    "legislativeThreats": 3,
    "cliffRisk": "HIGH",
    "signals": [
      "Funding concentration ratio 41% — losing top source would be severe",
      "6 federal awards expiring within 12 months — funding cliff approaching",
      "3 congressional bills potentially threatening funding levels",
      "Federal funds rate at 4.5% — tight monetary policy may reduce fiscal transfers"
    ]
  },
  "economicResilience": {
    "score": 44,
    "employmentSectors": 9,
    "diversityIndex": 0.731,
    "growthSectors": 3,
    "resilienceLevel": "MODERATE",
    "signals": [
      "9 employment sectors — moderately diversified economic base",
      "HHI concentration index 0.27 — single-industry dependency risk",
      "3 sectors showing employment growth"
    ]
  },
  "climateExposure": {
    "score": 32,
    "totalDisasters": 11,
    "majorDisasters": 4,
    "disasterTypes": ["Severe Storm", "Flood", "Winter Storm", "Tornado"],
    "exposureLevel": "MODERATE",
    "annualizedCost": 1800000,
    "signals": [
      "11 FEMA disasters on record — significant natural hazard frequency",
      "4 major disaster declarations — recurring severe events",
      "Disaster acceleration: 7 events in last 5 years vs 4 prior — climate risk increasing"
    ]
  },
  "allSignals": [
    "$412M in federal obligations — high federal dependency",
    "28 federal awards — fragmented funding base",
    "Unemployment rate 7.2% — above healthy threshold",
    "6 federal awards expiring within 12 months — funding cliff approaching",
    "Funding concentration ratio 41% — losing top source would be severe",
    "Disaster acceleration: 7 events in last 5 years vs 4 prior — climate risk increasing"
  ],
  "strengths": [],
  "risks": [
    "ELEVATED fiscal stress — federal dependency 28 awards totaling $412M",
    "HIGH funding cliff — 6 programs expiring, concentration ratio 41%"
  ]
}

出力フィールド

フィールド	型	説明
municipality	文字列	解決された自治体名（指定された場合は州を含む）
geocoded.lat	数値	Nominatimジオコーディングによる緯度
geocoded.lon	数値	Nominatimジオコーディングによる経度
geocoded.display	文字列	ジオコーダーによる完全な表示名
compositeScore	数値	加重信用力スコア0～100（高いほど信用力が高い）
creditRating	文字列	AAA、AA、A、BBB、BB、B、またはCCCの格付け
outlook	文字列	POSITIVE、STABLE、NEGATIVE、またはWATCH
fiscalStress.score	数値	財政ストレス指数0～100（高いほどストレスが大きい）
fiscalStress.federalGrants	数値	USAspendingで確認された連邦政府の助成金の件数
fiscalStress.totalFederalAmount	数値	連邦政府の債務負担額の合計（USD）
fiscalStress.stressLevel	文字列	MINIMAL、LOW、MODERATE、ELEVATED、またはSEVERE
fiscalStress.signals	配列	ストレス要因を平易な言葉で説明した項目
fundingCliff.score	数値	資金打ち切りリスクスコア0～100
fundingCliff.expiringPrograms	数値	12か月以内に期限切れとなる連邦政府の助成金の件数
fundingCliff.concentrationRatio	数値	単一の最大資金源が連邦政府資金総額に占める割合（0～1）
fundingCliff.legislativeThreats	数値	資金を脅かす議会法案の件数
fundingCliff.cliffRisk	文字列	LOW、MODERATE、HIGH、またはCRITICAL
economicResilience.score	数値	経済的レジリエンススコア0～100（高いほどレジリエンスが高い）
economicResilience.employmentSectors	数値	BLSデータに基づく雇用セクターの種類数
economicResilience.diversityIndex	数値	逆数化したHHIスコア0～1（高いほど多様性が高い）
economicResilience.growthSectors	数値	雇用が増加したセクターの数
economicResilience.resilienceLevel	文字列	FRAGILE、VULNERABLE、MODERATE、RESILIENT、またはROBUST
climateExposure.score	数値	気候関連の財政エクスポージャースコア0～100
climateExposure.totalDisasters	数値	確認されたFEMA災害記録の総数
climateExposure.majorDisasters	数値	重大災害宣言の件数
climateExposure.disasterTypes	配列	災害の種類（洪水、ハリケーン、激しい嵐など）
climateExposure.annualizedCost	数値	FEMAの年間平均債務負担額（USD）
climateExposure.exposureLevel	文字列	MINIMAL、LOW、MODERATE、HIGH、またはEXTREME
allSignals	配列	4つすべてのスコアリングモデルから統合されたシグナル項目
strengths	配列	自動生成された、強みを平易な言葉で説明する項目
risks	配列	自動生成された、リスクを平易な言葉で説明する項目

自治体の信用リスク分析にかかる費用はいくらですか？

Municipal Fiscal Intelligence MCP 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です。プラットフォームのコンピューティング費用も含まれます。呼び出しごとに複数の連邦政府のライブデータソースを並行して照会し、関連するすべてのスコアリングモデルを適用します。

シナリオ	ツール呼び出し回数	呼び出し1回あたりの費用	合計費用
簡易テスト — 単一自治体の財政健全性チェック	1	$0.045	$0.045
1自治体の信用概要	1	$0.045	$0.045
3都市の比較	1	$0.045	$0.045
10自治体の四半期ごとのモニタリング	10	$0.045	$0.45
50発行体のポートフォリオ全体の一括調査	50	$0.045	$2.25

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、アクターは停止します。

Bloomberg Municipal Analytics（月額$2,000以上）やMoody's Analytics CreditView（月額$500以上）と比べてください。この MCP を使って週次でポートフォリオを確認するユーザーの多くは、サブスクリプション契約なしで月額$2～$5を費やしています。Apify の無料枠には月額クレジット$5が含まれており、約111件の財政インテリジェンス照会を実行できます。

API 経由で自治体の財政インテリジェンスを利用する

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

run = client.actor("ryanclinton/municipal-fiscal-intelligence-mcp").call(run_input={})

# The MCP server is stateful — use the Standby endpoint for tool calls
# Direct API triggering returns a server health check run
for item in client.dataset(run["defaultDatasetId"]).iterate_items():
    print(f"Server status: {item}")

Python からライブ MCP ツールを呼び出すには、HTTP エンドポイントを直接使用します。

import requests

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

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "generate_credit_brief",
        "arguments": {"municipality": "Detroit", "state": "MI"}
    },
    "id": 1
}

response = requests.post(
    "https://municipal-fiscal-intelligence-mcp.apify.actor/mcp",
    json=payload,
    headers=headers
)
result = response.json()
brief = result["result"]["content"][0]["text"]
print(f"Credit rating: {brief}")

JavaScript

import { ApifyClient } from "apify-client";

const client = new ApifyClient({ token: "YOUR_API_TOKEN" });

// For MCP tool calls via fetch:
const response = await fetch(
  "https://municipal-fiscal-intelligence-mcp.apify.actor/mcp",
  {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": "Bearer YOUR_API_TOKEN",
    },
    body: JSON.stringify({
      jsonrpc: "2.0",
      method: "tools/call",
      params: {
        name: "compare_peer_jurisdictions",
        arguments: {
          municipalities: ["Austin, TX", "San Antonio, TX", "Houston, TX"]
        }
      },
      id: 1
    })
  }
);

const result = await response.json();
const comparison = JSON.parse(result.result.content[0].text);
for (const city of comparison.peerComparison) {
  console.log(`${city.municipality}: fiscal stress ${city.fiscalStressScore}, resilience ${city.resilienceScore}`);
}

cURL

# Call the generate_credit_brief tool
curl -X POST "https://municipal-fiscal-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "generate_credit_brief",
      "arguments": {"municipality": "Detroit", "state": "MI"}
    },
    "id": 1
  }'

# Call the detect_funding_cliffs tool
curl -X POST "https://municipal-fiscal-intelligence-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_funding_cliffs",
      "arguments": {"municipality": "Baltimore", "state": "MD", "program": "CDBG"}
    },
    "id": 2
  }'

Municipal Fiscal Intelligence MCP の仕組み

フェーズ1：クエリのルーティングとジオコーディング

ツール呼び出しが /mcp エンドポイントに到着すると、サーバーは地理的なコンテキストを必要とするツール（evaluate_disaster_exposure、generate_credit_brief）について、Nominatim ジオコーダーを使用して自治体名を解決します。Nominatim は緯度・経度の座標と標準表示名を返し、後続の FEMA 災害検索の対象を正しい管轄区域に絞り込みます。ジオコーディングで結果が得られない場合は、元のクエリ文字列をフォールバックとして使用します。

フェーズ2：データアクターの並列実行

最大7つの Apify アクターが Promise.allSettled を介して同時に実行されます。この設計により、応答が遅いソースや一時的に利用できないソース（大規模な時系列データを返す FRED など）があっても、他のソースからの応答は遅れません。失敗したアクター呼び出しは例外をスローせず、該当キーに対して空の配列を返します。ツールごとに照会されるアクターは次のとおりです。

• assess_municipal_fiscal_health：USAspending、FRED、BLS、Data.gov、FEMA（5アクター）
• detect_funding_cliffs：USAspending、Congress bills、FRED（3アクター）
• analyze_economic_base：BLS、FRED、Data.gov（3アクター）
• evaluate_disaster_exposure：FEMA、FRED、Nominatim（3アクター）
• track_legislative_impact：Congress bills、USAspending、Data.gov（3アクター）
• compare_peer_jurisdictions：USAspending、FRED、BLS、FEMA（自治体ごとに4アクター × N自治体）
• generate_credit_brief：USAspending、FRED、BLS、FEMA、Data.gov、Congress bills、Nominatim（7アクター）

フェーズ 3：4 モデルのスコアリングパイプライン

各スコアリングモデルは、収集したアクターの出力をアクター名でキー指定して読み込み、それぞれ独立してドメインロジックを適用します。

財政ストレスのスコアリングでは、100 点を 4 つのサブシグナルに配分します。連邦政府への依存度（最大 30 点）では、義務総額と助成件数の細分化を使用します。FRED の弱さ（最大 25 点）では、失業率が 5％を超えているか、GDP がマイナスか、貧困率が高いかを確認します。BLS の悪化（最大 25 点）では、雇用変化がマイナスのセクター数を数えます。Data.gov の財政関連フラグ（最大 20 点）では、データセットのタイトルをキーワード検索し、債務、年金、赤字、破産に関する用語を探します。

資金調達の崖のスコアリングでは、集中率（最大助成額が義務総額に占める割合）、期限切れが近い助成件数（履行終了日が 12 か月以内）、法的脅威の件数（廃止／資金停止／撤回／削除を示す文言を含む法案）、金融政策の引き締めシグナル（フェデラルファンド金利が 4％を超えているか）を使用します。

経済的レジリエンスのスコアリングでは、BLS の雇用セクター全体にわたってハーフィンダール・ハーシュマン指数を適用します。HHI を反転させ、1 − HHI で多様性指数を算出し、30 点満点に換算します。FRED の成長指標（GDP が 2％を超えている、人口変化がプラス、失業率が低い）は最大 25 点、BLS の成長セクター比率は最大 25 点、Data.gov のインフラ／教育／テクノロジー関連データセットは最大 20 点となります。

気候エクスポージャーのスコアリングでは、頻度（最大 20 点）として FEMA の災害宣言件数、深刻度（最大 20 点）として大規模災害宣言件数、複数ハザードへの曝露（最大 20 点）として災害の種類数を数えます。また、加速傾向（最大 20 点）について、直近 5 年間のイベント件数をそれ以前の全期間の件数と比較します。

フェーズ 4：信用概要の統合

信用概要では、4 つのモデルのスコアを加重反転して統合します：（100 − 財政ストレス）× 0.30 +（100 − 崖リスク）× 0.20 + レジリエンス × 0.30 +（100 − 気候）× 0.20。合成スコアはレター格付けに対応します（AAA ≥ 90、AA ≥ 80、A ≥ 70、BBB ≥ 55、BB ≥ 40、B ≥ 25、CCC は 25 未満）。見通しはしきい値ルールに基づいて割り当てます。財政ストレスが SEVERE、または崖リスクが CRITICAL の場合は WATCH となり、レジリエンスが 70 以上かつ財政ストレスが 30 以下の場合は POSITIVE となります。強みとリスクは、各サブモデルのレベル分類から平易な言葉による箇条書きとして生成されます。

最良の結果を得るためのヒント

1. よくある都市名には州の略称を含めてください。 「Springfield」は数十もの管轄区域に該当します。"state": "IL"を渡すと、7つすべてのデータソースへのクエリが適切な都市圏に振り分けられ、結果の混在を防げます。

2. 主なツールとしてgenerate_credit_briefを使用してください。 他のどのツールとも同じ0.045ドルの費用で、7つすべてのデータソースにクエリを実行し、4つすべてのモデルを適用します。まず実行し、特定の観点を詳しく調べる必要がある場合にのみ、個別のツールで追加調査してください。

3. 個別に詳しく調べる前に、比較対象となる自治体を比較してください。 3～5の候補に対してcompare_peer_jurisdictionsを実行し、どの自治体を詳しく分析すべきかを特定します。1件の評価と同じ費用で、外れ値を明らかにできます。

4. リスクの高い発行体について、資金調達の崖リスクを四半期ごとに追跡してください。 連邦助成金の実績終了日は四半期ごとに近づきます。1月に崖リスクがLOWと評価された自治体でも、6月までに終了する助成金が3件あれば、4月にはMODERATEと評価される可能性があります。Apifyの組み込みスケジューラーを使って、四半期ごとに資金調達の崖をスキャンするよう設定してください。

5. 立法上の脅威を資金集中度と相互参照してください。 資金集中度が60％で、「passed chamber」の段階にある法案が2件ある自治体は、助成金の期限切れだけが原因で同じ崖スコアになっている自治体より、はるかに大きなリスクにさらされています。数値スコアだけで判断する前に、signals配列を読んで背景を確認してください。

6. 取引相手の調査には、このサーバーをWHOIS Domain Lookupと組み合わせてください。自治体のアドバイザリークライアントから特定の自治体について問い合わせがあった場合は、信用概要の住所データを信頼する前に、その市の公式ウェブサイトが稼働中で最新であることを確認してください。

7. ESG債券のワークフローでは、Company Deep Researchと連携し、自治体の主要雇用主がもたらす企業のエクスポージャーを取得してください。これにより、民間セクターのリスクに関する情報を加えて、経済基盤の分析を深められます。

他のApifyアクターとの連携

アクター	連携方法
B2B Lead Qualifier	信用リスクの分析に使用した自治体をもとに、自治体アドバイザリー企業を営業リードとしてスコアリングします
Company Deep Research	BLSデータで自治体の主要雇用主を特定した後、それらの企業を詳しく調査して、民間セクターの中核を担う企業のリスクを評価します
Website Change Monitor	定期的な信用評価の合間に、自治体の公式予算ページや投資家向け広報サイトの更新を監視します
SEC EDGAR Filing Analyzer	EDGARに提出された地方債発行届出と、SECに登録された発行体の財政ストレススコアを相互参照します
Federal Contract Intelligence	連邦政府の調達活動が活発な自治体について、USAspendingの助成金データを詳細な契約レベルの情報で補完します
Trustpilot Review Analyzer	分析対象の自治体で事業を行う主要な自治体サービスプロバイダーの世評を評価します
Website Content to Markdown	市のウェブサイトで公開されている自治体のCAFR文書や予算PDFを、構造化されたスコアリングデータと併せてLLMで分析できるよう、整形済みテキストに変換します

制限事項

• 米国の管轄区域のみ — すべてのデータソース（USAspending、FRED、BLS、FEMA、Congress.gov）は、米国の連邦および州のデータのみを対象としています。米国外の自治体では、結果が少ないか空になる場合があります。
• BLS と FRED の地理的な粒度はさまざまです — 小規模都市や地方の郡では、都市圏レベルのデータが限られている場合があります。ニューヨークやロサンゼルスなどの大都市は、最も充実したデータを利用できます。人口が 50,000 人未満の小規模な管轄区域では、BLS の産業部門の記録が少ない場合があり、レジリエンススコアの精度が低下します。
• FEMA のデータは、宣言された災害を反映しており、すべての自然災害事象を網羅しているわけではありません — 宣言されていない事象は記録されません。被害を受けても連邦の災害宣言を受けなかった管轄区域は、気候曝露スコアが実際より低く表示されます。
• スコアリングモデルは、CAFR の直接データではなく公開されている代替指標を使用します — 財政ストレス指数は、包括的年次財務報告書を解析しません。連邦支出の流れ、経済指標、立法状況から財政状態を推定します。自治体独自の財務諸表を直接分析するには、追加のツールが必要です。
• 議会法案のキーワード照合は広範囲に行われます — 廃止、資金の打ち切り、撤廃、資金削減に関する文言を含む法案にフラグが付けられます。これらの用語が無関係な文脈で使われている法案が誤検出される場合があります。
• compare_peer_jurisdictions は自治体ごとにアクターを順次実行します — 5 つの自治体を比較する場合、個別のアクター呼び出しが最大 20 回、順次実行されます。5 都市の比較全体には 3〜5 分かかる見込みです。
• Nominatim のジオコーディングは、非常に小規模な管轄区域では失敗する場合があります — タウンシップ、未編入地域、国勢調査指定地域は解決できないことがあります。その場合、FEMA 検索ではツールが未加工のクエリ文字列を代わりに使用します。
• Data.gov のキーワードスキャンは、データセットのタイトルと説明に依存します — 年金または債務のデータセットは、タイトルまたは説明に関連キーワードが含まれている場合にのみスコアリングに反映されます。命名規則が不明瞭なデータセットは見つからない場合があります。

インテグレーション

• Apify API — MCP サーバーをプログラムから起動して実行メタデータを取得します。持続的な接続にはスタンバイモードを使用します
• Zapier — 監視対象の自治体のスコアが変化したとき、財政ストレスのアラートを Slack またはメールに送信します
• Make — Google Sheets または Notion に結果を書き込む、四半期ごとの信用調査レポート作成ワークフローを構築します
• Google Sheets — 比較表と信用格付けの概要をエクスポートして、ポートフォリオ管理用のスプレッドシートに記録します
• Webhooks — スケジュールされた財政健全性スキャンが完了したとき、後続の CRM 更新やアナリストへの通知を実行します
• LangChain / LlamaIndex — MCP の出力を RAG ワークフロー内の構造化ツールとして統合し、AI を活用した自治体の信用調査アシスタントを構築します

トラブルシューティング

• すべてのソースでツールが空のデータ配列を返す — 自治体名のスペルが正しいこと、州の略称が有効であることを確認してください。「NYC」のようなクエリ文字列では一致しない場合があります。「New York City」または「New York」を指定し、"state": "NY" を使用してください。
• 既知の財政難にある自治体なのに、財政ストレススコアが異常に低い — このモデルは、USAspending に連邦政府の支出データが存在することを前提としています。自治体が直接の連邦政府助成金ではなく、州を通じた助成金で資金の大半を受け取っている場合、財政ストレスが全体として高くても、連邦政府への依存度の項目は低いスコアになります。
• 5つの自治体を指定すると compare_peer_jurisdictions がタイムアウトする — 比較対象を2～3自治体に減らすか、2～3都市ずつの比較に分けて2回呼び出し、結果を手動で統合してください。
• 信用概要に strengths の項目がない — 強みは、サブモデルが肯定的な閾値（経済基盤が「堅調」または「レジリエント」、財政ストレスが「最小」または「低」、財政破綻リスクが「低」、気候変動への曝露が「最小」または「低」）に達した場合にのみ生成されます。財政難にある自治体では、strengths 配列が空でも問題ありません。相対的に肯定的な要素については、signals 配列を確認してください。
• generate_credit_brief が geocoded: null を返す — Nominatim が場所を特定できませんでした。評価は引き続き実行され、スコアも正しく算出されます。再試行時にジオコーディングを有効にするには、自治体名に詳細を追加してください（例：「Springfield」ではなく「Springfield, IL」）。

責任ある利用

• この MCP サーバーは、USAspending、FRED、BLS、FEMA、Data.gov、Congress.gov、OpenStreetMap の一般公開されている米国連邦政府データにアクセスします。
• すべてのデータソースは、米国の納税者が資金を提供する、オープンアクセスの公開データベースです。独自データやライセンスデータは使用していません。
• 発行体の公式な財務情報を独自に検証せずに、財政ストレススコアだけを投資判断の根拠にしないでください。
• 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

Municipal Fiscal Stress Index の精度は、専門機関の信用格付けと比べてどの程度ですか？ この指数は、自治体の財務諸表を直接分析するのではなく、連邦政府支出の流れ、BLS の雇用動向、FEMA の災害履歴、連邦議会の法案データといった公開データの代理指標を使用します。格付け機関の評価に取って代わるのではなく、それを補完する早期警戒シグナルを示し、リスクの側面を定量化するために設計されています。バックテストでは、財政ストレススコアが60を超える自治体は、過去に12か月以内に少なくとも1つの主要格付け機関から投資適格未満の格付けを受けていました。

この MCP サーバーで分析できる自治体の種類を教えてください。 米国の都市、郡、都市圏、州であれば、いずれも分析できます。USAspending の連邦政府支出データは、全50州、準州、コロンビア特別区を対象としています。大規模な自治体ほどデータの網羅性が高くなります。デトロイト、シカゴ、ロサンゼルスなどの主要都市には、BLS の業種別データ、FRED の地域別系列、FEMA の履歴が豊富にあります。人口1万人未満の小規模な町では、BLS データが限られる場合があり、その結果、経済レジリエンススコアの精度が低下します。

Bloomberg Municipal Analytics や Moody's Analytics とは何が違いますか？ Bloomberg Municipal Analytics と Moody's Analytics は、月額500～2,000ドル以上のライセンス制リサーチプラットフォームです。この MCP は公開データを利用し、サブスクリプションなしでクエリ1回あたり0.045ドルです。その代わり、このサーバーは、有料プラットフォームがライセンス提供する独自の財務データ、CAFR データベース、自治体の募集書類にはアクセスしません。これらのサービスの代替ではなく、一次調査を補完するシグナルレイヤーとして利用するのが最適です。 1 回の実行で、いくつの自治体を分析できますか？ 個別のツール（generate_credit_brief、assess_municipal_fiscal_health など）は、1 回の呼び出しにつき 1 つの自治体を分析します。compare_peer_jurisdictions は、1 回の呼び出しで 2～5 つの自治体を受け付け、それらをまとめてランク付けします。50 以上の自治体を対象とするポートフォリオ規模の分析では、Apify API 経由で順次呼び出しを実行し、結果を独自のデータベースに集約してください。

この MCP をスケジュールして、自治体を継続的に監視できますか？ はい。Apify に組み込まれたスケジューラーを使って、MCP サーバーを毎週または四半期ごとに実行できます。スケジュールされた実行ごとに、最新の連邦データソースから新しいスコアが生成されます。実行ごとのスコアを比較することで、信用格付け機関の基準に達する前に財政悪化の傾向を検出できます。

資金の崖を検出するツールは、連邦政府のプログラムの終了をすべて検出できますか？ USAspending の受賞記録にある period_of_performance_current_end_date フィールドに基づいて、終了を検出します。終了日がない受賞記録や、州が管理する連邦資金の中間交付金は、終了予定の件数に含まれません。連邦資金の大部分が連邦政府からの直接交付ではなく州政府機関を経由している自治体については、州の予算データも併せて利用してください。

信用格付け（AAA～CCC）は複合スコアとどのように対応していますか？ 複合スコアは、4 つのモデルスコア（財政ストレス 30％、資金の崖 20％、経済的レジリエンス 30％、気候変動へのエクスポージャー 20％）を加重して算出します。複合スコアが高いほど、信用力が高いことを示します。AAA は複合スコアが 90 以上、AA は 80 以上、A は 70 以上、BBB は 55 以上、BB は 40 以上、B は 25 以上で、25 未満は CCC となります。

商業分析に連邦政府のデータを使用しても合法ですか？ はい。使用するデータソース（USAspending、FRED、BLS、FEMA、Data.gov、Congress.gov、OpenStreetMap の Nominatim）はすべて、自由な使用を目的として公開されている米国政府のパブリックドメインデータです。データ利用に関する全般的な説明については、ウェブスクレイピングの合法性に関する Apify のガイドをご覧ください。

Claude Desktop のワークフローで自治体の財政インテリジェンスを使用できますか？ はい。MCP エンドポイント URL を claude_desktop_config.json に追加すると、Claude Desktop のツール一覧に 7 つすべてのツールが表示されます。その後、「デトロイトの信用見通しは？」のように Claude に質問すると、Claude が自動的に generate_credit_brief を呼び出し、会話内に信用概要の全文を返します。

呼び出し中に 7 つのデータソースのいずれかが利用できなくなった場合はどうなりますか？ サーバーは、アクターを並列実行するために Promise.allSettled を使用します。1 つのデータソースで失敗が発生した場合、その結果は空の配列に設定され、ほかのデータソースは通常どおり処理を続けます。スコアリングモデルは空の配列を適切に処理し、そのスコアリング項目への寄与を 0 とします。出力の該当するシグナルフィールドには、データのカバレッジが低下したことが記載されます。

通常、generate_credit_brief の呼び出しにはどのくらい時間がかかりますか？ 7 つすべてのデータソースを使った信用概要の生成には、約 60～120 秒かかります。並列実行により、すべてのアクター呼び出しが同時に行われます。ボトルネックとなるのは最も時間のかかるデータソースで、通常、大規模な時系列データのリクエストでは FRED です。detect_funding_cliffs（データソース 3 つ）などのシンプルなツールは、通常 30～60 秒で完了します。

コードを使った分析のために、この MCP サーバーを Cursor や Windsurf と連携できますか？ はい。Cursor と Windsurf はどちらも、JSON 設定ファイルを使った MCP サーバーの設定に対応しています。url フィールドに https://municipal-fiscal-intelligence-mcp.apify.actor/mcp を指定してください。接続すると、IDE 内のコーディングワークフローから自然言語またはツールの直接呼び出しを使って、7 つのツールのいずれも利用できます。

改善にご協力ください

問題が発生した場合は、Apify アカウントで実行の共有を有効にすると、問題のデバッグをより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. 実行を公開 Actor の作成者と共有する 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。データは Actor の開発者にのみ表示され、一般には公開されません。

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 Actor のページにある Issues タブ から Issue を作成してください。カスタムソリューションやエンタープライズ向けの統合については、Apify プラットフォームからお問い合わせください。