Startup Ecosystem Intelligence

スタートアップ・エコシステム・インテリジェンス 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": {
    "startup-ecosystem-intelligence-mcp": {
      "url": "https://ryanclinton--startup-ecosystem-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

VC の投資案件発掘に向けたスタートアップ・エコシステムのインテリジェンスにより、AI アシスタントから 8 つの公開データソース（特許、GitHub のアクティビティ、求人情報、ArXiv の研究、技術スタック、企業登記、SaaS の競合データ）に即座にアクセスし、すべてを 1 つの構造化された投資案件メモに統合できます。自己申告によるピッチデックのデータではなく、定量化された行動ベースのシグナルを必要とするベンチャーキャピタリスト、事業開発チーム、アクセラレーターのマネージャー向けに構築されています。

この MCP サーバーは永続的な Apify Standby アクターとして動作し、Model Context Protocol 経由で 8 つのツールを公開します。各ツールの呼び出しで、複数の API に対するデータ収集が並行して実行され、1 つ以上のスコアリングアルゴリズム（イノベーション・ベロシティ、採用シグナル・デコーダー、競争優位性アナライザー、企業健全性）が適用されます。スコア、シグナル、投資仮説の要点、懸念事項を含む構造化された JSON が返されます。手作業による調査は不要です。Crunchbase のサブスクリプションも不要です。創業者からの返信を待つ必要もありません。

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
📋 企業登記、法人ステータス、役員	OpenCorporates（140 以上の管轄区域）	「Acme Corp — 登記有効、デラウェア州、2 法人」
🔬 米国の特許出願、権利者、請求項	USPTO Patent Search	「特許 7 件を出願、うち 3 件は AI/ML 分類」
🌍 欧州特許出願	EPO Patent Search	「EP 出願 4 件、うち 2 件が登録済み」
⭐ GitHub リポジトリ、スター、フォーク、コミット速度	GitHub Repo Search	「リポジトリ 23 件、スター 4,812 個、3 日前に更新」
🛠 Web サイトの技術スタックのコンポーネント	Website Tech Stack Detector	「React、GraphQL、Kubernetes、Snowflake — 12 コンポーネント」
💼 職種、役職レベル、職能別の求人情報	Job Market Intelligence	「募集中のポジション 34 件 — 62% がエンジニアリング、18% が営業」
📄 プレプリントの ArXiv 研究論文	ArXiv Preprint Search	「論文 9 件、うち 5 件が過去 6 か月に公開」
🏆 SaaS の競合、機能、ポジショニング	SaaS Competitive Intelligence	「直接の競合 8 社を特定」
🎯 イノベーション・ベロシティ・スコア（0～100）	複合モデル	「スコア：74 — 高速なベロシティレベル」
📊 複合投資案件評価	8 つすべてのソース	「デューデリジェンス — compositeScore：61」

Startup Ecosystem Intelligence MCP を使う理由

スタートアップの手作業による調査は時間がかかり、一貫性に欠け、強力なネットワークを持つ企業に偏りがちです。ジュニアアナリストが 1 社の特許データを集め、企業登記を確認し、求人サイトを調べ、GitHub のアクティビティを比較するには、8～12 時間かかります。月に 50 件の案件をパイプラインで評価するとなると、ファネル上部でのスクリーニングだけで 400～600 時間ものアナリスト作業が必要になります。

この MCP は、スタートアップのデューデリジェンスにおける、外部から観察可能なシグナルの全レイヤーを自動化します。Claude、Cursor、または MCP 対応のクライアントに接続すれば、2 分以内に投資案件メモを作成できます。

• スタンバイモード — サーバーは常時ウォーム状態を保つため、クエリ間のコールドスタートによる遅延なしに即座に応答します
• API アクセス — Python、JavaScript、curl から 8 つのツールをプログラムで呼び出せます
• 並列データ収集 — 最大 8 つの Apify アクターを同時に実行するため、逐次実行ではなく 60～90 秒で投資案件メモを作成できます
• 支出管理 — セッションごとの予算を設定できます。上限に達すると、サーバーは明確なエラーを返します
• 連携 — Zapier、Make、または Webhook に接続して、CRM の案件ステージ変更をきっかけに投資案件メモの作成を開始できます

特長

• イノベーション速度スコア（0～100） — USPTO 特許（最大 25 点）、EPO 特許の合計数、GitHub リポジトリ数（最大 15 点）、GitHub スターの合計数（log2 スケールで最大 15 点）、ArXiv 論文数（最大 25 点）、過去 6 か月の活動に対する新しさボーナス（最大 20 点）を加重合成したスコアです
• 速度レベルの分類 — 合成スコアのしきい値（0／20／40／60／80）に基づき、DORMANT、SLOW、MODERATE、FAST、HYPERGROWTH の 5 段階に分類します
• 採用シグナルデコーダー — 34 種類以上の職種名キーワードを 6 つの職種カテゴリー（エンジニアリング、営業、マーケティング、経営幹部、オペレーション、その他）に分類し、戦略の方向性を推測します。エンジニアリングが 50％以上なら BUILDING、営業が 40％以上なら SCALING、経営幹部が 30％以上なら PIVOTING、それ以外は MAINTAINING です
• 競争優位性分析ツール — 技術スタックの深さ（最大 25 点）、特許による保護（最大 30 点）、逆スコアリングモデルによる競合密度（競合が少ないほど高得点）、ネットワーク効果のシグナルとなる GitHub スターコミュニティの代理指標（log2 スケーリングで最大 20 点）をスコア化します
• 競争優位性の種類の分類 — NONE、WEAK、MODERATE、STRONG、FORTRESS の 5 段階です
• 企業健全性チェック — 有効な法人の割合に基づくスコアリング、存在確認、構造の複雑さに対するペナルティ（3 法人を超えると加算）、およびタックスヘイブンによる複雑さより 1～3 の管轄区域を高く評価する管轄区域スコアリングを行います
• 案件評価エンジン — イノベーション 30％＋競争優位性 25％＋採用 25％＋企業健全性 20％の加重合計スコアを算出し、しきい値 25／50／75 に基づいて PASS／WATCH／DILIGENCE／STRONG_BUY に分類します
• 危険信号の検出 — イノベーションの停滞、競合が多い市場での弱い競争優位性、3 件以上の解散済み法人、企業健全性の低さなど、懸念されるシグナルを自動的に検出します
• 投資仮説の生成 — ポジティブなシグナルがしきい値を超えると、1～4 個の仮説の箇条書きを自動生成します
• 8 種類の専用 MCP ツール — それぞれ個別に呼び出して対象を絞った分析を実行でき、案件メモ全体の生成は不要です
• 並列アクターのオーケストレーション — runActorsParallel() は Promise.allSettled() を使用するため、1 つのデータソースで障害が発生しても分析全体が停止しません
• 管轄区域によるフィルタリング — discover_startups と verify_corporate_structure では、国ごとの法人登記情報を照会するための管轄区域コードを任意で指定できます

スタートアップエコシステムのインテリジェンス活用例

代替データを活用した VC 案件の発掘

週に 40～80 件の提案資料を受け取るベンチャー投資担当者には、パートナーの時間を割く前に迅速に案件を選別する仕組みが必要です。discover_startups で特定分野の活動中の企業を見つけ、次に generate_deal_memo で、特許の増加速度、GitHub 上の信頼性、採用の方向性など、観察可能な行動に基づいて有力候補を評価してから面談を設定します。デューデリジェンスの最初の 1 週間分の作業を、90 秒の自動スクリーニングに置き換えられます。

企業の事業開発と買収候補の調査

テクノロジー企業の事業開発チームは、買収候補に接触する前に知的財産の全体像を把握する必要があります。analyze_competitive_moat は、社名を指定するだけで特許ポートフォリオの深さと技術スタックの複雑さを明らかにします。assess_innovation_velocity は、研究開発の成果を加速させている企業を、費用が高騰する前に特定します。MCP の呼び出しをスケジュールすれば、20 社のウォッチリストを毎週調査できます。

アクセラレーターとポートフォリオのベンチマーク

20～40 社のコホートを管理するアクセラレーターの運営者には、一貫した評価フレームワークが必要です。benchmark_against_cohort は、ポートフォリオ企業の技術スタックの成熟度、公開中の求人、競合密度をセクター全体と比較します。decode_hiring_signals は、ポートフォリオ企業が構築段階から拡大段階に移行したかどうかを監視します。これはプロダクト・マーケット・フィットの早期シグナルです。

テクノロジートレンドの調査と投資仮説の策定

投資仮説の文書を作成する投資家向け投資チームは、資本配分の前にテクノロジーの勢いを定量化する必要があります。track_technology_trends は、テクノロジー分野（例：「拡散モデル」「ベクトルデータベース」「全固体電池」）に関する ArXiv の論文数、GitHub のスター獲得速度、USPTO の特許出願を照会し、研究から商業化までの状況を構造化されたシグナルとして返します。

投資前デューデリジェンスの自動化

正式なデューデリジェンスを実施する法務チームや財務チームは、法律事務所に同じ調査を依頼する前に、verify_corporate_structure を使用して OpenCorporates 経由で 140 以上の企業登記機関を対象に、法人のステータス、管轄区域の数、休眠法人の履歴を確認できます。解散した子会社や不自然な管轄区域の積み重ねといった問題がすぐに明らかになります。

ポートフォリオ企業の競争環境の把握

取締役会向けの競合分析を準備するポートフォリオ企業の創業者は、benchmark_against_cohort を使って直接競合を列挙し、技術スタックの高度さを比較し、競合の成長率の代替指標として公開求人の数を定量化できます。

スタートアップエコシステムのインテリジェンスの使い方

1. MCP サーバーに接続する — エンドポイント https://startup-ecosystem-intelligence-mcp.apify.actor/mcp を、Apify API トークンを Bearer トークンとして、MCP クライアント（Claude Desktop、Cursor、Windsurf、または Cline）に追加します。
2. ツールを選択する — AI アシスタントに、投資案件のメモ（「Cohere の投資案件メモを作成して」など）や、対象を絞った分析（「Databricks の現在の採用戦略は？」など）を実行するよう依頼します。
3. 60～90 秒待つ — サーバーは最大 8 つのデータソースに並列で照会します。完全な投資案件メモの生成には、単一分野のツールよりも時間がかかります。
4. 構造化された出力を確認する — スコア、評価、シグナル、投資仮説の要点、警告情報が構造化された JSON として返され、AI アシスタントが推論や要約に利用できます。

入力パラメーター

これは MCP サーバーです。アクター単位の入力パラメーターはありません。接続は MCP クライアントが処理します。各ツールは、以下の説明にある独自の引数を受け取ります。

ツールのパラメーター

ツール	パラメーター	型	必須	説明
discover_startups	query	string	はい	検索するテクノロジー、市場セクター、またはキーワード
discover_startups	jurisdiction	string	いいえ	国／管轄区域コードのフィルター（例：「us_de」、「gb」）
assess_innovation_velocity	company	string	はい	企業または組織の名前
decode_hiring_signals	company	string	はい	企業名
decode_hiring_signals	location	string	いいえ	求人情報の所在地フィルター
analyze_competitive_moat	company	string	はい	企業名
analyze_competitive_moat	website	string	いいえ	企業のウェブサイト URL。名前ではなく URL による技術スタックの検出が可能になります
verify_corporate_structure	company	string	はい	企業名
verify_corporate_structure	jurisdiction	string	いいえ	企業登記情報を絞り込む管轄区域コード
track_technology_trends	technology	string	はい	テクノロジー、フレームワーク、または研究トピック
benchmark_against_cohort	company	string	はい	ベンチマーク対象の企業名
benchmark_against_cohort	website	string	いいえ	企業のウェブサイト URL
generate_deal_memo	company	string	はい	スタートアップ企業名
generate_deal_memo	website	string	いいえ	企業のウェブサイト URL。技術スタックの検出精度が向上します

接続例

Claude Desktop — claude_desktop_config.json に追加：

{
  "mcpServers": {
    "startup-ecosystem": {
      "url": "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor または Windsurf — MCP 設定：

{
  "startup-ecosystem-intelligence": {
    "url": "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
    "headers": { "Authorization": "Bearer YOUR_APIFY_TOKEN" }
  }
}

HTTP を直接呼び出す場合：

curl -X POST "https://startup-ecosystem-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":"assess_innovation_velocity","arguments":{"company":"Mistral AI"}},"id":1}'

入力のヒント

• ウェブサイトの URL がある場合は指定してください — analyze_competitive_moat と generate_deal_memo は URL による技術スタックの検出に使用します。名前による検索よりも正確です。
• 企業の確認には管轄区域コードを使用してください — デラウェア州には "us_de"、英国には "gb"、ドイツには "de" を渡します。指定しない場合、該当するすべての管轄区域の結果が含まれます。
• 売上がまだない企業については、最初に assess_innovation_velocity を実行してください — 売上データがなくても、特許や ArXiv 論文を確認できます。
• 投資仮説の構築には track_technology_trends を使用してください — 研究から商用化までの流れを把握するには、企業名ではなく技術分野（「agentic RAG」、「model distillation」など）をクエリします。

出力例

架空の企業に対する generate_deal_memo の出力全体：

{
  "company": "NovaSynth AI",
  "compositeScore": 68,
  "dealRating": "DILIGENCE",
  "innovationVelocity": {
    "score": 74,
    "patentCount": 5,
    "epoPatentCount": 3,
    "githubRepos": 18,
    "githubStars": 6240,
    "arxivPapers": 7,
    "velocityLevel": "FAST",
    "signals": [
      "8 patents filed (5 USPTO, 3 EPO)",
      "6240 GitHub stars across 18 repos — strong developer community",
      "18 public repositories — active open source presence",
      "7 ArXiv publications — research-driven innovation"
    ]
  },
  "hiringSignals": {
    "score": 61,
    "totalJobs": 28,
    "engineeringJobs": 16,
    "salesJobs": 5,
    "executiveJobs": 2,
    "strategyInference": "BUILDING",
    "roleDistribution": {
      "engineering": 16,
      "sales": 5,
      "marketing": 3,
      "executive": 2,
      "operations": 1,
      "other": 1
    },
    "signals": [
      "57% engineering hires — product building phase",
      "28 open positions — significant growth"
    ]
  },
  "competitiveMoat": {
    "score": 58,
    "techStackDepth": 14,
    "competitorCount": 6,
    "patentProtection": 8,
    "moatType": "MODERATE",
    "moatFactors": [
      "Technical complexity",
      "Patent portfolio"
    ],
    "signals": [
      "14 technology components detected — complex tech stack",
      "8 patents providing IP protection"
    ]
  },
  "corporateHealth": {
    "score": 82,
    "entityCount": 2,
    "activeEntities": 2,
    "inactiveEntities": 0,
    "jurisdictions": ["us_de", "gb"],
    "healthLevel": "STRONG",
    "signals": [
      "2 corporate registration(s) found"
    ]
  },
  "allSignals": [
    "8 patents filed (5 USPTO, 3 EPO)",
    "6240 GitHub stars across 18 repos — strong developer community",
    "7 ArXiv publications — research-driven innovation",
    "57% engineering hires — product building phase",
    "28 open positions — significant growth",
    "14 technology components detected — complex tech stack",
    "2 corporate registration(s) found"
  ],
  "investmentThesis": [
    "High innovation velocity (74/100) — strong R&D output",
    "Engineering-heavy hiring — product building phase (ideal for early-stage)"
  ],
  "redFlags": []
}

出力フィールド

フィールド	型	説明
company	文字列	指定された企業名
compositeScore	数値（0～100）	加重合成スコア：イノベーション 30% ＋ 競争優位性 25% ＋ 採用 25% ＋ 企業情報 20%
dealRating	文字列	しきい値 25／50／75 における PASS / WATCH / DILIGENCE / STRONG_BUY
innovationVelocity.score	数値（0～100）	イノベーション速度スコア
innovationVelocity.patentCount	数値	見つかった USPTO 特許数
innovationVelocity.epoPatentCount	数値	見つかった EPO 特許数
innovationVelocity.githubRepos	数値	見つかった GitHub リポジトリ数
innovationVelocity.githubStars	数値	すべてのリポジトリのスター合計数
innovationVelocity.arxivPapers	数値	見つかった ArXiv プレプリント数
innovationVelocity.velocityLevel	文字列	DORMANT / SLOW / MODERATE / FAST / HYPERGROWTH
innovationVelocity.signals	文字列[]	人が読める形式の根拠となる記述
hiringSignals.score	数値（0～100）	採用シグナルスコア
hiringSignals.totalJobs	数値	見つかった募集中の職種の合計数
hiringSignals.engineeringJobs	数値	エンジニアリング／開発者職
hiringSignals.salesJobs	数値	営業／BD／収益関連の職
hiringSignals.executiveJobs	数値	VP／ディレクター／C-suite 職
hiringSignals.strategyInference	文字列	BUILDING / SCALING / PIVOTING / MAINTAINING / UNKNOWN
hiringSignals.roleDistribution	オブジェクト	職種カテゴリ（エンジニアリング、営業、マーケティング、経営、オペレーション、その他）ごとの件数
competitiveMoat.score	数値（0～100）	競争優位性スコア
competitiveMoat.techStackDepth	数値	検出されたテクノロジーコンポーネント数
competitiveMoat.competitorCount	数値	見つかった直接の競合企業数
competitiveMoat.patentProtection	数値	特許の合計数（USPTO ＋ EPO）
competitiveMoat.moatType	文字列	NONE / WEAK / MODERATE / STRONG / FORTRESS
competitiveMoat.moatFactors	文字列[]	名前付きの競争優位性の源泉（例：「特許ポートフォリオ」、「コミュニティ／ネットワーク効果」）
corporateHealth.score	数値（0～100）	企業健全性スコア
corporateHealth.entityCount	数値	見つかった企業体の合計数
corporateHealth.activeEntities	数値	活動中／良好な状態の企業体数
corporateHealth.inactiveEntities	数値	解散／登録取消済みの企業体数
corporateHealth.jurisdictions	文字列[]	見つかった管轄区域コードの重複なし一覧
corporateHealth.healthLevel	文字列	POOR / CONCERNING / ACCEPTABLE / GOOD / STRONG
allSignals	文字列[]	4 つのモデルすべてのシグナル記述
investmentThesis	文字列[]	自動生成された投資仮説のポジティブな論点
redFlags	文字列[]	自動生成された懸念事項の記述

スタートアップのデューデリジェンスにはどれくらいの費用がかかりますか？

この MCP はイベントごとの従量課金制です。ツール呼び出し 1 回あたり $0.045をお支払いいただきます。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。generate_deal_memo ツールは 8 つのアクターを並列で実行しますが、料金は一律 $0.045 です。

シナリオ	ツール呼び出し数	1 回あたりの費用	合計費用
クイックテスト — 単一のイノベーションチェック	1	$0.045	$0.045
対象を絞った分析 — 3 つの評価項目	3	$0.045	$0.14
完全なディールメモ — 1 社	1	$0.045	$0.045
ディールメモを使って 10 社をスクリーニング	10	$0.045	$0.45
完全なパイプライン — 50 件の案件をスクリーニング	50	$0.045	$2.25

Apify アカウントの設定で、セッションごとに最大利用額を設定して費用を管理できます。予算に達すると、サーバーは分かりやすいエラーメッセージを返すため、AI クライアントは適切に通知できます。

PitchBook の年間 $20,000 以上、CB Insights の年間 $6,000 以上と比べると、この MCP を案件のスクリーニングに利用する VC チームの多くは、サブスクリプション契約やユーザーごとの料金なしで、月額 $20 未満に収まっています。

API を介したスタートアップエコシステムのインテリジェンスの利用

Python

import requests
import json

response = requests.post(
    "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
    headers={
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    json={
        "jsonrpc": "2.0",
        "method": "tools/call",
        "params": {
            "name": "generate_deal_memo",
            "arguments": {
                "company": "Cohere",
                "website": "https://cohere.com"
            }
        },
        "id": 1
    }
)

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

print(f"Company: {memo['company']}")
print(f"Composite Score: {memo['compositeScore']}/100")
print(f"Deal Rating: {memo['dealRating']}")
print(f"Innovation Velocity: {memo['innovationVelocity']['score']}/100 ({memo['innovationVelocity']['velocityLevel']})")
print(f"Hiring Strategy: {memo['hiringSignals']['strategyInference']} — {memo['hiringSignals']['totalJobs']} open roles")
print(f"Moat: {memo['competitiveMoat']['moatType']}")
print(f"Red Flags: {memo['redFlags']}")

JavaScript

const response = await fetch(
  "https://startup-ecosystem-intelligence-mcp.apify.actor/mcp",
  {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      "Authorization": "Bearer YOUR_APIFY_TOKEN",
    },
    body: JSON.stringify({
      jsonrpc: "2.0",
      method: "tools/call",
      params: {
        name: "assess_innovation_velocity",
        arguments: { company: "Mistral AI" },
      },
      id: 1,
    }),
  }
);

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

console.log(`Innovation Velocity Score: ${velocity.innovationVelocity.score}/100`);
console.log(`Level: ${velocity.innovationVelocity.velocityLevel}`);
console.log(`Patents: ${velocity.innovationVelocity.patentCount} USPTO + ${velocity.innovationVelocity.epoPatentCount} EPO`);
console.log(`GitHub: ${velocity.innovationVelocity.githubRepos} repos, ${velocity.innovationVelocity.githubStars} stars`);
console.log(`ArXiv: ${velocity.innovationVelocity.arxivPapers} publications`);

cURL

# Run a full deal memo
curl -X POST "https://startup-ecosystem-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_deal_memo",
      "arguments": {
        "company": "Hugging Face",
        "website": "https://huggingface.co"
      }
    },
    "id": 1
  }'

# Decode hiring signals only
curl -X POST "https://startup-ecosystem-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": "decode_hiring_signals",
      "arguments": { "company": "Databricks", "location": "San Francisco" }
    },
    "id": 2
  }'

Startup Ecosystem Intelligence MCP の仕組み

MCP サーバーのアーキテクチャとスタンバイモード

サーバーは、Express.js と POST /mcp エンドポイントを使用する Apify Standby アクターとして実行されます。受信した JSON-RPC 2.0 リクエストは、@modelcontextprotocol/sdk の McpServer クラスと StreamableHTTPServerTransport によって処理されます。各リクエストでは新しいサーバーインスタンスが作成され、それをトランスポートに接続して、永続的なセッション状態を保持せずにリクエストを処理します。このリクエストごとのステートレス設計により、大量のパイプライン処理でメモリリークが発生するのを防ぎます。

スタンバイモード（APIFY_META_ORIGIN === 'STANDBY'）では、Express サーバーはリクエスト間も稼働し続けます。非スタンバイモード（アクターを直接実行する場合）では、サーバーは起動後にヘルスチェックメッセージをログに記録し、1 秒後に終了します。これにより、アイドル時間の課金を避けながら、Apify プラットフォームはビルドが有効であることを確認できます。

runActorsParallel によるデータ収集の並列処理

各ツール呼び出しによって runActorsParallel() が実行され、Promise.allSettled() を使用して最大 8 つの下流 Apify アクターを同時に起動します。アクターの識別にはスラッグではなくハードコードされた ID を使用し、アクター名が変更されてもバージョンの安定性を確保します。各下流アクターは 256MB のメモリで、120 秒のタイムアウトを設定して実行されます。アクターの実行に失敗した場合、リクエスト全体を失敗させずに空の配列を返します。そのため、特許 API が一時的に利用できなくても、採用シグナルの分析が妨げられることはありません。

下流の 8 つのアクターは、opencorporates-search、patent-search（USPTO）、epo-patent-search、github-repo-search、website-tech-stack-detector、job-market-intelligence、arxiv-paper-search、saas-competitive-intel です。

4 つのスコアリングモデルと複合スコアの計算式

scoreInnovationVelocity は、特許（USPTO + EPO、各 3 点、上限 25 点）に最大 25 点、GitHub（リポジトリ数に対して 1 件あたり 2 点で最大 15 点 + log2(stars) * 2 に対して最大 15 点）に最大 30 点、ArXiv（論文 1 件あたり 5 点）に最大 25 点、直近性（過去 6 か月以内に更新された項目 1 件あたり 3 点）に最大 20 点を割り当てます。

decodeHiringSignals は、6 つの職種カテゴリーのキーワードリストに基づいて職種名を分類します。エンジニアリングのキーワードには、「ml」、「ai」、「sre」、「platform」、「devops」が含まれます。幹部職のキーワードには、「vp」、「cto」、「head of」、「vice president」が含まれます。職種の構成比率を基に、4 つの戦略タイプを推定します。

analyzeCompetitiveMoat は競合スコアを反転させて使用します。競合が少ないほどスコアが高くなります。ネットワーク効果は、イノベーション速度と同じ log2 方式を使用した GitHub スター数で推定し、3 倍に拡大して算出します。

checkCorporateHealth は、3 を超える事業体 1 つにつき 4 点の複雑性ペナルティを適用します（つまり、単純な構造ほど高いスコアになります）。管轄区域の数については、1～3 か所を評価し、3 か所を超える場合は追加の管轄区域ごとに 5 点減点します。

ディールメモの複合スコアは、イノベーション 30% + 競争優位性 25% + 採用 25% + 企業体制 20% の重み付けで算出されます。

サーキットブレーカー付きのイベント単位課金

各ツールハンドラーは、実行前に Actor.charge({ eventName: '...' }) を呼び出します。chargeResult.eventChargeLimitReached が true の場合、ツールは後続のアクターを実行せず、構造化されたエラーオブジェクトを直ちに返します。これにより、プラットフォームレベルだけでなく、ツールレベルでも支出制限を確実に順守できます。

最良の結果を得るためのヒント

1. モート分析とディールメモ分析には、必ずウェブサイトの URL を指定してください。 analyze_competitive_moat と generate_deal_memo は、URL が指定されていない場合、社名に基づく技術スタック検出にフォールバックしますが、精度は低くなります。"website": "https://company.com" を渡すと、技術スタック検出が URL ベースの分析に切り替わります。

2. ディープテック企業の最初のスクリーニングには assess_innovation_velocity を使ってください。 特許と ArXiv のシグナルは、売上がまだない企業でも利用できます。研究主導を掲げる企業の速度スコアが 20 未満（DORMANT）の場合は、詳細なディールメモに時間をかける前に、危険信号として扱ってください。

3. 投資テーゼを更新するため、track_technology_trends を四半期ごとに実行してください。 テーゼのキーワード（例：「推論モデル」、「AI エージェント」、「合成生物学 CRISPR」）をクエリすると、研究論文の増加速度、GitHub プロジェクトの勢い、特許出願率のスナップショットを取得できます。トレンドデータは、あるテーマが研究の初期段階にあるのか、商用化に近づいているのかを見極めるのに役立ちます。

4. decode_hiring_signals をカレンダーのモニタリングと組み合わせてください。 6 か月前には BUILDING だった企業が現在 SCALING であれば、プロダクトマーケットフィットを達成した可能性が高いといえます。公開発表に現れる前に転換点を検出できるよう、ウォッチリストの採用シグナルを毎月確認してください。

5. タームシートの協議前に、企業構造を確認してください。 verify_corporate_structure を使えば、解散済みの法人、異例の法域の多層構造、法人の数が多いことなどを 2 分足らずで検出できます。正式なデューデリジェンスの段階で法律事務所に依頼すると、1〜2 週間かかり、3,000〜5,000 ドルの費用が発生します。

6. 地域に特化した案件を見つけるには、管轄区域コードを指定して discover_startups を使ってください。 "jurisdiction": "gb" または "jurisdiction": "de" を渡すと、法人登記の検索結果をそれぞれ英国またはドイツの法人に絞り込めます。欧州に重点を置くファンドの投資方針に役立ちます。

7. パイプラインを一括実行する場合は、支出制限を設定してください。 大規模なパイプラインをスクリーニングする際は、予期しない請求が発生する暴走ループを防ぐため、アカウントレベルで Apify の支出制限を設定してください。1 回の呼び出しが 0.045 ドルの場合、1,000 回の呼び出しには 45 ドルかかるため、それに応じて予算を確保してください。

他の Apify MCP サーバーとの組み合わせ

MCP サーバー	組み合わせ方
M&A Target Intelligence MCP	まず案件メモを作成し、次にDILIGENCE評価の企業をM&Aターゲットのスクリーニングに渡して、買収評価と統合リスク分析を行います
Workforce Competitive Intelligence MCP	人材の流動データでdecode_hiring_signalsを補完します。競合他社を離れてターゲットとなるスタートアップに入社する人材は、確信度を高める強いシグナルです
Tech Ecosystem Analysis MCP	track_technology_trendsで注目の技術分野を特定した後、テクノロジー・エコシステム分析を使って、依存関係と統合環境の全体像を把握します
Academic Commercialization Pipeline MCP	assess_innovation_velocityで見つかったArXiv論文を、学術研究の商業化スクリーニングに取り込み、大学発スピンアウトの機会を特定できます
Website Tech Stack Detector	benchmark_against_cohortを呼び出す前に、競合他社のリストに対して単独でテックスタック検出を実行し、比較データを事前に入力します
Company Deep Research	STRONG_BUYの案件メモを作成した後、Company Deep Researchを使って包括的なナラティブ形式のインテリジェンスレポートを作成し、投資委員会（IC）向けメモを補強します

制限事項

• 財務データはありません — 売上高、ARR、バーンレート、資金調達履歴は、公開シグナルからは入手できません。このツールが提供するのは行動上の代理指標であり、財務指標ではありません。
• イノベーションスコアを最大化するにはGitHubでの活動が必要です — 公開GitHub活動のない企業は、実際のエンジニアリング成果にかかわらず、イノベーション速度モデルのスコアが低くなります。ステルスモードの企業や独自技術を厳重に管理する企業は、体系的に過小評価される可能性があります。
• 特許情報には遅延があります — USPTOとEPOの特許データは出願を反映したもので、登録を示すものではありません。また、公開の遅延により、実際の出願日から3～18か月遅れる場合があります。ごく最近の特許活動は表示されない可能性があります。
• 求人情報の網羅性は市場によって異なります — 求人市場のインテリジェンスは、英語圏の市場と主要な求人サイトでより充実しています。非英語圏の市場にある企業や、主にLinkedInを通じて採用している企業では、実際の募集職種数より求人件数が少なく表示されることがあります。
• OpenCorporatesの対象は140以上の法域であり、すべてを網羅しているわけではありません — 一部の法域、特に新興市場では、対象範囲が限られているか、情報がありません。企業情報の確認は、米国、英国、EU、英連邦の法域で最も充実しています。
• テックスタックの検出には稼働中のウェブサイトが必要です — ウェブサイトが認証の背後にある場合、強力なボット対策を使用している場合、またはJavaScriptシグナルを使わずに完全にサーバー側でレンダリングされている場合、テックスタック検出ツールでは分析できません。名前に基づくフォールバックも利用できますが、精度は低くなります。
• 競合密度はSaaSに偏っています — saas-competitive-intelアクターは、ソフトウェア事業向けに最適化されています。ハードウェア、ディープテック、バイオテクノロジーの企業では、競合他社数が実際より不自然に少なく表示される場合があります。
• 複合スコアは公開シグナルのみを反映します — 独自ハードウェアやクローズドソースの知的財産に基づく強力な競争優位性を持つ企業は、同等のオープンソース企業より低いスコアになる場合があります。
• 完全なデューデリジェンスの代わりにはなりません — ここで作成される案件メモは、初期スクリーニングのためのツールです。投資判断の前に、法務、財務、技術、リファレンスのデューデリジェンスを別途実施する必要があります。

インテグレーション

• Apify API — あらゆる言語から MCP エンドポイントをプログラムで呼び出せます。取引候補リストを対象に毎晩実行する、一括スクリーニングのパイプライン構築に便利です
• Webhooks — Webhook を通じて CRM パイプラインに新しい企業が追加されたときに、ディールメモの作成を開始できます。結果を Slack チャンネルや Notion データベースに送信できます
• Zapier — Zapier に接続すると、Salesforce、HubSpot、Affinity CRM で取引ステージが変更されたときに、ディールメモを自動で作成できます
• Make — 複数ステップの自動化シナリオを構築できます。受信したピッチデックのメール → 企業名の抽出 → ディールメモの作成 → Airtable の取引トラッカーへの追加
• LangChain / LlamaIndex — 複数のデータポイントを統合して LP 向けの説明文を作成する、AI 投資調査エージェントの検索拡張コンテキストソースとして、ディールメモの JSON を利用できます

トラブルシューティング

よく知られた企業のディールメモが空、またはスコアがゼロになります。 一部のデータソースでは、企業名の照合で大文字と小文字が区別され、完全一致が必要です。正式な法人名（例：「OpenAI」ではなく「OpenAI, Inc.」）を試してください。企業登記情報を検索する場合、登録名が商号と異なることがあります。

assess_innovation_velocity で、知的財産を積極的に扱う企業の特許が見つかりません。 特許データは、USPTO/EPO 登録簿の譲受人名に基づいて返されます。子会社や買収された企業は、異なる法人名で特許を出願していることがあります。親会社名、または OpenCorporates の出力にある事業体名を試してください。

ツールの呼び出しがタイムアウトするか、エラーが返されます。 各下流アクターのタイムアウトは 120 秒です。Apify プラットフォームの負荷が高い時間帯には、これを超えるアクターがある可能性があります。runActorsParallel 関数は Promise.allSettled() を使用するため、完了したアクターの部分的な結果は返されます。失敗したツールだけを個別に再試行してください。

結果の代わりに支出上限に達したというメッセージが返されます。 セッションまたはアカウントごとの支出上限に達しています。Account Settings で上限を引き上げるか、セッションごとのツール呼び出し回数を減らしてください。

技術的に高度な企業なのに、技術スタックの構成要素がごくわずかしか表示されません。 技術スタック検出ツールには、一般公開されている URL が必要です。ウェブサイトが厳格なボット対策（例：Cloudflare Under Attack Mode）の背後にある場合は、アプリのサブドメインではなく、マーケティング用サブドメイン（例：「https://www.company.com」）を指定してください。

責任ある利用

• この MCP がアクセスするのは、企業登記情報、特許データベース、GitHub、ArXiv、求人情報アグリゲーターから入手できる公開データのみです。
• 各データソースの利用規約および Apify プラットフォームの利用規約を遵守してください。
• 企業構造や役員のデータを使用して、個人に未承諾の連絡を行わないでください。
• このツールに基づく投資判断には、適切な法務、財務、技術面のデューデリジェンスを必ず併せて実施してください。
• 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's guide をご覧ください。

FAQ

スタートアップエコシステムのインテリジェンスは、案件ソーシングにおいてCrunchbaseやPitchBookとどう違いますか？ CrunchbaseとPitchBookは、創業者や投資家が自己申告したデータ（ラウンドの規模、評価額、チームの経歴など、企業側が管理する情報）を集約します。このMCPが測定するのは、特許出願、GitHubのコミット、採用傾向、学術研究の成果といった観察可能な行動です。この2つのアプローチは互いに補完し合います。行動面のデューデリジェンスにはこのMCPを、資金調達履歴の確認にはCrunchbaseやPitchBookをご利用ください。

Innovation Velocity Scoreは、初期段階のスタートアップについてどの程度正確ですか？ 精度は公開情報の量に左右されます。GitHubリポジトリが3件、ArXiv論文が1件あり、特許がないシード段階の企業は、スコアが低くなります。これはイノベーションが不足しているからではなく、公開されている根拠が少ないためです。このスコアは「イノベーションの総量」ではなく、「観察可能なイノベーションの成果」として捉えるのが適切です。公開活動が12か月以上あるシリーズA以降の企業で、最も信頼性が高くなります。

スタートアップエコシステムのインテリジェンスは、売上がまだない企業を評価できますか？ はい。特許出願、ArXivへの論文掲載、GitHubでの活動、求人情報は、売上が発生するずっと前から確認できます。スコアリングモデルは売上データを必要としません。特許を5件以上出願し、ArXivに論文を発表している売上前のディープテック企業は、イノベーションの速度が高く評価されます。

案件メモの生成にはどのくらい時間がかかりますか？ generate_deal_memoは、下流の8つのアクターをすべて並列で実行します。通常の実時間は60～90秒です。個別のツール（decode_hiring_signals、assess_innovation_velocity）は1～4つのアクターを実行し、通常20～40秒で完了します。

1回のセッションでスクリーニングできる企業数に上限はありますか？ 1回のセッションあたりに厳密な上限はありません。案件メモ1件あたり$0.045の場合、企業を100社スクリーニングすると$4.50かかります。費用に上限を設けるには、Apifyアカウントで支出上限を設定してください。大規模なバッチ処理パイプラインでは、対話型のMCPクライアントではなく、HTTP APIをご利用ください。

スタートアップエコシステムのインテリジェンスを使って、ポートフォリオ企業を継続的にモニタリングできますか？ はい。各ポートフォリオ企業について毎月decode_hiring_signalsとassess_innovation_velocityを実行し、戦略の変化を追跡できます。BUILDINGの企業がSCALINGに変わった場合、プロダクトマーケットフィットを示唆している可能性があります。イノベーション速度スコアが低下する一方で幹部採用が進んでいる場合は、ピボットや経営陣の交代を示している可能性があります。

投資調査に公開特許データ、GitHubのデータ、企業登記データを使用することは合法ですか？ はい。特許データベース（USPTO、EPO）、企業登記データベース（OpenCorporates）、GitHub（公開リポジトリ）、ArXivはいずれも、公開利用を前提として設計された公開データベースです。詳しくは、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。

企業がGitHubを利用していない場合、競争優位性のスコアにはどのような影響がありますか？ ネットワーク効果の項目（最大20ポイント）は0点になります。技術スタックと特許の項目には影響しません。特許を15件以上保有し、複雑な独自技術スタックを持つ企業であれば、GitHubを利用していなくても、競争優位性はSTRONGと評価される可能性があります。ただし、達成可能な最高スコアは100ではなく80になります。

案件メモの実行中に、8つのデータソースのうち1つが利用できない場合はどうなりますか？ runActorsParallelはPromise.allSettled()を使用するため、1つのアクターで障害が発生してもリクエスト全体は失敗せず、その項目について空の配列が返されます。スコアリングモデルはデータの欠落を0として扱うため、スコアが低くなる場合があります。利用可能なデータに基づく複合案件評価とともに、4つすべてのスコアリング項目が引き続きレスポンスに含まれます。

既存の案件管理CRMと連携できますか？ はい。HTTP API（上記のPython、JavaScript、cURLの例）を使えば、任意の連携レイヤーからMCPエンドポイントを呼び出せます。ノーコードでCRMと連携する場合は、ApifyプラットフォームでZapierおよびMakeのコネクターを利用できます。よく使われる方法として、Affinity、HubSpot、Salesforceで新しい案件が登録されたときに案件メモを生成し、複合スコアをカスタムフィールドに書き戻す方法があります。

改善にご協力ください

問題が発生した場合、Apify アカウントで実行の共有を有効にすると、問題のデバッグを迅速に進めるのに役立ちます。

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るため、より迅速に問題を修正できます。データはアクターの開発者にのみ表示され、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 タブで課題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案件ソーシングパイプラインについては、Apify プラットフォームからお問い合わせください。