Corporate Political Exposure

企业政治风险敞口 MCP 服务

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速入门

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

{
  "mcpServers": {
    "corporate-political-exposure-mcp": {
      "url": "https://ryanclinton--corporate-political-exposure-mcp.apify.actor/mcp"
    }
  }
}

---

通过 Model Context Protocol 为 AI Agent 提供企业政治风险敞口情报。此 MCP 服务并行查询 11 个联邦及国际数据源——参议院游说、FEC 竞选财务、国会议员股票交易、FARA 外国代理人登记、SAM.gov 合同、USAspending、OFAC 制裁、OpenSanctions 和 OpenCorporates——并应用 5 种专有评分模型，生成综合 政治风险敞口评分（0-100）。

此工具专为合规团队、ESG 分析师、投资尽职调查工作流，以及需要按需获取结构化政治风险情报的 AI Agent 而设计。无需订阅，也无需手动研究——调用工具，即可获取评分后的 JSON 结果。

可以访问哪些数据？

数据点	来源	覆盖范围
📋 游说登记和支出	参议院游说披露（LD-1/LD-2）	所有申报人、所有季度
💰 政治捐款、金额和受款人	FEC 竞选财务	完整的 FEC 公共数据库
📈 国会议员股票交易	STOCK Act 披露	所有已申报交易
🌐 外国代理人登记	FARA 外国代理人	所有 FARA 登记
🏛️ 立法法案和提案人	国会法案	当前及近期届次
📰 监管行动和规则制定	Federal Register	行政命令、规则、通知
🏗️ 联邦合同登记	SAM.gov	所有登记
💵 联邦支出和拨款	USAspending	所有拨款义务
🚨 美国财政部制裁匹配	OFAC SDN 名单	特别指定国民
🌍 全球 PEP 和观察名单匹配	OpenSanctions	100 多个筛查项目
🏢 企业登记和实体数据	OpenCorporates	140 多个司法管辖区

MCP 工具

工具	价格	数据源	返回内容
political_exposure_scan	$2.00	5 个来源	游说数量、FEC 数量、国会议员交易、制裁标记——快速风险摘要
lobbying_activity_report	$2.00	1 个来源（深度）	主要游说公司、主要议题、申报数量——完整游说活动分析
campaign_finance_map	$2.00	1 个来源（深度）	前 15 名受款人、总金额、捐款数量——竞选财务图谱
congressional_interest_check	$2.00	2 个来源	买入/卖出交易数量、看涨/看跌/混合情绪、相关法案
foreign_influence_screen	$2.00	4 个来源	外国影响力评分（0-100）、FARA 数量、OFAC/制裁匹配、企业实体
legislative_threat_assessment	$2.00	6 个来源	立法威胁评分（-100 至 +100）、方向标签、法案分析
government_revenue_dependency	$2.00	4 个来源	政治依赖评分（0-100）、合同数量、联邦拨款总额
influence_network_graph	$5.00	全部 11 个来源	综合政治风险敞口评分（0-100）、5 项维度评分、等级、建议

为什么使用此 MCP 评估企业政治风险？

手动开展政治尽职调查，需要搜索 FEC 网站、参议院游说数据库、FARA 注册表、SAM.gov、USAspending 以及多个制裁名单——这些来源的界面、下载格式和更新周期各不相同。调查一家公司的信息需要 4-8 小时。若要调查 50 家公司的投资组合，就会变成一项专门的研究项目。

此 MCP 服务会并行分发所有查询，整合来自各个来源的数据，使用有据可查的公式为每个维度评分，并在 30-120 秒内返回结构化 JSON。你的 AI Agent 或应用会获得可用于采取行动的风险评分，而不是一堆需要自行解读的原始政府数据。

• 计划任务 — 通过 Apify 按每日、每周或每月计划定期监控政治风险敞口
• API 访问 — 使用令牌从 Python、JavaScript、n8n 或任何 HTTP 客户端触发
• 代理轮换 — 查询通过 Apify 基础设施运行；你无需处理 IP 封锁或速率限制
• 监控 — 配置运行失败或评分超过阈值时发送 Slack 或电子邮件提醒
• 集成 — 将结果推送到 Zapier、Make、HubSpot 或任何 webhook 端点

功能

• 5 种专有评分模型 — 政治依赖度（0-100）、影响力网络密度（0-100）、立法威胁／机遇（-100 至 +100）、外国影响力风险敞口（0-100）和旋转门指数（0-100）
• 加权综合评分 — 外国影响力（25%）+ 政治依赖度（25%）+ 影响力网络（20%）+ 旋转门（15%）+ 立法威胁（15%），得出单一且有据可依的评分
• 11 个数据源，全部并行查询 — influence_network_graph 工具会同时查询全部 11 个对象，并汇总结果；没有顺序执行的瓶颈
• 按调用计费 — 每次工具调用都会先检查 Actor.charge()；支出上限在工具级别而非运行级别执行
• 制裁升级逻辑 — 任何 OFAC 或 OpenSanctions 匹配都会自动将立法威胁评分提高 -30，并将外国影响力评分提高 20-30 分，无论其他信号如何
• 多渠道加分 — 当 3 个或更多不同影响渠道（游说、竞选资金、国会交易、外国代理人）同时活跃时，影响力网络模型会加 10 分
• 国会情绪检测 — 对 STOCK Act 交易进行买入／卖出比率分析，以 2:1 的比率阈值和至少 3 笔交易为条件，将国会情绪分类为看涨、看跌或混合
• 法案方向分类 — 扫描法案标题中的 10 个支持类关键词（支持、促进、投资、激励、授权）和 6 个限制类关键词（限制、禁止、封禁、监管、执法、处罚），以判断立法环境
• 旋转门模式检测 — 游说活动活跃且存在政府合同，会触发“合同与游说强化循环”发现；FARA 与国内游说相结合，则会触发“国际旋转门”检测
• 综合等级标签 — 极高政治风险敞口（70+）、高（50-69）、中（30-49）、低（0-29），并附有相应的可执行建议
• 无状态 MCP 传输 — 在 Apify Standby 模式下通过 /mcp 使用 StreamableHTTP 运行；每个请求完全隔离，不共享会话状态

企业政治风险情报的使用场景

ESG 治理与机构报告

资产管理公司和养老基金的 ESG 治理团队需要标准化的投资组合公司政治风险敞口指标。influence_network_graph 工具可提供评分后的结构化输出，直接对应 ESG 框架中的治理支柱。可按季度对持仓列表运行该工具，并跟踪评分变化，将其作为政治风险变化的先行指标。

并购政治尽职调查

在交割前对收购目标进行尽职调查的顾问，需要在交易定价前揭示隐藏的政治依赖关系和影响力关系。运行 government_revenue_dependency，量化联邦收入集中度；运行 foreign_influence_screen，排查 FARA 和制裁风险；运行 influence_network_graph，获取综合视图。较高的政治风险敞口评分可作为谈判筹码，也意味着披露义务。

投资研究与国会 Alpha 信号

量化分析师和股票研究人员将国会股票交易视为立法意图的前瞻信号。congressional_interest_check 工具会返回原始买入／卖出数量，以及针对任意公司的 BULLISH/BEARISH/MIXED 情绪分类。结合 legislative_threat_assessment，可揭示议员是否在有利或限制性立法出台前提前布局。

反腐败与 KYB 合规筛查

对手方、供应商和合作伙伴进行了解你的业务（KYB）筛查的合规官，需要发现外国影响力关联和与 PEP 相关的关系。foreign_influence_screen 工具会同时查询 FARA、OFAC 和 OpenSanctions，并返回外国影响力风险敞口评分，以及每个来源的单项发现。

政府事务策略与监测

面临监管风险的公司，其政府事务团队需要持续跟踪立法环境。legislative_threat_assessment 工具会根据实时国会法案数据和《联邦公报》动态，将当前法案形势分类为 STRONG OPPORTUNITY、MILD OPPORTUNITY、NEUTRAL、MILD THREAT 或 SEVERE THREAT。

竞争情报与游说基准分析

企业和行业协会的策略团队会将自身政治影响活动与竞争对手进行基准比较。在一个行业内，对多家公司运行 lobbying_activity_report 和 campaign_finance_map，并排比较其游说公司关系、议题覆盖范围和竞选财务总额。

如何连接此 MCP 服务

第 1 步：获取 Apify API 令牌

登录 console.apify.com，前往 Settings > Integrations，然后复制 API 令牌。

第 2 步：添加到 Claude Desktop

将以下内容添加到 claude_desktop_config.json：

{
  "mcpServers": {
    "corporate-political-exposure": {
      "url": "https://corporate-political-exposure-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

第 3 步：配置 AI 客户端

此 MCP 服务可与 Claude Desktop、Cursor、Windsurf、Cline、Continue 及其他任何兼容 MCP 的客户端配合使用。使用相同的端点 URL 和 Authorization 标头模式。

第 4 步：调用工具

向 AI 助手提问：“对 Raytheon Technologies 进行政治风险敞口扫描”，Agent 将自动调用 political_exposure_scan。如需完整评估，可要求对任意公司生成*“影响力网络图”*。

MCP 工具参考

所有工具均接受 companyName: string。标有 sector 的工具还接受可选参数 sector: string，用于扩大立法法案搜索范围。

工具	输入	返回内容
political_exposure_scan	companyName	来自 5 个来源的申报数量、制裁命中情况和有效风险标记
lobbying_activity_report	companyName	申报总数、前 10 名公司、前 10 项游说议题
campaign_finance_map	companyName	捐款总数、捐款总额、前 15 名受款人
congressional_interest_check	companyName、sector	交易买入/卖出数量、BULLISH/BEARISH/MIXED 情绪、相关法案
foreign_influence_screen	companyName	外国影响力评分 0-100、FARA/OFAC/制裁数量
legislative_threat_assessment	companyName、sector	立法威胁评分 -100 至 +100、方向标签、法案分析
government_revenue_dependency	companyName	政治依赖评分 0-100、合同数量、联邦授予总额
influence_network_graph	companyName、sector	综合评分、全部 5 个维度模型、等级、建议

快速示例 — 完整评估：

{ "companyName": "Lockheed Martin", "sector": "defense" }

输出示例

influence_network_graph 工具会返回如下结构化 JSON：

{
  "company": "Northrop Grumman",
  "politicalExposureScore": 74,
  "grade": "EXTREME POLITICAL EXPOSURE",
  "models": {
    "politicalDependency": {
      "score": 85,
      "label": "HEAVILY DEPENDENT",
      "findings": [
        "24 SAM.gov contract records — heavy government contract dependency",
        "$2400M in federal awards — extreme government revenue dependency",
        "14 Federal Register references — high regulatory exposure",
        "7 relevant congressional bills — legislative dependency"
      ]
    },
    "influenceNetwork": {
      "score": 72,
      "label": "DEEP NETWORK",
      "findings": [
        "28 lobbying filings — extensive political influence operation",
        "22 FEC contribution records — major political donor",
        "12 congressional stock trades — high lawmaker interest",
        "4 influence channels active — sophisticated political operation"
      ],
      "channels": ["lobbying", "campaign finance", "congressional trading", "foreign agents"]
    },
    "legislativeThreat": {
      "score": 15,
      "direction": "MILD OPPORTUNITY",
      "findings": [
        "Congressional BULLISH: 9 buys vs 3 sells — lawmakers see opportunity",
        "5 supportive vs 1 restrictive bill(s) — favorable legislative environment",
        "28 lobbying filings — industry actively shaping legislation"
      ]
    },
    "foreignInfluence": {
      "score": 35,
      "riskLevel": "MODERATE FOREIGN RISK",
      "findings": [
        "3 FARA registrations — multiple foreign agent ties",
        "6 foreign corporate entities — complex international structure"
      ]
    },
    "revolvingDoor": {
      "score": 65,
      "label": "REVOLVING DOOR ACTIVE",
      "findings": [
        "High lobbying + government contracts — strong revolving door pattern",
        "FARA registrations + domestic lobbying — international revolving door detected",
        "Congressional stock trading + campaign contributions — deep political-corporate ties",
        "Federal awards + active lobbying — contract-lobbying reinforcement loop",
        "5/5 political influence channels active — revolving door ecosystem"
      ]
    }
  },
  "recommendation": "Extreme political exposure. Multiple foreign influence channels, heavy government dependency, and active revolving door patterns. Critical ESG and compliance review required.",
  "dataSources": {
    "lobbying": 28,
    "fecContributions": 22,
    "congressStockTrades": 12,
    "faraRegistrations": 3,
    "congressBills": 8,
    "federalRegister": 14,
    "samContracts": 24,
    "usaSpending": 18,
    "ofacResults": 0,
    "openSanctions": 0,
    "openCorporates": 12
  }
}

输出字段

字段	类型	描述
company	string	查询的公司名称
politicalExposureScore	number	综合评分 0-100；分数越高，暴露程度越高
grade	string	标签：LOW / MODERATE / HIGH / EXTREME POLITICAL EXPOSURE
recommendation	string	根据综合评分等级提供的可执行建议
models.politicalDependency.score	number	政治依赖评分 0-100
models.politicalDependency.label	string	INDEPENDENT / LIGHTLY / MODERATELY / HEAVILY DEPENDENT
models.politicalDependency.findings	string[]	对评分有贡献的具体数据点
models.influenceNetwork.score	number	影响力网络密度评分 0-100
models.influenceNetwork.label	string	MINIMAL / LIGHT / ACTIVE / DEEP NETWORK
models.influenceNetwork.channels	string[]	检测到的活跃影响渠道
models.legislativeThreat.score	number	立法威胁/机遇评分 -100 至 +100
models.legislativeThreat.direction	string	SEVERE THREAT / MILD THREAT / NEUTRAL / MILD OPPORTUNITY / STRONG OPPORTUNITY
models.foreignInfluence.score	number	外国影响力暴露评分 0-100
models.foreignInfluence.riskLevel	string	MINIMAL / LOW / MODERATE / HIGH FOREIGN RISK
models.revolvingDoor.score	number	旋转门指数 0-100
models.revolvingDoor.label	string	NO SIGNALS / MILD SIGNALS / REVOLVING DOOR SIGNALS / REVOLVING DOOR ACTIVE
dataSources.*	number	各数据源返回的原始记录数量

评分模型的工作原理

政治依赖评分（0-100）

衡量对联邦政府收入来源的依赖程度。该模型根据 SAM.gov 合同记录数量评分（20 条以上记录最多得 30 分）、USAspending 的总义务金额（超过 $100M 的授予最多得 25 分）、作为监管依赖代理指标的《联邦公报》提及次数（10 条以上最多得 15 分），以及国会法案相关性（5 项以上法案最多得 10 分）。评分上限为 100。标签：INDEPENDENT（0-9）、LIGHTLY DEPENDENT（10-34）、MODERATELY DEPENDENT（35-59）、HEAVILY DEPENDENT（60-100）。

影响力网络密度评分（0-100）

反映有多少种政治影响渠道同时活跃。各渠道分别计分：游说（20 份及以上备案，最高 25 分）、FEC 捐款（20 条及以上记录，最高 25 分）、国会议员股票交易（10 笔及以上交易，最高 20 分）、FARA 注册（只要存在即得 15 分）；当 3 种或更多渠道活跃时，额外加 10 分的多渠道奖励。标签：影响网络极少（0-9）、影响网络较少（10-34）、影响网络活跃（35-59）、影响网络深入（60-100）。

立法威胁／机遇评分（-100 至 +100）

使用四种信号类型对当前立法环境进行分类。国会交易买入／卖出比例达到 2:1 多数门槛时，计入 ±25 分。法案标题关键词分析（支持性与限制性）计入 ±20 分。联邦公报发布量较大时计入 -10 分。游说活跃表明行业参与时计入 +10 分。任何 OFAC 或 OpenSanctions 匹配项，无论其他信号如何，都会立即计入 -30 分。

外国影响力暴露评分（0-100）

检测与外国政府及国际事务的关联。FARA 注册根据数量计入 10-35 分。OFAC 制裁匹配项固定计入 30 分。OpenSanctions 匹配项计入 20 分。外国企业实体（OpenCorporates 中非美国司法管辖区的实体）达到 5 家及以上时，最高计入 15 分。标签：极少（0-4）、低（5-24）、中等（25-49）、外国风险高（50-100）。

旋转门指数（0-100）

通过行为交叉信号，而非直接查询高管，检测政府与企业之间的人事流动模式。游说活跃度高且拥有政府合同，计入 30 分，作为“合同—游说强化循环”信号。FARA 注册与国内游说同时存在，计入 20 分，作为“国际旋转门”信号。国会议员股票交易与 FEC 捐款同时存在，计入最高 20 分，作为“深层政治—企业联系”信号。联邦拨款与活跃游说同时存在，计入 15 分。5 种影响渠道中有 4 种及以上同时活跃，额外计入 15 分，标记为“旋转门生态系统”。

综合政治暴露评分

加权平均值：外国影响力（25%）+ 政治依赖度（25%）+ 影响力网络（20%）+ 旋转门（15%）+ 反向转换并归一化后的立法威胁（15%）。立法威胁评分经过映射，因此最高机遇（+100）对综合评分的贡献为 0，最高威胁（-100）的贡献为 100，从而确保综合评分方向一致——分数越高，暴露程度越高。

评估企业政治暴露需要多少费用？

此 MCP 服务采用按事件付费，不收取订阅费。单个工具每次调用费用为 $2.00。完整的 influence_network_graph 评估费用为 $5.00，因为它会同时运行全部 11 个数据源。

场景	工具	费用
快速测试——单次扫描	political_exposure_scan	$2.00
单次深度评估	influence_network_graph	$5.00
投资组合筛查（10 家公司，快速扫描）	political_exposure_scan x10	$20.00
投资组合评估（10 家公司，完整评估）	influence_network_graph x10	$50.00
季度监控（50 家公司，完整评估）	influence_network_graph x50	$250.00

你可以在 Apify 中为每次运行设置最高支出限额以控制费用。服务会在每次执行工具前检查此限额，如果达到限额，则返回友好的错误信息。Apify 免费套餐每月包含 $5 的平台额度，可免费完成一次 political_exposure_scan，或抵扣部分完整评估费用。

直接使用 API

Python

from apify_client import ApifyClient

client = ApifyClient("YOUR_API_TOKEN")

run = client.actor("ryanclinton/corporate-political-exposure-mcp").call(run_input={})

# Or call via HTTP POST to the MCP endpoint after the actor is in Standby mode
import requests

response = requests.post(
    "https://corporate-political-exposure-mcp.apify.actor/mcp",
    headers={
        "Authorization": "Bearer YOUR_API_TOKEN",
        "Content-Type": "application/json",
    },
    json={
        "jsonrpc": "2.0",
        "method": "tools/call",
        "params": {
            "name": "influence_network_graph",
            "arguments": {"companyName": "Palantir Technologies", "sector": "defense"}
        },
        "id": 1,
    },
)
result = response.json()
print(f"Political Exposure Score: {result['result']['content'][0]['text']}")

JavaScript

import fetch from "node-fetch";

const response = await fetch(
    "https://corporate-political-exposure-mcp.apify.actor/mcp",
    {
        method: "POST",
        headers: {
            "Authorization": "Bearer YOUR_API_TOKEN",
            "Content-Type": "application/json",
        },
        body: JSON.stringify({
            jsonrpc: "2.0",
            method: "tools/call",
            params: {
                name: "influence_network_graph",
                arguments: { companyName: "Palantir Technologies", sector: "defense" },
            },
            id: 1,
        }),
    }
);

const data = await response.json();
const parsed = JSON.parse(data.result.content[0].text);
console.log(`Score: ${parsed.politicalExposureScore} — ${parsed.grade}`);
console.log(`Recommendation: ${parsed.recommendation}`);

cURL

# Call the influence_network_graph tool
curl -X POST "https://corporate-political-exposure-mcp.apify.actor/mcp" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "influence_network_graph",
      "arguments": {"companyName": "Lockheed Martin", "sector": "defense"}
    },
    "id": 1
  }'

# Quick scan (faster, $2.00)
curl -X POST "https://corporate-political-exposure-mcp.apify.actor/mcp" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "political_exposure_scan",
      "arguments": {"companyName": "Boeing"}
    },
    "id": 2
  }'

获得最佳结果的提示

1. 对立法工具使用 sector。 congressional_interest_check 和 legislative_threat_assessment 工具接受可选的 sector 参数。对于 ExxonMobil 这样的公司，传入 "sector": "fossil fuels" 可扩大国会法案搜索范围，捕捉可能未直接提及该公司的行业层面立法活动。

2. 在着手进行完整评估前，先运行 political_exposure_scan。 快速扫描的费用为 $2.00，可标记制裁匹配、高强度游说和国会交易。如果扫描没有返回任何标记，那么费用为 $5.00 的完整评估很可能会给出较低分数。先进行初步筛查。

3. 对国防和医疗保健公司运行 government_revenue_dependency。 这些行业对政府合同高度依赖的比例最高。该工具会返回来自 USAspending 的金额总计，这通常比单独的分数更有参考价值。

4. 为自动化工作流在 Apify 上设置支出限额。 如果你在自动化工作流或 Agent 循环中运行政治风险扫描，请在 Apify 控制台中配置每次运行的预算上限，以防 Agent 迭代导致成本失控。

5. 对于有制裁风险的交易对手，先使用 foreign_influence_screen。 任何 OFAC 或 OpenSanctions 命中都会立即返回一项严重发现。这是在制裁合规工作流中作出是否继续决定的最快途径。

6. 结合定期调度监控投资组合。 配置 Apify Schedules，每周对主要持仓或交易对手运行 political_exposure_scan。将结果存储在数据集中，并比较各次运行中的 riskFlags 数组，以检测新的政治风险动态。

7. 传入准确的法律实体名称，以获得最佳匹配准确度。 政府数据库使用注册的法律名称。"Lockheed Martin Corporation" 匹配到的记录会多于 "Lockheed"。对于非正式公司名称，可同时尝试商标名和法律实体名称。

与其他 Apify MCP 服务和 Actor 组合使用

Actor / MCP	组合方式
counterparty-due-diligence-mcp	同时开展企业政治风险敞口评估和 KYB 筛查，获取完整的交易对手风险概况——政治风险 + 财务状况 + 身份验证
adversarial-corporate-opacity-mcp	与企业不透明度分析配合使用，以检测政治风险敞口较高的公司是否也在隐瞒其受益所有权结构
sec-edgar-filing-analyzer	将政治风险敞口发现与 SEC 文件交叉核对，包括政府合同收入、政治风险披露和监管风险因素
opensanctions-search	当返回的 Foreign Influence Exposure 分数高于 50 后，直接用于深入调查制裁情况
ofac-sanctions-search	对被外国影响力筛查标记的实体进行详细的 OFAC SDN 记录查询
fara-foreign-agents	深入调查 foreign_influence_screen 发现的特定 FARA 注册记录
senate-lobbying-search	在 lobbying_activity_report 发现活动频繁的注册方后，提取原始游说申报文件供人工审查

局限性

• 仅涵盖联邦数据。 此 MCP 涵盖联邦游说（参议院 LD 申报）、联邦竞选财务（FEC）和联邦合同（SAM.gov / USAspending）。不包含州级政治活动，例如州级游说、州级 PAC 捐款和市政合同。
• 历史数据深度取决于来源 API。 FEC 和参议院游说数据可追溯至多个选举周期。SAM.gov 和 USAspending 的数据深度因来源配置而异。实时准确性取决于各来源数据库的申报和报告截止日期。
• 旋转门检测使用行为代理指标，而非人事数据库。 旋转门指数通过高强度游说 + 政府合同、FARA + 国内游说等模式进行检测，而不是将官员姓名与国会名册进行匹配。要直接确认人员旋转门情况，需要单独的人力资源或行政人员数据库。
• 国会法案关键词评分基于标题。 立法威胁模型会扫描法案标题中的支持性和限制性关键词。标题中性但包含限制性条款的法案，若不进行全文分析，则无法捕获。
• 不区分私募股权或子公司。 查询使用所提供的公司名称。子公司、控股公司和近期更名的实体需要使用各自的实体名称分别查询。
• 响应时间为 30-120 秒。 所有 11 个数据源会并行查询，但每个来源都有自己的延迟。特别是 influence_network_graph 工具，不应在对时间敏感的同步工作流中使用。
• 小型公司的来源数据库可能不完整。 政治活动有限的小型私营公司可能会得到较低分数，这并不一定意味着其风险敞口较低，也可能是因为其公开记录较少。对于私营实体，应将低分解读为“找到的公开记录有限”。
• OpenCorporates 的外国实体检测基于司法管辖区字符串。 外国公司结构信号会筛除司法管辖区字段中包含 "us" 或 "united states" 的实体。司法管辖区代码不明确或缺失的实体可能会被错误计数。

集成

• Zapier — 在 CRM 交易阶段发生变化或新增交易对手记录时触发 political_exposure_scan；将结果写回交易记录
• Make — 自动执行定期投资组合监控工作流，对公司列表运行 influence_network_graph 并将结果导出到 Google Sheets
• Google Sheets — 导出政治风险敞口评分和各维度子评分，用于投资组合层面的 ESG 治理报告
• Apify API — 通过 MCP HTTP 端点或 Apify Actor API，直接使用 Python、JavaScript 或任何语言调用工具，以集成 ESG 平台
• Webhooks — 配置提醒：当 influence_network_graph 返回高于阈值的分数，或出现新的制裁标记时触发
• LangChain / LlamaIndex — 在 LangChain 或 LlamaIndex Agent 流水线中将此 MCP 服务用作工具，以构建自动化政治风险研究工作流

故障排除

某大型公司的得分为 0 或非常低。 这通常意味着所提供的公司名称与联邦数据库中使用的注册名称不匹配。请尝试使用完整的法定实体名称。使用“Microsoft”可能无法找到以“Microsoft Corporation”名义提交的记录。对于企业集团，请分别尝试子公司名称或母实体名称。

influence_network_graph 超时。 完整的 11 个数据源查询通常需要 60-120 秒。如果 MCP 客户端超时，请提高客户端的超时设置。Apify actor 调用为每个子 actor 设置了 120 秒超时。非常热门的公司名称可能会返回大量结果，从而延长处理时间。

出现达到支出限额的错误。 达到配置的 Apify 支出上限时，该工具会返回 "eventChargeLimitReached": true。请提高 Apify actor 运行设置中的单次运行预算，或使用费用更低的工具（political_exposure_scan，费用为 $2.00）进行初步筛查。

外资公司的 FARA 结果似乎偏少。 并非所有外资企业都必须进行 FARA 注册——只有充当外国政府或外国政党代理人的实体才需要注册。不代表外国委托人从事政治活动的外资商业公司无需注册。

知名公司的国会股票交易结果为零。 STOCK Act 披露使用的是个股股票代码，而不是公司名称。congress-stock-tracker actor 按公司名称关键词进行查询，因此准确性取决于国会议员申报持仓的方式。与中型市值公司或近期上市的公司相比，具有知名股票代码的大型市值公司有更好的数据覆盖。

负责任地使用

• 此 MCP 使用的所有数据源均为美国政府公开数据库（FEC、Senate Lobbying Disclosure、FARA、SAM.gov、USAspending、Federal Register、Congress.gov）及成熟的国际合规数据库（OFAC、OpenSanctions、OpenCorporates）。
• OFAC 和 OpenSanctions 数据仅应用于信息筛查。采取行动前，应通过官方源数据库确认合规决定。
• 此工具不构成法律建议。在监管申报、投资决策或法律诉讼中使用政治风险评估前，应由具备资质的合规法律顾问审核。
• 存储或处理通过 FARA 注册、FEC 捐款或国会股票交易披露信息识别出的个人数据时，请遵守 GDPR 及适用的数据保护法规。
• 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

5 种模型如何进行企业政治风险评分？ 该服务每次评估最多并行运行 11 项数据源查询。5 种评分模型各自使用这些结果中的一部分，并按照有据可查的分值阈值进行处理（请参阅上文“评分模型的工作原理”部分）。综合得分采用加权平均：外国影响和政治依赖各占 25%，影响力网络占 20%，旋转门占 15%，标准化立法威胁占 15%。

Political Exposure Score 对私营公司的准确度如何？ 准确度取决于联邦记录的覆盖情况。与政府签有合同且有 PAC 活动的大型私营公司在联邦数据库中记录丰富，因此评分准确。没有联邦合同、游说申报或 FEC 活动的小型私营公司得分会较低，这反映的是公开记录有限，而非已确认其风险敞口较低。

完整的 influence_network_graph 评估需要多长时间？ 通常需要 30-90 秒。全部 11 项数据源查询通过 Promise.all 并行运行。瓶颈在于耗时最长的单个数据源。在 Apify 基础设施上，每个子 actor 分配 256MB 内存，超时时间为 120 秒。 我可以按计划运行企业政治风险敞口评估吗？ 可以。配置 Apify Schedules，以每日、每周或每月的间隔调用该工具。将结果存储在 Apify 数据集中，并使用数据集比较或 Webhook 检测分数随时间的变化。

此 MCP 能检测非美国公司的企业政治风险敞口吗？ 数据源主要是美国联邦数据库，因此对注册地在美国的实体，以及在美国开展业务、游说或注册了 FARA 的外国公司，覆盖最全面。foreign_influence_screen 工具最适合识别与外国存在牵连的美国实体，而非直接分析外国公司。

这与 Counterparty Due Diligence MCP 有何不同？ 此 MCP 专门评估政治风险维度：游说、竞选财务、国会活动、对政府收入的依赖以及外国影响。Counterparty Due Diligence MCP 则涵盖更广泛的 KYB 筛查，包括企业注册信息核验、SEC 文件和数字足迹分析。要全面筛查交易对手，请同时运行两者。

旋转门指数实际衡量的是什么？ 旋转门指数使用行为交叉信号，而非匹配个人任职经历。游说活动频繁且存在政府合同，表明可能形成合同与游说相互强化的循环——这是常见的旋转门模式。注册了 FARA 且开展国内游说，则表明存在国际旋转门。5 个影响渠道中有 4 个或更多同时活跃，则表明存在旋转门生态系统。它是一个结构模式检测器，不用于匹配个人姓名。

将这些数据用于合规筛查合法吗？ 所有底层数据源都是美国政府公开数据库。将其用于合规筛查是合法且常见的做法。OFAC 和 OpenSanctions 数据专门用于制裁合规。FEC、参议院游说和 FARA 数据由美国政府发布，以提高透明度。对于受 GDPR 管辖的实体，在存储个人级记录前，请先审查数据最小化义务。请参阅 Apify 的合法性指南。

我可以从 LangChain 这类 AI Agent 框架调用 MCP 端点吗？ 可以。/mcp 端点通过 Streamable HTTP 实现标准 Model Context Protocol。任何兼容 MCP 的客户端库都可以连接。端点 URL 为 https://corporate-political-exposure-mcp.apify.actor/mcp，且需要在 Authorization 标头中提供 Bearer 令牌。

如果数据源没有返回结果，会怎样？ 每次子 Actor 调用都由 try-catch 包装，发生故障时会返回空数组。评分模型可以正常处理长度为零的数组——数据源未返回结果时，对相应模型的贡献为 0 分，发现结果中会注明“未检测到 [X]”。综合分数反映的是可用数据，而非故障状态。

我可以申请添加其他数据源或评分模型吗？ 可以。请通过此 Actor 页面上的 Issues 选项卡提交功能请求。优先考虑的候选项包括州级游说数据库、欧盟透明度登记册和英国选举委员会捐款记录。

帮助我们改进

如果您遇到问题，可以在 Apify 账户中启用运行共享，帮助我们更快地调试：

1. 前往 账户设置 > 隐私
2. 启用 与公开的 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您的运行详情，从而更快地修复问题。只有 Actor 开发者可以看到您的数据，不会公开显示。

支持

发现了 Bug 或有功能请求？请在此 Actor 页面的 问题选项卡 中提交问题。有关自定义评分模型、企业集成或投资组合级监控解决方案，请通过 Apify 平台联系我们。