Political Influence Network

Political Influence Network MCP

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": {
    "political-influence-network-mcp": {
      "url": "https://ryanclinton--political-influence-network-mcp.apify.actor/mcp"
    }
  }
}

---

AI アシスタント向けの政治的影響力ネットワーク分析 — 1 回の MCP ツール呼び出しで、寄付者・政治家・法律の関係をマッピングし、利益相反を検出して、8 つの米国政府データソースを通じたダークマネーの流れを追跡します。生の API を扱う複雑さなしに、構造化された政治情報を必要とするコンプライアンスチーム、調査研究者、AI エージェント向けに構築されています。

この MCP サーバーは、FEC の選挙資金提出書類、議会の株式取引開示、Congress.gov の法案追跡、Federal Register の規制措置、非営利団体の提出書類、USAspending の連邦契約、OpenCorporates の企業登記簿、Wikipedia の背景情報という 8 つの公開データアクターを並行して実行します。各ツール呼び出しでは二部政治グラフを構築し、そのグラフに対してグラフアルゴリズムを実行して、後続の分析や AI の推論にすぐ使える構造化 JSON を返します。

⬇️ 抽出できるデータは？

データ項目	ソース	例
💰 選挙運動への寄付	FEC Finance	寄付者 → PAC → 候補者、50,000 ドル、2024 年選挙周期
📈 議会議員の株式取引	Congress Stock Tracker	Jane Doe 議員、MSFT、15,000～50,000 ドル、2024 年 1 月
📋 法案と共同提案	Congress Bill Search	HR 4201、Defense Procurement Act、2024-03 に提出
📜 連邦規制措置	Federal Register Search	EPA 最終規則、石油産業、2024-02-14
🏛 非営利団体の提出書類と財務情報	Nonprofit Explorer	Horizon Policy Fund、501(c)(4)、収益 420 万ドル
🏗 連邦契約の落札	USAspending Search	Apex Defense LLC、DoD、870 万ドルの契約、2024-01
🏢 企業登記	OpenCorporates Search	Meridian Holdings Inc.、デラウェア州、2019 年設立
🔗 関連組織の背景情報	Wikipedia	ロビー活動企業の沿革、PAC のプロフィール
📊 PageRank 影響力スコア	グラフ計算	エンティティ「Apex Defense」、PageRank 0.0412、クラスター 2
⚠️ 利益相反のフラグ	複数ソースの相関分析	法案成立後の株式取引、深刻度 0.87
🕵️ ダークマネーの資金経路	複数ホップの追跡	企業 → 501(c)(4) → PAC → 候補者、不透明度 0.90
🎯 政治リスク評価	多要素スコアリング	エンティティスコア 0.68、リスクレベル「高」

Political Influence Network MCP を使う理由

FEC の提出書類、議会の開示資料、連邦支出データベース、非営利団体の登記簿を横断して政治的影響力を手作業で追跡するには、何週間もの調査が必要です。8 つの別々の API を相互参照し、エンティティ名を正規化し、時系列の相関を計算して、ネットワークのクラスターを特定する作業は、多くのアナリストが手作業で行うには困難です。

この MCP はそのプロセス全体を自動化します。Claude、Cursor、または MCP 対応クライアントに接続して、自然言語で質問するだけで、サーバーがデータ取得、グラフ構築、アルゴリズム分析を処理します。

• スケジュール設定 — 進化する影響力ネットワークを追跡するため、政治リスクの監視を毎週実行します
• API アクセス — Apify API を介して、Python、JavaScript、または任意の HTTP クライアントから分析を開始します
• プロキシのローテーション — 上流のアクター呼び出しはすべて、IP 管理なしで Apify のインフラストラクチャを利用します
• 監視 — 影響力レポートのリスクレベルが変化した際に、Slack またはメールでアラートを受け取ります
• 連携 — 調査結果を Zapier、Make、Google Sheets、またはコンプライアンスワークフローツールに接続します

特徴

• PageRank による影響力スコアリング — 政治家、寄付者、法案からなるネットワーク全体に対して、減衰係数 0.85 の PageRank を 20 回反復し、構造上の重要度に基づいてエンティティを順位付けします
• 二部グラフの構築 — 8 種類のノード（政治家、委員会、寄付者、企業、非営利団体、政府機関、法案、契約）と 7 種類のエッジ（寄付、後援、取引、授与、ロビー活動、規制、雇用）を持つ、有向の複数タイプのグラフを構築します
• 時間的グレンジャー因果性 — trace_money_to_legislation は、時間的近接性の要素（寄付から法案までの日数、最大 365 日の期間）と金額規模の要素を組み合わせた因果スコアを算出します。重みは 60 対 40 で、疑わしいタイミングのパターンを明らかにします
• 利益相反の検出 — 各政治家ノードについて、株式取引のエッジと後援した法案のエッジを相互に関連付けます。また、名前のハッシュ照合を使用して、寄付者からの献金と契約授与の相関関係を個別に調査します
• ダークマネーの経路追跡 — 非営利団体の仲介者を経由する複数ホップのグラフ探索を実行します。IRS の条項に基づいて不透明度スコアを割り当てます（501(c)(4) = 0.90、501(c)(6) = 0.70、その他 = 0.40）。非営利団体の連鎖と、企業から政治家への 2 ホップの経路の両方を対象にします
• 回転ドア分析 — 政府機関と企業の両方に同時に接続している政治家ノードを特定します。接続数と、実行間で再現性を確保するためのシード付きハッシュ関数から、影響力の可能性をスコアリングします
• ロビー活動の投資対効果の算出 — エンティティごとのロビー活動支出総額に対するリターンを、（立法上の成果 × 基本価値 $100K + 契約金額）÷ ロビー活動支出総額として算出します。ROI 推定値に基づいて、すべての企業と非営利団体を順位付けします
• 複数要素によるリスクスコアリング — 6 要素を重み付けした政治リスクモデルです。寄付の集中度（0.15）、利益相反への関与（0.20）、ダークマネーとの近接性（0.20）、契約への依存度（0.15）、ネットワーク中心性（0.15）、回転ドアへの関与（0.15）を使用します
• 5 分間の TTL キャッシュ — 上流のアクター呼び出しはすべて、クエリごとに 5 分間キャッシュされるため、セッション中にツールを繰り返し呼び出しても API コストが重複して発生しません
• ソースあたり最大 500 件 — 各上流アクターは 500 件の上限と 180 秒のタイムアウトで呼び出されます。ソースに障害が発生した場合は、ツールをクラッシュさせずに空の配列を返します
• SSE と Streamable HTTP の両方のトランスポート — 従来の /sse + /messages SSE プロトコルと最新の /mcp Streamable HTTP をサポートし、さまざまな MCP クライアントとの互換性を確保します
• ソースを選択してクエリ — 各ツールはデフォルトで最も関連性の高いソースのサブセットを使用します。上級ユーザーは、7 つのソースグループから任意の組み合わせを指定して、コストと分析の深さを調整できます

政治的影響ネットワーク分析のユースケース

企業の政治リスク評価

金融機関、法律事務所、ESG を重視する投資ファンドのコンプライアンス担当者は、顧客との取引開始や投資を行う前に、政治的な関与を把握する必要があります。企業に対して compute_political_risk_score を実行すると、選挙資金への寄付、ダークマネーとの近接性、回転ドアによる関係、契約への依存度が、構造化された単一のレスポンスとして得られます。これにより、FARA、FEC、USAspending を手作業で検索する必要がなくなります。

調査報道と研究

規制の取り込み、見返りを伴う契約、議会議員の取引パターンを調査するジャーナリストは、特定の業界や政治家について、MCP に trace_money_to_legislation を実行させることができます。グレンジャー因果性スコアは、時間的な近接性が最も高く、金額も最大の寄付と法案の組み合わせを示し、さらなる調査につながるデータに基づいた手掛かりを提供します。

ロビー活動の効果のベンチマーク

業界団体や企業の渉外チームは、score_lobbying_influence を使用して、自社のロビー活動の投資対効果を同業者と比較できます。このツールは、推定リターンに基づいてネットワーク内のすべてのエンティティを順位付けし、支出額あたりの立法上の成果と、獲得した契約を示します。

議会議員の取引に関する監視

STOCK Act の遵守状況を追跡する倫理監視団体や機関投資家は、detect_conflict_of_interest を使用して、議員が開示した株式取引、大口献金者、および議員が提出した法案の間に重複がないかを調査できます。相関の強さに応じて、深刻度スコアが順位付けされます。

AI エージェントによる政治インテリジェンスのワークフロー

デューデリジェンス、規制監視、地政学的リスク分析向けに構築された AI エージェントは、generate_influence_report を単一のツールとして呼び出すことで、カテゴリー別の調査結果、全体的なリスクレベル、具体的な推奨事項を含む、完全に構造化された概要を取得できます。複数のツール呼び出しを連鎖させる必要はありません。

非営利団体とダークマネーの調査

ダークマネーの資金の流れを調査する反汚職研究者やジャーナリストは、detect_dark_money_flows を使用して、501(c)(4) および 501(c)(6) 組織を経由する複数段階の資金経路を追跡できます。不透明度スコアにより、社会福祉団体（不透明度が高い）と、より透明性の高い資金調達手段を区別できます。

Political Influence Network MCP への接続方法

ステップ 1：MCP クライアントを接続する

サーバー URL をクライアントの MCP 設定に追加します。URL に API キーを含める必要はありません。サーバーは Apify のインフラストラクチャ上で稼働します。

ステップ 2：ツールを選択する

8 つのツールで、それぞれ異なる分析タスクに対応します。全体像を把握するには generate_influence_report から始めるか、特定の調査には detect_conflict_of_interest のような対象を絞ったツールを使用してください。

ステップ 3：クエリを入力する

政治家、企業、PAC、または政策トピックの名前を入力します。サーバーは関連するデータソースに並行してクエリを送信します。

ステップ 4：構造化された結果を確認する

各ツールは、スコア付きのエンティティ、順位付けされた調査結果、具体的な推奨事項を含む構造化 JSON を返します。AI による推論や、そのままのエクスポートに適しています。

MCP ツール

ツール	デフォルトのソース	価格	説明
map_influence_network	finance, trading, legislation, spending	$0.045	PageRank ベースの献金者、政治家、企業のネットワークマップ
detect_conflict_of_interest	finance, trading, legislation, spending	$0.045	株式取引／献金／法案の利益相反がないか政治家を調査
trace_money_to_legislation	finance, legislation	$0.050	グレンジャー因果性分析：献金 → 立法措置
analyze_revolving_door	finance, regulation, corporate	$0.045	政府から民間部門への移行をスコアリングして検出
score_lobbying_influence	finance, legislation, spending, nonprofits	$0.045	ロビー活動の ROI：支出と立法上の成果および契約獲得の比較
detect_dark_money_flows	finance, nonprofits, corporate	$0.050	非営利団体を経由する複数段階の不透明な資金経路を追跡
compute_political_risk_score	7 つすべてのソース	$0.045	複数要素を加重した政治リスクスコア（6 要素）
generate_influence_report	7 つすべてのソース	$0.050	推奨事項を含む、政治的影響力に関する包括的なインテリジェンスレポート

ツールの入力パラメーター

各ツールは、同じ 2 つのパラメーターを受け取ります。

パラメーター	型	必須	デフォルト	説明
query	string	はい	—	調査する政治家、企業、PAC、または政策トピック
sources	array of strings	いいえ	ツールによって異なります	データソースのグループ："finance"、"trading"、"legislation"、"regulation"、"nonprofits"、"spending"、"corporate"

ツールの入力例

政治家の利益相反を調査する：

{
  "query": "Senator Patricia Hartwell",
  "sources": ["finance", "trading", "legislation"]
}

業界トピックの資金の流れを追跡する：

{
  "query": "pharmaceutical pricing regulation",
  "sources": ["finance", "legislation", "nonprofits"]
}

企業の政治リスクに関する包括的なレポート：

{
  "query": "Meridian Defense Systems",
  "sources": ["finance", "trading", "legislation", "regulation", "nonprofits", "spending", "corporate"]
}

ダークマネーの調査 — 最小コスト：

{
  "query": "Horizon Policy Fund",
  "sources": ["finance", "nonprofits", "corporate"]
}

入力のヒント

• 正式名称をすべて使います — 「Senator John Cornyn」は「Cornyn」よりも良い結果が得られます。FEC と Congress.gov はフルネームで照合するためです
• 業界全体の分析には政策分野を使います — 「defense procurement」や「pharmaceutical pricing」のようなクエリは、単一のエンティティに関するクエリより幅広いネットワークデータを取得できます
• コストを抑えるにはソースを限定します — trace_money_to_legislation で必要なのは ["finance", "legislation"] のみです。7 つのソースをすべて追加するとデータ量は 3 倍になりますが、上位の調査結果が変わることはほとんどありません
• 最初に generate_influence_report を呼び出します — すべてのソースをクエリします。また、5 分間の TTL キャッシュにより、同じクエリに対する後続の対象を絞ったツール呼び出しは、セッション中は実質無料になります
• スコアは結論ではなくシグナルとして解釈します — 因果スコアが 0.6 を超える場合や、リスクレベルが「high」または「critical」の場合は、自動的に結論を出すのではなく、さらに詳しく調査する必要があります

出力例

「Apex Defense Corp」に対する generate_influence_report：

{
  "findings": [
    {
      "category": "Campaign Finance",
      "finding": "14 large donations detected (>$10K each)",
      "severity": "high",
      "evidence": "Total large donation volume: $2847000",
      "recommendation": "Review FEC filings for bundling patterns and coordination indicators"
    },
    {
      "category": "Dark Money",
      "finding": "4 dark money vehicle(s) identified (501(c)(4)/(6))",
      "severity": "critical",
      "evidence": "Entities: Horizon Policy, National Growth, Freedom Coa, AmeriFirst Fu",
      "recommendation": "Trace funding flows through these entities for donor disclosure gaps"
    },
    {
      "category": "Congressional Trading",
      "finding": "7 legislator(s) with active stock trading",
      "severity": "high",
      "evidence": "23 trade(s) detected across portfolio",
      "recommendation": "Cross-reference trade timing with committee actions and legislation votes"
    },
    {
      "category": "Federal Spending",
      "finding": "Top contractor: Apex Defense Corp ($8750000)",
      "severity": "high",
      "evidence": "11 total contract award(s) in network",
      "recommendation": "Audit contractor-donor overlap and no-bid award patterns"
    },
    {
      "category": "Revolving Door",
      "finding": "6 politician(s) with agency connections",
      "severity": "high",
      "evidence": "Individuals: Sen. Hartwell, Rep. Morrison, Dep. Sec. Wynn",
      "recommendation": "Review cooling-off period compliance and post-government employment restrictions"
    }
  ],
  "overallRisk": "critical",
  "totalInfluenceValue": 11597000,
  "recommendations": [
    "Initiate comprehensive campaign finance audit",
    "Review STOCK Act compliance for flagged legislators",
    "Investigate 501(c)(4) donor disclosure gaps",
    "Audit federal procurement for pay-to-play patterns"
  ]
}

出力フィールド

generate_influence_report

フィールド	型	説明
findings[]	配列	重大度順に並べられたインテリジェンス調査結果の一覧
findings[].category	文字列	カテゴリ：Campaign Finance、Congressional Trading、Dark Money、Federal Spending、Revolving Door
findings[].finding	文字列	調査結果の概要（人が読める形式）
findings[].severity	文字列	"low"、"medium"、"high"、または "critical"
findings[].evidence	文字列	裏付けとなるデータポイント
findings[].recommendation	文字列	具体的な対応の推奨事項
overallRisk	文字列	総合リスクレベル："low" / "medium" / "high" / "critical"
totalInfluenceValue	数値	すべての献金額と契約金額の合計（USD）
recommendations[]	配列	優先順位付きの調査対応一覧

map_influence_network

フィールド	型	説明
nodes[]	配列	PageRank の上位 30 エンティティ。降順でソート
nodes[].entity	文字列	エンティティ名
nodes[].role	文字列	ノードの種類：politician、donor、corporation、nonprofit、agency、bill、contract
nodes[].pageRank	数値	PageRank スコア（小数点以下 6 桁）
nodes[].inDegree	数値	入次数の数
nodes[].outDegree	数値	出次数の数
nodes[].cluster	数値	連結成分のクラスターインデックス
totalEntities	数値	ネットワーク全体のノード数
totalConnections	数値	ネットワーク全体のエッジ数
networkDensity	数値	グラフ密度：2E / (N × (N-1))
topInfluencers	配列	PageRank に基づく上位 10 エンティティ名

detect_conflict_of_interest

フィールド	型	説明
conflicts[]	配列	検出された利益相反。重大度の降順でソート
conflicts[].politician	文字列	政治家名
conflicts[].entity	文字列	取引相手のエンティティ名
conflicts[].conflictType	文字列	stock_trade_after_legislation、donor_contract_award、committee_oversight_conflict、family_financial_interest
conflicts[].severity	数値	重大度スコア（0～1）
conflicts[].evidence	文字列	裏付けとなる証拠を示す文字列
totalScreened	数値	審査した政治家の総数
conflictCount	数値	検出された利益相反の総数
avgSeverity	数値	重大度スコアの平均

trace_money_to_legislation

Field	Type	Description
links[]	array	因果スコアが0.3を超える、寄付と法案の関連リンク
links[].donor	string	寄付者の組織名
links[].recipient	string	寄付先の政治家名
links[].amount	number	米ドル建ての寄付額
links[].bill	string	関連する法案名またはID
links[].temporalGap	number	寄付から法案提出までの日数
links[].causalScore	number	グレンジャー因果性の代理スコア0～1（時間要因×0.6＋金額×0.4）
totalTracked	number	分析した寄付のエッジの合計
suspiciousCount	number	causalScoreが0.6を超えるリンク数
totalFlowVolume	number	不審なリンクに含まれる寄付額の合計

compute_political_risk_score

Field	Type	Description
assessments[]	array	リスクスコア上位30のエンティティ
assessments[].entity	string	エンティティ名
assessments[].riskScore	number	加重リスクスコア0～1
assessments[].riskLevel	string	"low"（<0.25）、"medium"（<0.50）、"high"（<0.75）、"critical"（≥0.75）
assessments[].factors[]	array	個別スコアを含む6つの要因の内訳
assessments[].factors[].factor	string	要因名：donation_concentration、conflict_exposure、dark_money_proximity、contract_dependency、network_centrality、revolving_door
assessments[].factors[].weight	number	総合スコアにおける要因の重み
assessments[].factors[].score	number	要因スコア0～1
avgRisk	number	評価対象となった全エンティティの平均リスクスコア
criticalCount	number	riskLevelが"critical"のエンティティ数

政治的影響ネットワークの分析費用はいくらですか？

Political Influence Network MCP はイベントごとの従量課金制で、ツール呼び出しごとに料金が発生します。プラットフォームのコンピューティング費用も含まれます。

Tool	1回あたりの料金
map_influence_network	$0.045
detect_conflict_of_interest	$0.045
trace_money_to_legislation	$0.050
analyze_revolving_door	$0.045
score_lobbying_influence	$0.045
detect_dark_money_flows	$0.050
compute_political_risk_score	$0.045
generate_influence_report	$0.050

一般的なセッションの費用例：

シナリオ	ツール呼び出し数	推定費用
クイックチェック（ツール1つ）	1	$0.045–$0.050
対象を絞った分析（ツール3つ）	3	$0.135–$0.150
完全な調査（全8ツール）	8	$0.370
毎日のモニタリング（1日1レポート × 30日）	30	$1.50
週次のチームワークフロー（週5回のクエリ × 4週間）	20	$0.90–$1.00

5分間のTTLキャッシュにより、セッション中に同じクエリで複数のツールを呼び出す場合、上流のデータが再利用されます。クエリに対する最初のツール呼び出しでのみ、上流のアクター費用が発生します。Apify コンソールでは、実行ごとの最大支出額を設定して、費用を自動的に制限できます。

同様のデータを提供する商用の政治情報プラットフォームは、月額500～2,000ドルです。この MCP では、定期的なモニタリングのワークフローにかかる費用は、ほとんどのチームで月額5ドル未満です。

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": {
    "political-influence-network": {
      "url": "https://political-influence-network-mcp.apify.actor/mcp"
    }
  }
}

Cursor

Cursor の MCP 設定（~/.cursor/mcp.json）に追加します。

{
  "mcpServers": {
    "political-influence-network": {
      "url": "https://political-influence-network-mcp.apify.actor/mcp"
    }
  }
}

Windsurf / Cline / その他の MCP クライアント

Streamable HTTP エンドポイントを使用します。

https://political-influence-network-mcp.apify.actor/mcp

または、対応が必要なクライアントでは、従来の SSE エンドポイントを使用します。

https://political-influence-network-mcp.apify.actor/sse

Python（Apify API 経由）

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

# Start the MCP server actor in standby mode
run = client.actor("ryanclinton/political-influence-network-mcp").call(run_input={})

# The server exposes MCP tools at the actor's standby URL
# Use an MCP client library to connect to the /mcp endpoint
print(f"MCP server URL: https://political-influence-network-mcp.apify.actor/mcp")

JavaScript

import { ApifyClient } from "apify-client";

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

// Start actor in standby mode and connect via MCP client
const run = await client.actor("ryanclinton/political-influence-network-mcp").call({});

// Connect your MCP client to the standby endpoint
console.log("MCP server endpoint: https://political-influence-network-mcp.apify.actor/mcp");
console.log("Run ID:", run.id);

cURL — Streamable HTTP 経由でツールを直接呼び出す

# Send a tool call via Streamable HTTP (single-request mode)
curl -X POST "https://political-influence-network-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "id": 1,
    "params": {
      "name": "generate_influence_report",
      "arguments": {
        "query": "Apex Defense Corp",
        "sources": ["finance", "trading", "legislation", "spending", "nonprofits", "corporate"]
      }
    }
  }'

Political Influence Network MCP の仕組み

フェーズ 1：データの並列収集

ツールが呼び出されると、resolveData() は Promise.all を使用して、最大 7 つの上流アクターに並列でリクエストを振り分けます。各ソースグループは (source, query) キーで 5 分間キャッシュされるため、同じクエリで複数のツールを呼び出すセッションでは、上流への呼び出しは 1 回分で済みます。各アクターの呼び出しには 180 秒のタイムアウトが設定され、最大 500 件の項目を取得します。呼び出しに失敗した場合は空の配列を返すため、部分的なデータによってツールがクラッシュすることはありません。

8 つの上流アクターは、ryanclinton/fec-campaign-finance、ryanclinton/congress-stock-tracker、ryanclinton/congress-bill-search、ryanclinton/federal-register-search、ryanclinton/nonprofit-explorer、ryanclinton/usaspending-search、ryanclinton/opencorporates-search、ryanclinton/wikipedia-article-search です。

フェーズ 2：二部グラフの構築

buildPoliticalNetwork() は 8 つのソースすべてから生の配列を取り込み、Map ベースの重複排除ガード（nodeMap）を使用して、重複ノードの発生を防ぎながら、有向の複数種類のグラフを構築します。ノードには 8 つのカテゴリーのタイプラベルが付与されます。エッジには、型付きの関係ラベル（donates、sponsors、trades、awards、lobbies、regulates、employs）、重みを表す浮動小数点値、金額、および利用可能な場合は ISO 日付文字列が付与されます。構造化されていないロビー活動の関係をシミュレートするため、ラウンドロビン方式で企業／非営利団体ノードと政府機関ノードの間に、推定によるロビー活動のエッジを追加します。

フェーズ 3：グラフアルゴリズムの実行

各ツールは、構築されたネットワーク上でそれぞれ異なるアルゴリズムを実行します。

• map_influence_network — ダンピング係数 0.85 で PageRank を 20 回反復した後、BFS ベースの連結成分クラスタリングを実行します。PageRank 上位 30 ノードを、入次数、出次数、クラスタ割り当てとともに返します。
• trace_money_to_legislation — 各 donates エッジについて、受取側の政治家からのすべての sponsors エッジを検索し、寄付日と法案提出日の間の時間差を日数で算出し、複合因果スコア（0.6 × 時間的近接度スコア + 0.4 × 正規化された金額スコア）を計算します。スコアが 0.3 を超える関係を返し、0.6 を超えるものを「疑わしい」と判定します。
• detect_conflict_of_interest — 2 つの個別のスクリーニングを行います：（1）政治家ごとの trades × sponsors の直積、（2）寄付者と契約受注者の名称照合。重大度スコアには、再現性を確保するため、エンティティ ID の組み合わせに対するシード付きの決定論的な疑似乱数関数を使用します。
• detect_dark_money_flows — Map ベースの隣接リストを構築し、非営利団体の仲介ノードを通る 2 ホップのパスを追跡します。透明性の度合いは IRS のサブセクションに基づいて割り当てられます。501(c)(4) = 0.90、501(c)(6) = 0.70、その他 = 0.40 です。また、企業から企業を経由して政治家に至る経路も追跡します。
• compute_political_risk_score — 合計が 1.0 になる固定の重みを用いて、6 要素の線形結合を計算します。スコアは [0,1] の範囲で算出され、0.25 / 0.50 / 0.75 のしきい値に基づいて、低／中／高／重大に分類されます。

フェーズ 4：構造化レスポンスの配信

結果は JSON にシリアライズされ、MCP の text コンテンツとして返されます。サーバーは、レガシークライアント向けの SSE（/sse + /messages）と、最新のクライアント向けの Streamable HTTP（/mcp）の両方をサポートします。スタンバイモード以外（アクターの直接実行）では、サーバーは起動してヘルスチェックをログに記録した後、1 秒で正常終了します。

最良の結果を得るためのヒント

1. まず generate_influence_report を実行します — 7 つすべてのソースグループを照会し、5 分間の TTL キャッシュにデータを保存します。同じクエリに対する以降のツール呼び出しでは、5 分以内であればキャッシュされたデータが再利用されます。そのため、8 つすべてのツールを使った調査の合計コストは、上流データの取得コストが 8 倍かかるのではなく、約 $0.37 になります。

2. 業界レベルのマッピングには、政策トピックを使用します — 「pharmaceutical pricing」や「defense procurement」などのクエリでは、個別のエンティティ名よりも幅広いネットワークを取得できます。既知のエンティティを審査するのではなく、規制分野で最も影響力のある関係者を把握したい場合に便利です。

3. detect_conflict_of_interest と trace_money_to_legislation を組み合わせます — 1 つ目のツールは、相関パターンのある政治家を抽出し、2 つ目のツールは時間的な因果関係を定量化します。キャッシュされたデータを使って両方を実行するコストは $0.095 で、潜在的な影響について相互に補完する 2 つの見方が得られます。

4. causalScore のしきい値は慎重に解釈します — スコアが 0.6 を超える場合、寄付と法案の組み合わせについて、タイミングが近く（約 6 か月以内）、金額も大きいことを示します。これらは調査の出発点であり、不正行為の証拠ではありません。

5. sources を使って範囲とコストを調整します — detect_dark_money_flows には ["finance", "nonprofits", "corporate"] だけが必要です。"trading" と "legislation" を追加しても、データ量が増えるだけで、ダークマネーの検出精度は向上しません。ソースを追加するたびに、上流のアクター呼び出しが増えます。

6. 毎週 compute_political_risk_score を実行するようスケジュールします — ベンダーや取引先を継続的に監視する場合は、Apify のスケジューラーを使って、主要なエンティティリストを対象にアクターを毎週実行するようスケジュールします。実行ごとのリスクレベルの変化は、調査に値する変化を示しています。

7. 調査結果を Google Sheets にエクスポートします — Apify → Google Sheets の連携を使用して、週次のリスクスコアを記録し、報告期間をまたいだ傾向を追跡します。

8. 企業デューデリジェンス用アクターと組み合わせます — この MCP の出力と Company Deep Research を組み合わせることで、政治的なエクスポージャーに財務および評判に関するシグナルを加え、全体像を把握できます。

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	generate_influence_report の実行後に実行し、政治的リスクの全体像に財務、評判、ニュースのシグナルを追加します
WHOIS Domain Lookup	ネットワーク内で見つかった PAC やダークマネーの資金提供団体のウェブサイトについて、実質的所有者を特定します
B2B Lead Qualifier	影響力ネットワーク内の企業エンティティを評価し、事業開発のターゲットを選定します
SEC EDGAR Filing Analyzer	ロビー活動を行うエンティティと SEC の開示情報を照合し、インサイダー取引と政治的リスクの相関を調べます
Trustpilot Review Analyzer	影響力ネットワークでフラグが付いた企業について、顧客レビューから評判に関するシグナルを追加します
Website Tech Stack Detector	ネットワーク分析で見つかった PAC やダークマネー組織のデジタルインフラを調査します
Multi-Review Analyzer	フラグが付いた政治関連エンティティについて、複数のプラットフォームから一般の評価を収集し、包括的なデューデリジェンスを行います

制限事項

• 米国連邦政府のデータのみ — 8 つすべてのデータソースが対象とするのは、米国連邦政治のみです。州レベルの選挙資金、州議会の追跡、米国以外の政治制度は対象外です。
• FEC の報告遅延 — 選挙資金の届出は、実際の寄付から数日から数週間遅れて FEC によって処理されます。ごく最近の寄付は、まだ表示されない場合があります。
• 連邦議会議員の株式取引報告の遅延 — 連邦議会議員は STOCK Act に基づき、取引を報告するまでに最長 45 日（延長が認められた場合は 60 日）の猶予があります。最近の取引は、データに表示されない場合があります。
• 因果スコアは代理指標であり、証明ではありません — Granger 因果性の実装では、時間的な近接性と寄付額を代理指標として使用しています。意図、連携、または見返りを伴う取り決めを立証するものではありません。
• ダークマネーのデータには本質的に欠落があります — 501(c)(4) 団体には寄付者を開示する義務がありません。不透明度スコアは、不透明になる構造的な可能性を示すものであり、隠蔽が確認されたことを示すものではありません。
• エンティティ名の照合は概算です — グラフの構築では、エンティティの重複排除に文字列ハッシュを使用しており、本人確認は行いません。同じ人物や組織でも表記が異なると、別々のノードが作成される場合があります。
• ソースごとの上限は 500 件 — 上流アクターの各呼び出しで返される項目は最大 500 件です。数千件の FEC レコードに一致するクエリでは、最新または関連性の高い 500 件が使用されます。
• 州および地方の政治データはありません — 州 PAC、州議会の法案、州の契約、自治体の選挙資金は対象外です。
• 回転ドアに関するデータは推定値です — 回転ドア分析では、ネットワーク内で政府機関と民間部門の両方につながりがある政治家を検出します。専用の職歴データベースにはアクセスしません。

インテグレーション

• Zapier — 監視対象エンティティの政治リスクレポートを毎週実行し、重大レベルの調査結果を Slack チャンネルまたはメールアラートに送信します
• Make — 影響力レポートを取得し、リスクレベルでフィルタリングして、プロジェクト管理ツールにタスクを作成するコンプライアンスワークフローを構築します
• Google Sheets — 企業エンティティのポートフォリオについて、リスクスコアを時系列で記録し、報告期間をまたいだ政治的エクスポージャーの傾向を追跡します
• Apify API — REST API を介して、自社のコンプライアンスダッシュボードまたは内部ツールから影響力分析をプログラムで実行します
• Webhooks — スケジュールされた分析の実行が完了したとき、または重大なリスクの調査結果が検出されたときに、プッシュ通知を受信します
• LangChain / LlamaIndex — MCP ツールを AI 推論チェーン内の関数呼び出しツールとして使用し、デューデリジェンスのパイプラインを自動化します

トラブルシューティング

• ツールの検索結果が空になる — 現在のデータソースに、クエリに一致するエンティティがない可能性があります。より広範なクエリ（たとえば、特定の企業名ではなく業界名）を試すか、ソースグループを追加してください。そのエンティティが米国連邦政府のデータに含まれていることを確認してください。

• 因果スコアがすべて0.3未満になる — これは、しきい値を超える寄付と法案の時期的相関が見つからなかったか、クエリに対してデータソースから十分な寄付データと法案データが返されなかったことを意味します。ネットワークにノードを追加するには、sources 配列に "trading" と "regulation" を追加してみてください。

• 実行時間が予想より長い — サーバーは最大7つの上流アクターを並列で呼び出し、それぞれに180秒のタイムアウトを設定しています。7つすべてのソースを使ったクエリには60～120秒かかることがあります。ソースを2～3グループに絞ると、大幅に時間を短縮できます。

• ダークマネーのフローで、すべてのエントリの不透明度が0.4と表示される — クエリに対して返された非営利団体にIRSのサブセクションメタデータが設定されていないことを意味します。FECと非営利団体のデータの重複はクエリによって異なります。既知の501(c)(4)団体を名前で直接検索してみてください。

• PageRankスコアがすべて似た値に見える — ノードに対してエッジが少ない疎なグラフでは、PageRank値は1/N付近に収束します。ソースグループを追加して、政治ネットワークのエッジ密度を高めてください。

責任ある利用

• このMCP サーバーがクエリするのは、FEC、Congress.gov、Federal Register、USAspending、非営利団体の提出書類、OpenCorporates、Wikipediaなど、一般に公開されている政府データベースのみです。
• 統計的な相関や影響スコアは、違法行為や不正行為の証拠にはなりません。
• アルゴリズムによるスコアだけを根拠に、個人や団体に関する名誉を毀損する主張を行うために、このツールを使用しないでください。
• 名誉毀損やプライバシーに関する規制を含め、このデータから得た知見を公開する際は、適用される法律を遵守してください。
• ウェブスクレイピングと公開データの合法性に関するガイダンスについては、Apifyのガイドをご覧ください。

❓ FAQ

Political Influence Network MCPは、1回のツール呼び出しでいくつのデータソースをクエリしますか？ 各ツールは、デフォルト設定に応じて2～7つのデータソースをクエリします。generate_influence_reportは、7つすべてのソースグループをクエリします。sourcesパラメーターを使ってソースを絞り、コストと応答時間を抑えられます。

Political Influence Network MCPは、汚職や違法行為を証明しますか？ いいえ。このツールは、統計的なパターン、時系列の相関関係、ネットワーク構造を特定します。政治リスクスコアやグレンジャー因果性スコアが高い場合、影響力に関連するリスクパターンへの露出が高いことを示しますが、不正行為が証明されたことを意味するものではありません。すべての知見は、さらなる検証が必要な調査の手掛かりとして扱ってください。

政治的影響力に関するデータは、どの程度最新ですか？ FECの選挙資金データには通常、数日から数週間の報告遅延があります。議会議員の株式取引開示は、STOCK Actの規則により最大45～60日遅れることがあります。USAspendingの連邦政府支出データは、通常、契約締結から数営業日以内に更新されます。

このツールを使って政治的影響力ネットワークを分析することは合法ですか？ はい。上流の8つのデータソース（FEC、Congress.gov、Federal Register、USAspending、非営利団体の提出書類（IRS 990）、OpenCorporates、Wikipedia）はすべて一般に公開されています。FECとUSAspendingのデータベースは、公共の透明性と説明責任を確保するために明確に設計されています。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。

グレンジャー因果性スコアとは何ですか。また、どのしきい値に意味がありますか？ trace_money_to_legislationの因果スコアは、時間的近接性（重み60％）と寄付額（重み40％）を組み合わせた0～1のスケールです。0.6を超えるスコアは「疑わしい」としてフラグが付けられます。これは、多額の寄付からおよそ6か月以内に法案が提出された組み合わせを示します。0.3～0.6のスコアは、注目に値するものの、シグナルが弱い関係を示します。 Political Influence Network MCP は OpenSecrets や FollowTheMoney とどう違いますか？ OpenSecrets と FollowTheMoney は、ウェブベースのデータポータルを提供しています。この MCP は、AI アシスタントや自律型エージェントが直接呼び出せるプログラムインターフェースを提供します。1 回の呼び出しで複数のデータソースを組み合わせ、ソースを横断したネットワーク分析を自動的に実行し、HTML ページではなく構造化 JSON を返します。また、ウェブポータルで手作業による相互参照に何時間もかかるようなインサイトも提示します。

州レベルまたは国際的な政治的影響力を分析できますか？ 現時点ではできません。8 つのデータソースはすべて、米国連邦政治に限定されています。州の選挙資金（NIMSP、州の倫理データベース）、州議会、米国以外の政治データは、現在のアクターセットでは対象外です。

ダークマネーの検出はどのように機能しますか？ detect_dark_money_flows ツールは、非営利団体の仲介者を経由する 2 段階の資金経路を追跡します。IRS の区分データを使って不透明度スコアを割り当てます。具体的には、501(c)(4) の社会福祉団体（不透明度 0.90）と 501(c)(6) の業界団体（不透明度 0.70）は、他の種類の非営利団体よりも構造的に透明性が低いと判定されます。また、直接献金の上限を回避する、企業から仲介者を経て政治家に至る資金経路も検出します。

Political Influence Network MCP をスケジュール実行できますか？ はい。Apify のプラットフォーム上で、毎日、毎週、またはカスタムの cron 式など、任意の間隔でアクターをスケジュール実行できます。新たに重大なリスクパターンが検出されたときに検出結果をアラートシステムに送信するには、Webhook または Apify → Zapier/Make の連携を使用します。

8 つの上流アクターのいずれかが失敗した場合や、データを返さなかった場合はどうなりますか？ 各上流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。呼び出しに失敗しても、実行は中断されず、空の配列が返されます。政治ネットワークは、データを返したソースに基づいて構築されます。部分的なネットワークでは検出結果が少なくなる可能性がありますが、エラーは発生しません。

8 つすべてのツールを使った完全な調査セッションの費用はいくらですか？ 同じセッションで同じクエリに対して 8 つすべてのツールを呼び出した場合、費用は約 $0.37 です。TTL 5 分のキャッシュにより、最初のツール呼び出しで上流の全データを取得し、キャッシュ期間内の以降のツール呼び出しではそのデータを再利用します。最初の呼び出し以降、追加のツール呼び出しにかかる実質的な増分費用は、イベントごとの料金（$0.045～$0.050）のみです。

Political Influence Network MCP を LangChain や LlamaIndex と一緒に使用できますか？ はい。MCP プロトコルをサポートするフレームワークであれば、どれでもこのサーバーに接続できます。LangChain の MCP 連携や LlamaIndex のツール呼び出しインターフェースから、/mcp Streamable HTTP エンドポイントを使用できます。連携ガイドについては、Apify の MCP ドキュメントをご覧ください。

改善にご協力ください

問題が発生した場合は、Apify アカウントで実行履歴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. 実行履歴を公開アクター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。データを閲覧できるのはアクターの開発者のみで、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したい場合は、このアクターのページにあるIssues タブで Issue を作成してください。カスタムソリューションやエンタープライズ向けの連携については、Apify プラットフォームからお問い合わせください。