Aviation Safety Risk

航空安全风险 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "aviation-safety-risk-mcp": {
      "url": "https://ryanclinton--aviation-safety-risk-mcp.apify.actor/mcp"
    }
  }
}

---

面向 AI Agent 的航空安全情报——此 MCP 服务并行查询 8 个实时政府数据源，并返回综合航空安全评分（0-100），涵盖航空公司安全缺陷、适航指令、航线天气风险、制裁风险和维修合规情况。专为航空保险公司、MRO 服务商、飞机租赁商和合规团队打造，让他们能够在 AI 工作流中使用结构化风险数据。

该服务提供 8 个 MCP 工具，可在 Claude、Cursor、Windsurf 或任何兼容 MCP 的 Agent 调用时自动运行。每个工具都会并行查询 NHTSA 安全记录、NOAA 天气警报、FEMA 灾害数据、OFAC 和 OpenSanctions 观察名单、Federal Register 适航指令、OpenCorporates 企业注册信息以及 Data.gov 航空数据集，然后应用评分算法，在 120 秒内返回结构化风险报告。

可以访问哪些数据？

数据点	来源	示例
📋 安全缺陷和召回模式	NHTSA Vehicle Safety	发动机／燃油／结构缺陷记录
⛈️ 航线天气威胁	NOAA Weather Alerts	雷暴、结冰、风切变、火山灰
🌪️ 影响机场的灾害事件	FEMA Disaster Alerts	飓风、地震、龙卷风灾害声明
🚫 OFAC SDN 制裁匹配	OFAC Sanctions Search	SDN 匹配评分、实体类型、SDN 条目
🌐 多司法管辖区观察名单命中项	OpenSanctions Search	100 多个国际制裁计划
🏢 航空公司所有权和企业结构	OpenCorporates	140 多个司法管辖区的企业注册信息
📜 适航指令和安全规则制定信息	Federal Register	紧急 AD、强制检查
🗄️ 政府航空安全数据集	Data.gov	NTSB 事故数据、FAA 安全记录
🔢 综合航空安全评分	评分引擎	0-100 风险评分、5 级结论
⚠️ 可执行的风险信号	所有来源	针对每项发现的通俗易懂信号列表
📊 多维风险细分	评分引擎	安全、天气、制裁、维修
💡 AI 生成的建议	评分引擎	停飞、合规审查、延误指导

为什么使用航空安全风险 MCP 服务？

人工开展航空安全研究既昂贵又耗时。合规分析师要查询单一机型的适航指令、交叉核查运营方是否涉及 OFAC 名单，并获取跨大西洋航线的 NOAA 天气信息，每次查询需要 3-4 小时，还得登录至少五个不同的政府门户。对于需要跟踪 200 架飞机机队 AD 合规情况的 MRO 公司，或每年为 20 家航空公司承保的保险公司而言，这些额外工作会累积成数周的研究时间。

此 MCP 服务可自动完成整个数据收集和评分流程。你的 AI Agent 只需调用一个工具，即可在 60-120 秒内收到结构化 JSON 报告，其中包含多维评分、风险信号和通俗易懂的建议，可直接用于保单决策、审计报告或合规工作流。

• 定时任务 — 每天、每周或按自定义间隔生成定期机队风险报告，以保持风险档案为最新状态
• API 访问 — 可直接通过 Python、JavaScript 或任何 HTTP 客户端调用工具，无需单独的 MCP 客户端
• 并行获取数据 — 同时查询全部 8 个数据源，而非依次查询，从而缩短响应时间
• 监控 — 当出现适航指令或制裁匹配项时，通过 Apify Webhook 接收 Slack 或电子邮件提醒
• 集成 — 通过 Webhook 将结果连接到 Zapier、Make、Google Sheets 或你的航空 SMS 平台

功能

• 综合航空安全评分（0-100）：根据四个加权维度计算，分别为航空公司安全缺陷（30%）、维修合规性（30%）、制裁风险（20%）和航线天气风险（20%）
• 五级判定系统——LOW_RISK、ACCEPTABLE、ELEVATED、HIGH_RISK、CRITICAL——对应不同的运营行动阈值
• 适航指令检测——使用 7 种关键词模式，从《联邦公报》文本中识别紧急 AD、强制检查、重复检查要求和不安全状况通知
• 安全关键缺陷分类——17 个 SAFETY_CRITICAL 关键词（fire、fuel、engine、hydraulic、structural、fatigue、crack、corrosion、wiring、landing gear、rudder、elevator、aileron、wing、fuselage、pressure、decompression）用于对安全数据库中的缺陷进行分类
• 航空天气威胁分类——14 个 AVIATION_THREATS 关键词（thunderstorm、turbulence、wind shear、icing、fog、visibility、volcanic ash、hurricane、tropical storm、tornado、hail、freezing rain、blizzard、crosswind）用于从 NOAA 警报中过滤出与航空相关的事件
• OFAC SDN 评分与匹配置信度——置信度达到 80% 以上的 SDN 匹配会触发 BLOCKED 状态；达到 60% 以上则触发 HIGH 风险
• OpenSanctions 多名单加权——出现在 2 个或更多制裁计划中的实体会获得双倍评分权重
• 企业司法管辖区风险标记——针对 9 个高风险司法管辖区（伊朗、朝鲜、叙利亚、古巴、克里米亚、俄罗斯、缅甸、白俄罗斯、DPRK），根据 OpenCorporates 数据标记企业所有权风险
• 相关模式检测——评分引擎可识别相关风险模式（例如，严重缺陷与紧急 AD 同时出现时，比单独出现其中任一项额外加 10 分）
• 通俗易懂的信号生成——每次评分增加都会生成具体、易读的信号字符串（例如，“3 项严重安全缺陷——火灾／结构／发动机问题”）
• 机队级和运营方级工具——fleet_risk_report 涵盖整个运营方；单项工具支持有针对性且经济高效的查询
• 八个并行数据源——所有 Actor 调用均通过 Promise.all() 并行运行，超时时间为 120 秒；单个数据源失败时可优雅回退
• 支出限额执行——每个工具都会在执行前检查 Actor.charge()；达到运行预算时会返回结构化错误

航空安全情报的用例

航空保险承保

承保航空公司机身险和责任险的保险公司及 Lloyd's 辛迪加需要快速、可审计的风险评分。使用 airline_safety_assessment 或 fleet_risk_report 为每家申请承保的航空公司生成综合安全评分。结构化输出涵盖安全缺陷、AD、制裁风险和天气模式，可直接用于承保模型，支持保费制定决策，无需数周的人工调研。

MRO 服务商合规监控

维修、修理和大修服务商必须跟踪其维修计划中每种航空器型号适用的有效适航指令。使用 airworthiness_directive_tracker 和 maintenance_compliance_check，按航空器型号从《联邦公报》中获取当前 AD，识别需要立即采取行动的紧急指令，并标记强制重复检查计划。每日自动执行此操作，让规划团队无需手动查询《联邦公报》即可掌握最新合规状态。

飞机出租方尽职调查

在签署租赁协议之前，出租方必须筛查潜在承租方的制裁风险并评估其安全记录。使用 aircraft_sanctions_screen 查询运营方在 OFAC、OpenSanctions 和企业注册信息中的记录，然后使用 airline_safety_assessment 进行全面风险评估。OpenCorporates 数据可揭示所有权链，并识别可能未出现在制裁名单上的已解散实体或来自高风险司法管辖区的实体。

航线规划与运营风险管理

规划跨大西洋、跨太平洋或极地航线的调度人员和飞行运营团队，需要在放行前获取最新的天气风险数据。使用 route_weather_risk 并输入航线字符串（例如 "JFK to LHR" 或 "North Atlantic"），即可获取 NOAA 发布的当前结冰、湍流、风切变和火山灰预警，以及有关区域基础设施影响的 FEMA 灾害数据。MARGINAL / IFR / GROUNDED 结论可直接对应飞行放行决策标准。

监管监督与机队基准评估

航空主管部门、行业分析师和安全顾问在对航空公司表现进行基准评估时，可使用 compare_airlines 为多家运营商生成安全、维护和制裁评分，并进行排名。使用 incident_pattern_analysis 可识别某家航空公司的缺陷或 AD 趋势是否随时间恶化，从而标记需要深入调查的航空公司。

航空安全与出口管制合规

向国际市场销售飞机零部件、航空电子设备或维护服务的公司，必须筛查买方和最终用户是否符合制裁规定。使用 aircraft_sanctions_screen 可针对每个新交易对手自动执行 OFAC 和 OpenSanctions 筛查。OpenSanctions 覆盖多个名单（100+ 项计划），可发现出现在欧盟、联合国或英国制裁名单上、但不在美国 OFAC 名单上的实体。

如何使用 Aviation Safety Risk MCP Server

1. 将 MCP 服务连接到你的 AI 客户端 — 将服务 URL https://aviation-safety-risk-mcp.apify.actor/mcp 添加到 Claude Desktop、Cursor 或 Windsurf 的 MCP 配置中。身份验证使用 Authorization 标头中的 Apify API token。
2. 向 AI Agent 提出安全问题 — 输入自然语言查询，例如“评估 Delta Air Lines 在跨大西洋航线上的安全风险”或“检查 Boeing 737 MAX 的适航指令”。Agent 会自动选择合适的工具。
3. 服务并行获取数据并评分 — 根据所用工具，会同时查询 1 到 8 个政府数据源。大多数工具会在 30-90 秒内返回结果。
4. 查看结构化 JSON 报告 — Agent 会呈现综合评分、各维度明细、具体风险信号和建议。可下载或记录原始 JSON，用于审计追踪或 CRM 集成。

MCP 工具

工具	价格	参数	描述
airline_safety_assessment	$0.045	entity、route（可选）	基于全部 8 个数据源进行完整的航空安全评估。返回综合安全评分及完整的各维度明细。
maintenance_compliance_check	$0.045	aircraft	维护合规审计：从 Federal Register 和安全数据库获取 AD、安全公告及强制检查信息。
route_weather_risk	$0.045	route	航线天气风险：从 NOAA 和 FEMA 获取雷暴、湍流、结冰、火山灰和能见度信息。
aircraft_sanctions_screen	$0.045	entity	根据 OFAC SDN、OpenSanctions（100+ 个名单）和企业登记信息筛查航空公司或运营商。
airworthiness_directive_tracker	$0.045	aircraft、keyword（可选）	追踪 Federal Register 中的 AD：紧急指令、强制检查和不安全状况通知。
incident_pattern_analysis	$0.045	entity	安全缺陷趋势、召回模式和监管行动频率，并提供评分和信号。
compare_airlines	$0.045	airline	单家航空公司的安全评分、维护合规性和制裁风险 — 用于基准评估。
fleet_risk_report	$0.045	operator、region（可选）	使用全部 8 个数据源生成完整的机队风险报告。提供综合航空风险评分（0-100），用于运营商层面的评估。

工具参数详情

参数	工具	类型	必填	描述
entity	airline_safety_assessment、aircraft_sanctions_screen、incident_pattern_analysis	字符串	是	航空公司、飞机制造商或运营商名称
route	airline_safety_assessment、route_weather_risk	字符串	可选 / 是	航线、机场代码或区域（例如，“JFK to LAX”、“North Atlantic”）
aircraft	maintenance_compliance_check、airworthiness_directive_tracker	字符串	是	飞机类型、型号或制造商（例如，“Boeing 737”、“Airbus A320”）
keyword	airworthiness_directive_tracker	字符串	否	用于缩小 AD 搜索范围的特定部件或系统（例如，“fuel system”、“landing gear”）
airline	compare_airlines	字符串	是	用于比较数据的航空公司名称
operator	fleet_risk_report	字符串	是	航空公司运营商或机队所有者名称
region	fleet_risk_report	字符串	否	用于天气和灾害背景信息的运营区域

连接示例

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "aviation-safety-risk": {
      "url": "https://aviation-safety-risk-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf（.cursor/mcp.json 或等效文件）：

{
  "aviation-safety-risk": {
    "url": "https://aviation-safety-risk-mcp.apify.actor/mcp",
    "headers": {
      "Authorization": "Bearer YOUR_APIFY_TOKEN"
    }
  }
}

输出示例

工具：对“Emirates”在“Dubai to New York”航线使用 airline_safety_assessment

{
  "entity": "Emirates",
  "compositeScore": 22,
  "verdict": "ACCEPTABLE",
  "airlineSafety": {
    "score": 11,
    "safetyRecalls": 2,
    "criticalDefects": 0,
    "regulatoryActions": 1,
    "riskLevel": "GOOD",
    "signals": []
  },
  "routeWeather": {
    "score": 30,
    "severeAlerts": 2,
    "disasterCount": 1,
    "flightImpact": 14,
    "riskLevel": "VFR",
    "signals": [
      "2 aviation weather alerts along route"
    ]
  },
  "sanctionsExposure": {
    "score": 0,
    "ofacHits": 0,
    "opensanHits": 0,
    "corporateFlags": 0,
    "riskLevel": "CLEAR",
    "signals": []
  },
  "maintenanceCompliance": {
    "score": 18,
    "adCount": 3,
    "safetyBulletins": 2,
    "complianceLevel": "COMPLIANT",
    "signals": []
  },
  "allSignals": [
    "2 aviation weather alerts along route"
  ],
  "recommendations": []
}

工具：对“Boeing 737 MAX”使用 airworthiness_directive_tracker，关键词为“fuel system”

{
  "aircraft": "Boeing 737 MAX",
  "adSummary": {
    "total": 7,
    "emergency": 1,
    "results": 12
  },
  "directives": [
    {
      "title": "Airworthiness Directives; The Boeing Company Model 737-8 and 737-9 Airplanes",
      "abstract": "This emergency AD requires replacement of the fuel shutoff valve assembly on affected aircraft...",
      "documentNumber": "2024-04-01",
      "publicationDate": "2024-02-15",
      "agencyName": "Federal Aviation Administration"
    }
  ]
}

输出字段

字段	类型	描述
entity	字符串	查询的航空公司、运营商或飞机
compositeScore	数字	综合航空安全评分 0-100（分数越高，风险越大）
verdict	字符串	LOW_RISK / ACCEPTABLE / ELEVATED / HIGH_RISK / CRITICAL
airlineSafety.score	数字	安全缺陷子评分 0-100
airlineSafety.safetyRecalls	数字	找到的安全召回记录总数
airlineSafety.criticalDefects	数字	与 17 个安全关键字匹配的缺陷数
airlineSafety.regulatoryActions	数字	找到的《联邦公报》适航行动数量
airlineSafety.riskLevel	字符串	EXCELLENT / GOOD / WATCH / CONCERN / CRITICAL
routeWeather.score	数字	天气风险子评分 0-100
routeWeather.severeAlerts	数字	与 14 个航空威胁关键字匹配的 NOAA 警报数
routeWeather.disasterCount	数字	航线所在区域的 FEMA 灾害声明数量
routeWeather.flightImpact	数字	预估运营影响评分 0-30
routeWeather.riskLevel	字符串	CLEAR / VFR / MARGINAL / IFR / GROUNDED
sanctionsExposure.score	数字	制裁风险子评分 0-100
sanctionsExposure.ofacHits	数字	置信度达到 60% 的 OFAC 匹配项
sanctionsExposure.opensanHits	数字	找到的 OpenSanctions 记录总数
sanctionsExposure.corporateFlags	数字	企业风险标记（高风险司法管辖区或已解散）
sanctionsExposure.riskLevel	字符串	CLEAR / LOW / MEDIUM / HIGH / BLOCKED
maintenanceCompliance.score	数字	维修合规子评分 0-100
maintenanceCompliance.adCount	数字	找到的适航指令数量
maintenanceCompliance.safetyBulletins	数字	要求采取纠正措施的安全服务通告数量
maintenanceCompliance.complianceLevel	字符串	EXEMPLARY / COMPLIANT / GAPS_FOUND / NON_COMPLIANT / CRITICAL
allSignals	字符串[]	汇总各维度风险信号的通俗英文描述
recommendations	字符串[]	可执行的建议（停飞、合规审计、延误）

运行航空安全评估的费用是多少？

Aviation Safety Risk MCP Server 采用按事件付费定价——每次工具调用收费 $0.045。费用包含 Apify 平台的计算成本。无订阅费、无月度最低消费，也不按席位收费。

场景	工具调用次数	每次调用费用	总费用
快速测试（单条航线天气检查）	1	$0.045	$0.045
承运人预筛查（制裁 + 安全）	5	$0.045	$0.225
每周机队监控（10 家运营商）	10	$0.045	$0.450
月度承保批次（50 家承运人）	50	$0.045	$2.25
年度合规计划（500 次查询）	500	$0.045	$22.50

你可以为每次运行设置最高支出限额来控制费用。达到预算后，服务会停止并返回结构化错误消息，不会产生意外超额费用。

Apify 免费套餐每月包含 $5 额度，可免费调用约 111 次工具。相比之下，商业航空安全数据订阅费用为每月 $500-2,000——本服务的大多数用户每月花费不到 $5，即可进行定向查询，且无需订阅承诺。

通过 API 使用 Aviation Safety Risk MCP

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

run = client.actor("ryanclinton/aviation-safety-risk-mcp").call(run_input={})

for item in client.dataset(run["defaultDatasetId"]).iterate_items():
    print(f"Entity: {item.get('entity')} | Score: {item.get('compositeScore')} | Verdict: {item.get('verdict')}")

直接调用 HTTP 工具（Python）：

import requests

response = requests.post(
    "https://aviation-safety-risk-mcp.apify.actor/mcp",
    headers={
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
    },
    json={
        "jsonrpc": "2.0",
        "method": "tools/call",
        "params": {
            "name": "airline_safety_assessment",
            "arguments": {
                "entity": "Frontier Airlines",
                "route": "Denver to Miami"
            }
        },
        "id": 1
    }
)
result = response.json()
report = result["result"]["content"][0]["text"]
print(report)

JavaScript

import { ApifyClient } from "apify-client";

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

const run = await client.actor("ryanclinton/aviation-safety-risk-mcp").call({});
const { items } = await client.dataset(run.defaultDatasetId).listItems();

for (const item of items) {
    console.log(`Entity: ${item.entity} | Score: ${item.compositeScore} | Verdict: ${item.verdict}`);
}

直接调用 HTTP 工具（JavaScript）：

const response = await fetch("https://aviation-safety-risk-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: "route_weather_risk",
            arguments: { route: "JFK to LHR" }
        },
        id: 1
    })
});
const data = await response.json();
console.log(data.result.content[0].text);

cURL

# Call the route_weather_risk tool directly
curl -X POST "https://aviation-safety-risk-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"route_weather_risk","arguments":{"route":"JFK to LAX"}},"id":1}'

# Call the fleet_risk_report tool
curl -X POST "https://aviation-safety-risk-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"fleet_risk_report","arguments":{"operator":"Southwest Airlines","region":"Gulf Coast"}},"id":2}'

Aviation Safety Risk MCP Server 的工作原理

并行收集 8 个政府数据源的数据

调用工具时，actor-client.ts 会通过 Promise.all() 向最多 8 个 Apify Actor 同时发送请求。每次 Actor 调用都使用 Actor.call()，超时时间为 120 秒，内存分配为 512 MB。失败或不可用的数据源会返回空数组，不会阻塞其他数据源，也不会导致整个请求失败。ACTOR_MAP 会将每个数据源名称映射到其 Apify Actor ID：NHTSA Vehicle Safety（Fsr9KKRWgNDOldQ2S）、FEMA Disaster Search（CcPQ8Kj5WyIVZYuv5）、NOAA Weather Alerts（BJTV7I8rfiNHa0PlD）、OFAC Sanctions（t398ffhJgct2clv9s）、OpenSanctions（6Zlkz0wjdXewfq3yK）、OpenCorporates（x0a1Q4g0MLc7h15Im）、Federal Register（8bZkbWKlXQrDq0ZgK）和 Data.gov（1pdOsFEBvCm5RzMfM）。

四维评分与综合汇总

scoring.ts 会针对收集到的数据运行四个独立的评分函数。每个函数都会使用关键词列表识别相关记录，计算设有最高上限的维度分数（安全缺陷为 35，监管行动为 30，天气为 30，制裁为 30），并在超过阈值时生成通俗易懂的信号说明。综合分数采用加权平均：航空公司安全（30%）+ 维护合规（30%）+ 制裁风险（20%）+ 航线天气（20%）。分配判定结果前会先将分数四舍五入为整数。

scoreAirlineSafety 和 scoreMaintenanceCompliance 中的相关模式检测器会在多个风险指标同时出现时增加奖励分数。两项或以上严重缺陷与至少一项紧急 AD 同时出现时，安全分数增加 10 分。三项或以上 AD 与三项或以上安全公告同时出现时，合规分数增加 5 分。这反映了行业共识：同时出现的安全信号通常表示系统性风险，而非孤立风险。

MCP 服务传输与待机模式

服务使用 @modelcontextprotocol/sdk v1.12.1 和 StreamableHTTPServerTransport 进行无状态请求处理——每次向 /mcp 发送 POST 请求时，都会创建新的服务实例和传输实例，处理请求后再关闭。此架构支持 actor.json 中定义的 Apify 待机模式（"usesStandbyMode": true），在该模式下，服务会在调用之间保持运行，并监听端口 ACTOR_STANDBY_PORT。在非待机模式下（例如直接运行 Actor 时），服务启动后会记录健康检查消息，并在 1 秒后正常退出。/mcp 端点路径在 actor.json 中声明为 "webServerMcpPath": "/mcp"，供 MCP 客户端自动发现。

获得最佳结果的技巧

1. 使用 airline_safety_assessment 进行初步筛查。 这项涵盖 8 个来源的完整评估仅需 $0.045，不到 5 美分，却能提供足够的多维数据，帮助判断是否有必要深入调查。只有在初始评分显示存在特定疑虑时，才运行定向工具（例如 airworthiness_directive_tracker）。

2. 提供航线背景，提升天气数据准确性。 调用 airline_safety_assessment 或 fleet_risk_report 时，传入 route 或 region 参数。否则，NOAA 和 FEMA 查询会默认使用实体名称，这通常会导致查不到天气数据。像 “North Atlantic” 或 “Gulf of Mexico” 这样的区域能提供相关性高得多的天气警报。

3. 在 airworthiness_directive_tracker 中使用具体的飞机型号。 与 “Boeing” 或 “737” 相比，“Boeing 737 MAX” 能返回更好的 Federal Register 结果。调查已知缺陷模式时，添加可选的 keyword 参数（例如 “rudder”、“fuel system”），可将结果缩小到特定部件。

4. 安排定期运行 fleet_risk_report 进行监控。 使用 Apify Schedules 为重点运营商每周执行机队评估。每次运行费用为 $0.045，为 10 家航空公司每周生成报告仅需 $0.45（每月 $1.80）——比分析师花同样时间进行一次研究的成本还低。

5. 建立任何新的业务关系前，结合使用 aircraft_sanctions_screen。 即使总体综合评分较低，制裁风险也值得单独核查。为新交易对手准入使用专用工具，而不要只依赖综合评估，因为其中较低的天气评分可能会稀释被 BLOCKED 的制裁信号。

6. 为自动化工作流设置支出上限。 集成到自动化合规管道时，请在 Apify 运行配置中设置 maxTotalChargeUsd。如果工作流意外循环，这样可以避免费用失控。

7. 记录 allSignals 和 recommendations，以保留审计轨迹。 这些字段专为直接纳入合规报告和审计文档而设计。信号文本足够具体，可直接引用（“3 个严重安全缺陷——涉及火灾／结构／发动机问题”），无需分析师进一步解读。

与其他 Apify actors 结合使用

Actor	组合方式
OFAC 制裁搜索	在 aircraft_sanctions_screen 标记潜在匹配项后，使用自定义匹配阈值执行额外的 OFAC 查询
Federal Register 搜索	获取 airworthiness_directive_tracker 识别出的特定适航指令编号对应的完整 AD 文档文本
NOAA 天气警报	在 route_weather_risk 标记 IFR 或 GROUNDED 状况后，获取特定机场或天气区域的原始警报数据
OpenSanctions 搜索	深入调查被识别为潜在制裁匹配项的特定实体，核查其出现于哪些数据集
公司深度研究	为 airline_safety_assessment 标记的航空公司生成全面的公司情报报告
Waterfall 联系人信息补全	补全通过机队风险筛查识别的航空运营商联系人信息，用于合规联络
B2B 潜在客户筛选器	通过安全基准评估识别航空服务提供商后，使用合格潜在客户模型为其评分

局限性

• NHTSA 数据用于航空模式分析，而非原生 FAA 数据库。 安全缺陷和召回模式评分使用 NHTSA Vehicle Safety 数据作为航空安全趋势的代理。对于飞机专属的适航数据，Federal Register AD tracker 是权威来源。目前尚未涵盖直接的 NHTSA 航空数据（SDRS/SDR）。
• 未直接集成 FAA 事故数据库（ASIAS/NTSB）。 该服务可访问 Federal Register AD、Data.gov 数据集和安全模式代理数据，但不会直接查询 NTSB 事故数据库、FAA Aviation Safety Information Analysis and Sharing（ASIAS）或 Aviation Safety Hotline。
• 天气数据以美国为中心。 NOAA 对美国空域及邻近海洋区域的覆盖最完善。要获取详细的国际航线天气信息（欧洲、亚洲航线），还需增加其他数据源。
• 制裁筛查的匹配结果需要人工审核。 OFAC 和 OpenSanctions 的匹配结果会按置信度评分，但名称匹配算法可能产生误报。任何 HIGH 或 BLOCKED 结果都应由具备资质的制裁合规专员审核后再采取行动。
• Federal Register AD 存在发布延迟。 紧急 AD 通常会在发布后 24-48 小时内出现在 Federal Register 中。该系统不能替代直接订阅 FAA AD 通知服务来实时跟踪 AD。
• 没有机队注册数据。 该服务无法确定特定承运人运营的某一机型飞机数量，也无法验证当前适航证状态。未包含 FAA 飞机注册处提供的机队规模和注册数据。
• Data.gov 航空数据集的覆盖范围不一。 Data.gov 航空数据集的质量和时效性取决于相关机构的更新频率。有些数据集每年更新一次，另一些则接近实时更新。
• 综合评分权重固定。 30/30/20/20 的权重（安全/维护/制裁/天气）适用于通用航空风险评估。有特定权重需求的用户（例如，将天气权重设为 40% 的货运保险公司）应对各维度评分进行后处理，而不是依赖综合评分。

集成

• Zapier — 按计划触发 fleet_risk_report，并将高风险结果推送到 Slack、电子邮件或合规工单系统
• Make — 构建自动化 AD 监控工作流，每周检查 Federal Register 是否发布新的适航指令
• Google Sheets — 将所有受监控运营商的机队风险评分导出到实时 Google Sheet，以供管理仪表板使用
• Apify API — 无需 MCP 客户端，即可在 Python 或 JavaScript 合规管道中直接调用 MCP 工具
• Webhooks — 返回 CRITICAL 判定或 BLOCKED 制裁评分时，向短信、航空安全管理系统或 Slack 频道发送警报
• LangChain / LlamaIndex — 将航空安全数据作为 RAG 工作流中的检索工具，为 AI 辅助法规研究和合规问答提供支持

故障排除

• 已知存在高风险实体，但工具返回的信号为空。 评分算法依赖于在政府公开数据库中找到实体名称匹配项。对于有多个名称的航空公司（DBA 名称与法定实体名称），请尝试母公司名称、ICAO 航空公司代码的拼写，或运营商的正式法定实体名称。例如，搜索“Spirit Airlines”可能会返回与搜索“Spirit Aviation Holdings”不同的结果。

• 已知发生天气事件，但航线天气工具返回 CLEAR。 NOAA 警报的覆盖情况取决于搜索查询是否匹配警报中的地理描述。请尝试更具体的地区名称（“Gulf of Mexico”“Caribbean”）或机场代码（“MIA”“IAH”），而不是城市名称。FEMA 灾害数据对已宣布的联邦灾害覆盖最充分，可能无法涵盖当地天气事件。

• 某实体已知在某名单上，但制裁筛查未返回结果。 OpenSanctions 和 OFAC 的名称匹配采用模糊匹配，但对音译和缩写较为敏感。请尝试该实体名称的多个变体——英文拼写、本地拼写和已知别名。如果该实体仅通过 ICAO 代码或注册号为人所知，制裁搜索可能无法匹配。

• 工具在 120 秒后超时。 单个 Actor 调用的超时时间为 120 秒。如果某个数据源响应缓慢，该数据源的超时不会显示提示，并会返回空数组——不会阻塞其他数据源。多个数据源同时完全超时可能导致结果不完整。请重试请求；临时 API 负载通常会在几分钟内恢复。

• 批处理中途出现达到支出限额的错误。 如果看到 "eventChargeLimitReached": true，说明本次运行的支出限额在工具执行前已达到。请在 Apify 运行配置中提高 maxTotalChargeUsd，或减少每个会话中运行的工具数量。

负责任地使用

• 此服务仅访问来自美国政府数据库（Federal Register、NOAA、FEMA、OFAC、Data.gov）和开放企业注册机构的公开数据。
• 在采取任何商业行动之前，必须由合格的合规官员审查制裁筛查结果。此服务不构成法律合规建议。
• 航空安全决策——包括停飞、取消航线或拒绝租赁——必须由合格的航空安全专业人员参与制定。此服务提供决策支持情报，而非监管认定。
• 不得仅依据国籍或所有权，在缺乏实质性佐证的情况下，利用筛查结果歧视航空公司。
• 有关网页抓取和数据使用合法性的指南，请参阅 Apify 的指南。

常见问题

此 MCP 服务中的航空安全风险评分如何运作？ 该服务并行运行四种评分模型：航空公司安全缺陷（最多 35 个召回模式分 + 30 个监管行动分）、维修合规性（AD 数量、紧急指令、强制检查）、航线天气风险（NOAA 航空威胁警报 + FEMA 灾害数据）以及制裁风险（OFAC 匹配置信度 + OpenSanctions 多名单 + 企业司法管辖区标记）。最终的 0-100 分由加权综合平均值计算得出。分数高于 80 时触发 CRITICAL 状态；60-79 分时触发 HIGH_RISK 状态。

适航指令的检测准确度如何？ airworthiness_directive_tracker 和 maintenance_compliance_check 工具会使用 7 种关键词模式搜索 Federal Register 文本：“airworthiness directive”“ad ”“emergency ad”“unsafe condition”“mandatory inspection”“mandatory replacement”和“grounding”。任何匹配这些模式的 Federal Register 条目都会被计为 AD。这种方法可以捕获所有已发布的 AD，但也可能包含仅提及 AD、却未发布新 AD 的监管通知。如需确认最终的 AD 合规状态，请将 Federal Register 的搜索结果与 FAA 的官方 AD 数据库交叉核对。 此 MCP 服务是否访问实时 FAA 安全数据？ Federal Register 数据反映已发布的条目；对于紧急 AD，这些条目通常会在 FAA 发布后 24-48 小时出现。NOAA 天气警报接近实时（每隔几分钟更新）。FEMA 灾害声明反映正式宣布的紧急情况。此服务不会直接访问 FAA 的实时 Safety Data (SDRS) 系统、ASIAS 或 NTSB 事故数据库。

这与 Aviation Safety Network 或 FlightAware 数据有何不同？ Aviation Safety Network 提供历史事故和事件记录。FlightAware 提供实时航班跟踪和延误数据。此 MCP 服务从政府数据库提供合规情报，包括适航指令、制裁筛查、维护合规情况和监管行动模式。它面向承保人、租赁方、MRO 服务提供商和合规团队，而非面向乘客的航班跟踪。

我可以在一次运行中筛查多家航空公司吗？ 每次工具调用处理一个实体。若要筛查 10 家航空公司，需要调用 10 次 airline_safety_assessment，每次 $0.045（总计 $0.45）。没有批量输入参数。如需批量处理，可在应用代码中循环调用 Apify API，或使用 Apify Schedules 在夜间按顺序运行评估。

将这些数据用于制裁合规筛查是否合法？ 合法。所有数据源均为公开的美国政府数据库。OFAC 发布 SDN 名单，专门用于合规筛查。OpenSanctions 汇总了政府公开发布的观察名单。将这些数据用于监管合规筛查，正是这些公共数据库的预期用途。有关一般背景，请参阅 Apify 关于网页抓取合法性的指南。

一次典型的工具调用需要多长时间？ 单一来源工具（route_weather_risk、airworthiness_directive_tracker）通常会在 15-45 秒内返回。查询全部 8 个来源的多源工具（airline_safety_assessment、fleet_risk_report）通常会在 45-120 秒内返回，具体取决于各底层 Actor 的响应速度。所有来源均并行查询，因此总耗时取决于最慢的来源，而非各来源耗时之和。

我可以安排定期航空安全监控吗？ 可以。使用 Apify Schedules，为你投资组合中的每个运营方设置每日、每周或每月触发一次 fleet_risk_report。结合使用 Apify Webhooks，可自动将 CRITICAL 或 HIGH_RISK 判定推送到安全管理系统或 Slack 频道。每周检查 10 家承运人只需 $0.45，不需要额外基础设施。

如果发现 OFAC 或制裁匹配项，会发生什么？ 任何置信度评分达到 80% 以上的 OFAC SDN 匹配项都会返回 riskLevel: "BLOCKED"，并提供会触发 CRITICAL 判定的 compositeScore。原始 OFAC 匹配记录会包含在响应的 ofacResults 下，供人工审核。此服务不会阻止业务运营，而是返回结构化数据供人工决策。采取行动前，应由具备资质的制裁合规专员审核所有 BLOCKED 或 HIGH 制裁结果。

如何标记企业的司法管辖区风险？ 系统会将该实体的 OpenCorporates 数据与 9 个高风险司法管辖区进行核对：伊朗、朝鲜（DPRK）、叙利亚、古巴、克里米亚、俄罗斯、缅甸和白俄罗斯。任何匹配项都会计入 corporateFlags。非活跃或已解散的实体也会增加标记计数。即使实体本身未出现在观察名单中，这也能发现出租方或运营方与受制裁司法管辖区存在隐秘关联的受益所有权结构。 这个 MCP 服务可以用于 LangChain 或 LlamaIndex 工作流吗？ 可以。任何兼容 MCP 的客户端都可以连接到该服务。对于 LangChain，可使用 MCP 工具适配器，将 8 个工具作为可调用函数公开。对于 LlamaIndex，可使用 FunctionTool 包装器，直接调用 /mcp 端点发起 HTTP 请求。结构化 JSON 输出专为大模型直接使用而设计，其中的评分、信号和建议都经过格式化，可直接进行自然语言总结，无需额外解析。

尝试航空安全风险评分的最低费用是多少？ 调用一次 route_weather_risk 或 airworthiness_directive_tracker 的费用为 $0.045。Apify 免费套餐每月包含 $5 额度，约可用于 111 次工具调用。新注册的 Apify 账户可以在免费套餐额度内免费测试该服务。

帮助我们改进

如果遇到问题，可在 Apify 账户中启用运行共享，帮助我们更快排查问题：

1. 前往 账户设置 > 隐私
2. 启用 与公开 Actor 创建者共享运行记录

这样一来，出现问题时我们就能查看运行详情，从而更快修复问题。你的数据仅对 Actor 开发者可见，不会公开。

支持

发现 Bug 或有功能需求？请在此 Actor 页面上的 Issues 选项卡中提交问题。有关定制集成、企业许可或更多航空数据源覆盖范围，请通过 Apify 平台联系我们。