Data Center Siting Intelligence

数据中心选址智能 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": {
    "data-center-siting-intelligence-mcp": {
      "url": "https://ryanclinton--data-center-siting-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

数据中心选址智能，由 AI Agent 可直接调用的 MCP 服务提供。此服务查询 8 个政府数据源——USGS 地震目录、NOAA 天气警报、OpenAQ 空气质量、EIA 电网数据、FEMA 灾害记录、英国洪水警报、Nominatim 地理编码和天气预报——并通过 4 种评分模型进行综合，为任何候选地点生成综合选址可行性评分（0-100）。最终结果是一份结构化、机器可读的选址评估报告，可取代对每个入围市场数天的人工案头调研。

数据中心房地产团队、超大规模基础设施规划人员和托管运营商使用此服务，让 AI 助手能够通过一次工具调用评估电力可用性、自然灾害风险、PUE 冷却潜力和总体选址可行性。每次评估均按次付费，每次工具调用收费 $0.045，无订阅费、无最低消费，也无按席位收费。商业咨询机构收费 $15,000-50,000 的多源选址筛查，现在只需不到 $5 即可完成 100 个地点的全国范围筛查。

可以访问哪些数据？

数据点	来源	覆盖范围
📊 地震活动、地震震级、M4+ 事件频率	USGS Earthquake Search	全球
🌩 严重天气警报、风暴频率、极端事件数量	NOAA Weather Alerts	美国及全球
💨 PM2.5 平均值、空气质量指数、自然冷却适用性	OpenAQ Air Quality	全球 10,000+ 个监测站
📍 地理坐标、地点解析、地理编码置信度	Nominatim Geocoder	全球
🌡 温度概况、凉爽时段占比、极端高温时段	Weather Forecast Search	全球
⚡ 发电量、燃料结构、可再生能源占比、能源来源多样性	EIA Energy Data	美国州级
🌊 洪水警报、洪水区分类、洪水相关事件	UK Flood Warnings	英格兰和威尔士
🏚 联邦灾害声明、灾害类型历史、发生频率	FEMA Disaster Search	美国所有灾害声明

为什么使用 Data Center Siting Intelligence MCP Server？

选址分析师手动从 EIA 获取电力数据、交叉核对 USGS 地震目录、检查 FEMA 灾害历史并对气候条件建模，每个候选地点要花费 8-12 小时。若有 5 至 10 个入围地点，在准备好提交资本委员会的第一张幻灯片之前，就需要整整两周的案头调研。

此 MCP 服务可自动完成整个数据收集和评分流程。AI Agent 只需调用一个工具——site_ranking_matrix——即可收到一份评分后的结构化报告，其中包含 PRIME_SITE / STRONG_CANDIDATE / ACCEPTABLE / MARGINAL / NOT_RECOMMENDED 评级、可执行的建议，以及来自全部 8 个数据源的佐证信号。分析师需要数天完成的分析，现在不到 60 秒即可完成。

除了速度之外，通过 Apify 平台部署还可为团队提供：

• 定时运行 — 每天或每周运行选址监测扫描，跟踪入围市场不断变化的情况
• API 访问 — 通过 Python、JavaScript 或任何 HTTP 客户端触发评估；嵌入现有选址平台
• 支出控制 — 设置单次运行的费用上限，确保批量选址调查不超出预算
• 监控 — 运行失败或返回意外结果时，通过 Slack 或电子邮件接收提醒
• 集成 — 连接 Zapier、Make、webhook 或 Google Sheets，以便向利益相关方汇报

特性

• 每次工具调用并行查询 8 个数据源 — site_ranking_matrix 通过 Promise.all 并发调用所有 8 个底层 Actor，最大限度降低延迟；总延迟取决于最慢的单个数据源，而非各数据源延迟之和
• 4 种独立评分模型 — 电力可用性指数、自然灾害综合评分、冷却效率评级和场地可行性评分分别独立运行，因此即使数据不完整，也能生成有效的子评分
• 加权综合公式 — 综合评分按电力可用性 30%、自然灾害反向评分 25%、冷却效率 25% 和场地可行性 20% 加权，反映实际资本规划重点
• 结论覆盖逻辑 — 灾害等级为 EXTREME 或电力供应不足时，系统会自动将综合评分覆盖为 NOT_RECOMMENDED，防止其他维度导致错误的场地推荐
• 电网多样性评分 — 系统会解析 EIA 系列 ID，识别太阳能、风能、水力、地热、核能、天然气和煤炭等能源类型；每种能源类型计 5 分，多样性最高 20 分，以奖励能源构成多样化的电网
• 可再生能源信号检测 — 当可再生能源发电量超过 EIA 总发电量的 30% 时，系统会生成明确的 ESG 利好信号，以支持购电协议（PPA）目标制定和可持续发展承诺
• 基于 FEMA 灾害历史的电网可靠性评估 — 严重风暴、飓风、冰暴和冬季天气等灾害声明类型，每项都会从电网可靠性基准分 30 分中扣除 4 分
• 基于凉爽时段占比的 PUE 代理建模 — 冷却评分根据预测时段中气温低于 18°C 的比例计算；若没有极端高温时段，则额外加 10 分，直接模拟免费冷却时长
• 免费冷却适用性评估 — PM2.5 平均值低于 12 µg/m³ 时，可获得空气质量满分 40 分；高于 55 µg/m³ 时，则会生成明确的空气侧经济器警告
• 地震震级加权 — 每次 4.0 级及以上地震都会为地震子评分增加 5 分；任何一次 5.0 级及以上地震都会额外扣除固定 10 分，不受发生次数影响
• FEMA 灾害频次计数 — 灾害声明达到 5 次或以上时，会触发高频信号；每次声明都会使场地可行性评分降低 5 分，最低为 0 分
• 8 个针对性 MCP 工具 — 每个工具都专用于特定分析任务，让 AI Agent 只需获取所需的数据维度，从聚焦型地震报告到完整的综合排名均可覆盖
• 待机模式架构 — 服务使用 Apify 的 Standby 模式和 StreamableHTTP 传输；每次向 /mcp 发送 POST 请求都会创建一个新的 McpServer 实例，以实现无状态、可扩展的运行
• 结构化 JSON 输出，附带易读信号 — 每个工具都会返回评分、等级分类、信号字符串和可执行的建议文本，可直接用于 AI 推理链

数据中心选址用例

超大规模云服务商选址和资本委员会报告

超大规模云服务商的基础设施团队在评估 10-20 个新建 AI 设施的候选市场时，可以使用 site_ranking_matrix，在几分钟内生成评分对比表。结构化输出可直接对应资本委员会模板，包括综合评分、电力等级、灾害等级、冷却等级和具体工程建议。候选名单筛选时间可从两周的分析工作缩短至不到一小时的 API 调用。

托管服务运营商的市场扩张

托管服务运营商在确定下一处园区选址时，可以使用 compare_metro_areas，将次级市场与 Ashburn、Phoenix 或 Dallas 等成熟枢纽进行基准对比。电力构成和冷却效率评分能够揭示哪些新兴市场具备支持新一代 AI 工作负载的基础设施条件，从而帮助运营商在承担场地收购成本之前做出判断。

房地产开发商尽职调查

在评估用于开发数据中心园区的地块时，房地产开发商可以在决定收购前运行 natural_hazard_profile 和 flood_risk_assessment。FEMA 灾害历史和地震评分有助于确定结构设计要求和保险承保条件——这两项都是备考模型中的重要支出项目——无需在投入任何资本之前就作出承诺。

能源采购与 PPA 规划

制定购电协议的能源团队可以使用 power_grid_analysis，在与公用事业公司接洽前评估美国各州的可再生能源占比和能源来源多样性。可再生能源指标信号和能源来源类型数量，直接影响 PPA 目标定价、ESG 承诺措辞以及与公用事业公司的谈判筹码。

以 PUE 为导向的设施工程设计

负责冷却系统设计建模的机械和电气工程师可以使用 climate_cooling_efficiency，量化自然冷却时长和空气质量是否适合采用经济器运行。PM2.5 平均值和凉爽时段比例会直接纳入 PUE 预测和总拥有成本模型，在方案设计开始前即可完成评估。

关键基础设施保险承保

为数据中心设施承保财产险的保险公司可以使用 natural_hazard_profile 和 seismic_risk_report，量化多种灾害风险敞口——地震、洪水、恶劣天气和历史灾害频率——无需从四个不同的政府数据库提取数据，也无需为每份申请手动进行标准化处理。

如何使用数据中心选址 MCP 工具

1. 连接 MCP 客户端——使用下方的配置示例，将服务 URL 添加到 Claude Desktop、Cursor、Windsurf、Cline 或任何兼容 MCP 的客户端。你只需要 Apify API 令牌。
2. 选择工具——要进行全面的选址评估，请使用 site_ranking_matrix；要进行针对性分析，请使用 power_grid_analysis 或 climate_cooling_efficiency 等单项工具。大多数评估都从 site_ranking_matrix 开始。
3. 提供位置——输入任意城市名称、地址、都市区或地理区域。例如："Quincy, Washington" 或 "Northern Virginia, USA"。Nominatim 地理编码器会自动解析位置。
4. 接收评分结果——在 30-60 秒内，工具会返回一份结构化 JSON 报告，其中包含综合评分、结论、子项评分、关键信号和建议，可直接用于利益相关方报告或下游流水线。

MCP 工具

工具	价格	数据来源	描述
assess_site_viability	$0.045	Nominatim、EIA、FEMA、USGS、NOAA	场址可行性评分（0-100），叠加自然灾害信息。返回可行性评分、灾害评分、地理编码和灾害历史记录。
compare_metro_areas	$0.045	EIA、Weather、OpenAQ、FEMA、USGS	都会区综合排名：综合评分、结论、电力等级、灾害等级、制冷等级、信号和建议。
power_grid_analysis	$0.045	EIA、FEMA	电力可用性指数，包含能源来源多样性、可再生能源指标、电网可靠性子评分和原始 EIA 发电数据。
natural_hazard_profile	$0.045	USGS、NOAA、UK Flood、FEMA	灾害综合评估：地震评分、洪水评分、恶劣天气评分、FEMA 灾害数量和灾害等级分类。
climate_cooling_efficiency	$0.045	OpenAQ、天气预报	制冷效率评级：PM2.5 指数、凉爽时段比例、温度评分、自然冷却适用性和 PUE 代理信号。
flood_risk_assessment	$0.045	UK Flood、FEMA、NOAA	洪水风险评分，包含当前洪水警报、FEMA 与洪水相关的灾害声明和天气驱动的洪水信号。
seismic_risk_report	$0.045	USGS、Nominatim	地震风险评分，包含地震目录片段、震级分布、M4+ 事件数量、最大震级和地理编码后的场址位置。
site_ranking_matrix	$0.045	全部 8 个来源	完整场址排名矩阵：全部 4 种评分模型、综合评分、结论（从 PRIME_SITE 到 NOT_RECOMMENDED）、全部信号和建议。

连接配置

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "data-center-siting": {
      "type": "streamable-http",
      "url": "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor / Windsurf / Cline：

{
  "mcpServers": {
    "data-center-siting": {
      "url": "https://data-center-siting-intelligence-mcp.apify.actor/mcp?token=YOUR_APIFY_TOKEN"
    }
  }
}

工具使用提示

• 任何新的候选位置都从 site_ranking_matrix 开始——它会并行运行全部 8 个来源，费用与单个工具相同，均为 $0.045，可获得最高的单位成本信息量
• power_grid_analysis 仅用于美国地区——EIA 数据按美国州级划分；分析美国以外地区的电力情况时，请依靠天气和灾害数据的综合信号
• 通过并行 API 调用批量分析候选位置——使用 Promise.all 同时对 5-10 个位置运行 site_ranking_matrix；每次调用均为无状态且相互独立
• 解读信号，而不只是看评分——allSignals 和 recommendations 数组包含每项评分背后的易读理由；根据结论采取行动前，请先查看这些内容
• assess_site_viability 与 site_ranking_matrix 的区别——assess_site_viability 使用 5 个来源，返回可行性评分和灾害子评分；site_ranking_matrix 则以相同费用通过全部 8 个来源运行全部 4 种模型

输出示例

以下是对位于华盛顿州昆西的一处候选数据中心场址运行 site_ranking_matrix 的输出示例：

{
  "location": "Quincy, Washington",
  "compositeScore": 78,
  "verdict": "STRONG_CANDIDATE",
  "power": {
    "score": 81,
    "energySources": 4,
    "renewableIndicators": 1,
    "gridReliability": 26,
    "powerLevel": "EXCELLENT",
    "signals": [
      "4 energy source types — diversified power grid",
      "68% renewable energy — ESG-favorable for DC siting"
    ]
  },
  "hazard": {
    "score": 28,
    "seismicRisk": 8,
    "floodRisk": 5,
    "severeWeatherRisk": 9,
    "hazardLevel": "LOW",
    "signals": []
  },
  "cooling": {
    "score": 72,
    "airQualityIndex": 9,
    "temperatureScore": 32,
    "coolingLevel": "GOOD",
    "signals": [
      "Excellent air quality (PM2.5 avg 9.2) — ideal for free cooling",
      "64% cool hours — excellent PUE potential"
    ]
  },
  "siteViability": {
    "score": 75,
    "viabilityLevel": "STRONG",
    "signals": [
      "Location successfully geocoded — accessible site",
      "Strong energy infrastructure data — power grid connectivity likely"
    ]
  },
  "allSignals": [
    "4 energy source types — diversified power grid",
    "68% renewable energy — ESG-favorable for DC siting",
    "Excellent air quality (PM2.5 avg 9.2) — ideal for free cooling",
    "64% cool hours — excellent PUE potential",
    "Location successfully geocoded — accessible site",
    "Strong energy infrastructure data — power grid connectivity likely"
  ],
  "recommendations": [
    "Good cooling conditions — air-side economizers can reduce PUE significantly",
    "Renewable energy available — leverage for PPA and ESG reporting"
  ]
}

输出字段

字段	类型	描述
location	string	提供给工具的输入位置
compositeScore	number	加权综合得分，范围为 0-100（电力占 30%、危险性反向计分占 25%、冷却占 25%、可行性占 20%）
verdict	string	PRIME_SITE / STRONG_CANDIDATE / ACCEPTABLE / MARGINAL / NOT_RECOMMENDED
power.score	number	电力可用性指数，范围为 0-100
power.energySources	number	检测到的不同能源类型数量（太阳能、风能、水能、核能、天然气、煤炭）
power.renewableIndicators	number	如果在 EIA 数据中检测到可再生能源发电，则为 1，否则为 0
power.gridReliability	number	电网可靠性子得分，范围为 0-30；每种会导致供电中断的灾害类型扣 4 分
power.powerLevel	string	EXCELLENT / STRONG / ADEQUATE / CONSTRAINED / INSUFFICIENT
power.signals	string[]	电力可用性评分的易读信号
hazard.score	number	自然灾害综合得分，范围为 0-100（分数越高，危险性越高；在综合评分公式中反向计分）
hazard.seismicRisk	number	地震风险子得分，范围为 0-30
hazard.floodRisk	number	洪水风险子得分，范围为 0-25
hazard.severeWeatherRisk	number	恶劣天气风险子得分，范围为 0-25
hazard.hazardLevel	string	MINIMAL / LOW / MODERATE / HIGH / EXTREME
hazard.signals	string[]	包含触发条件的易读灾害信号
cooling.score	number	冷却效率评级，范围为 0-100
cooling.airQualityIndex	number	根据 OpenAQ 站点读数计算出的 PM2.5 平均值，单位为 µg/m³
cooling.temperatureScore	number	温度子得分，范围为 0-40，根据凉爽时段比例计算
cooling.coolingLevel	string	EXCELLENT / GOOD / ADEQUATE / MARGINAL / POOR
cooling.signals	string[]	关于免费冷却适用性和 PUE 的信号
siteViability.score	number	站点可行性子得分，范围为 0-100
siteViability.viabilityLevel	string	PRIME / STRONG / VIABLE / MARGINAL / NOT_VIABLE
siteViability.signals	string[]	地理编码成功情况和能源基础设施信号
allSignals	string[]	汇总全部 4 个评分模型的信号列表
recommendations	string[]	根据得分阈值条件得出的可执行建议

评估数据中心选址需要多少费用？

Data Center Siting Intelligence MCP Server 采用按事件付费定价模式——每次工具调用收费 $0.045。平台计算费用已包含在内。无订阅费、最低消费或按席位收费。

场景	工具调用次数	每次调用费用	总费用
单个站点完整评估	1	$0.045	$0.045
5 个站点的候选名单比较	5	$0.045	$0.23
20 个站点的区域筛查	20	$0.045	$0.90
100 个站点的全国筛查	100	$0.045	$4.50
500 个站点的资产组合评估	500	$0.045	$22.50

你可以为每次运行设置最高支出限额以控制费用。达到预算后，Actor 会停止运行，避免大型批处理任务产生失控费用。

相比之下，商业数据中心选址咨询项目每个项目收费 $15,000-50,000，SaaS 平台每月收费 $2,000-5,000。使用此 MCP 服务进行 500 个站点的全国筛查，费用为 $22.50。大多数 AI Agent 工作流的月支出不到 $2。

通过 API 使用数据中心选址工具

Python

import requests
import json

API_TOKEN = "YOUR_API_TOKEN"

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

# Full composite site ranking matrix
payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "site_ranking_matrix",
        "arguments": {"location": "Quincy, Washington"}
    },
    "id": 1
}

response = requests.post(
    "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
    json=payload,
    headers=headers
)

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

print(f"Location: {report['location']}")
print(f"Composite Score: {report['compositeScore']}/100 — {report['verdict']}")
print(f"Power: {report['power']['powerLevel']} | Hazard: {report['hazard']['hazardLevel']} | Cooling: {report['cooling']['coolingLevel']}")
for rec in report.get("recommendations", []):
    print(f"  -> {rec}")

JavaScript

const API_TOKEN = "YOUR_API_TOKEN";

async function assessSite(location) {
  const response = await fetch(
    "https://data-center-siting-intelligence-mcp.apify.actor/mcp",
    {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        "Authorization": `Bearer ${API_TOKEN}`
      },
      body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
          name: "site_ranking_matrix",
          arguments: { location }
        },
        id: 1
      })
    }
  );

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

  console.log(`${report.location}: ${report.compositeScore}/100 — ${report.verdict}`);
  console.log(`  Power: ${report.power.powerLevel} | Hazard: ${report.hazard.hazardLevel} | Cooling: ${report.cooling.coolingLevel}`);
  report.recommendations.forEach(rec => console.log(`  -> ${rec}`));

  return report;
}

// Batch assessment — run 3 candidate sites in parallel
const sites = ["Quincy, Washington", "Ashburn, Virginia", "Phoenix, Arizona"];
const assessments = await Promise.all(sites.map(assessSite));
assessments.sort((a, b) => b.compositeScore - a.compositeScore);
assessments.forEach(r => console.log(`${r.compositeScore} — ${r.verdict} — ${r.location}`));

cURL

# Full site ranking matrix for a candidate location
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "site_ranking_matrix",
      "arguments": {"location": "Quincy, Washington"}
    },
    "id": 1
  }'

# Power grid analysis for a specific US region
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "power_grid_analysis",
      "arguments": {"region": "Oregon"}
    },
    "id": 2
  }'

# List all available tools
curl -X POST "https://data-center-siting-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/list","params":{},"id":0}'

Data Center Siting Intelligence MCP Server 的工作原理

阶段 1：并行数据采集

每次工具调用都会通过 Promise.all 并发调度 2 到 8 个子 Actor 运行。site_ranking_matrix 工具会同时触发全部 8 个底层 Actor：usgs-earthquake-search、noaa-weather-alerts、openaq-air-quality、nominatim-geocoder、weather-forecast-search、eia-energy-data、uk-flood-warnings 和 fema-disaster-search。每个子 Actor 都会将用户提供的位置字符串作为查询。子 Actor 的内存分配为 512 MB，超时时间为 120 秒。结果会汇总到一个键控的 Record<string, unknown[]> 对象中。子 Actor 的故障会逐一捕获并默认返回空数组，因此即使只有部分结果，也能生成有效评分。

阶段 2：四项模型评分

汇总后的数据对象会传入 scoring.ts 中的四个独立评分函数：

scorePowerAvailability 会解析 EIA 系列 ID，以查找能源来源关键词（太阳能、风能、水力、地热、核能、天然气、煤炭），并统计不同来源类型的数量，每种类型计 5 分，多样性最高为 20 分。容量深度评分会根据 EIA 记录数量额外增加最多 20 分。电网可靠性从 30 分起算，FEMA 中每条符合影响电力的事件类型（强风暴、飓风、冰暴、冬季天气）的声明扣 4 分。天气预报数据会对稳定性评分进行扣分：温度低于 -20°C 或高于 40°C，或风速超过 50 km/h 时均会扣分。

scoreNaturalHazard 会解析 USGS 地震记录，获取最大震级和 M4.0 级及以上事件数量。M5.0 级及以上事件除按事件计分外，还会额外增加固定 10 分的地震风险扣分。洪水评分根据英国洪水警报数量累计（每条 5 分），并计入 FEMA 记录是否存在。经筛选后严重程度标签为 extreme 或 severe 的 NOAA 警报，每条都会使恶劣天气子评分增加 5 分。FEMA 灾害声明数量还会使评分每条增加 3 分，最多增加 20 分。

scoreCoolingEfficiency 会根据 OpenAQ 读数计算 PM2.5 平均值，并采用分段评分函数：低于 12 µg/m³ 计 40 分，12-25 µg/m³ 计 30 分，25-35 µg/m³ 计 20 分，35-55 µg/m³ 计 10 分，高于 55 µg/m³ 计 0 分。温度部分会将低于 18°C 的预报时段数除以总时段数。由此得出的凉爽时段占比最高可计 40 分；若没有极端高温时段，则额外奖励 10 分。

scoreSiteViability 会为成功地理编码计 20 分；根据 EIA 记录深度最多计 35 分（每条记录 5 分）；根据 FEMA 灾害记录缺失情况最多计 35 分（35 分减去每条声明 5 分）。

阶段 3：综合评分与结论生成

generateSiteRanking 会应用加权公式：power × 0.30 + (100 - hazard) × 0.25 + cooling × 0.25 + viability × 0.20。两个硬性覆盖条件可防止出现误报建议，无论综合评分如何：若风险等级为 EXTREME 或电力评分为 INSUFFICIENT，结论都会强制设为 NOT_RECOMMENDED。建议文本根据阈值条件生成，包括地震子评分高于 15、洪水子评分高于 10、制冷评分高于 60、电力评分低于 40、PM2.5 高于 35 µg/m³，以及是否存在可再生能源。

阶段 4：MCP 传输

服务使用 @modelcontextprotocol/sdk，并通过 Express 运行 StreamableHTTPServerTransport。每个对 /mcp 的 POST 请求都会创建一个新的 McpServer 实例，注册全部 8 个工具，并以无状态方式处理请求。调用之间不会持久化会话。每个工具处理程序都会在开始数据采集前调用 Actor.charge()；若达到支出上限，工具会提前返回明确的错误消息。

获取最佳结果的提示

1. 默认使用 site_ranking_matrix。 它的费用与任何单个工具相同，均为 $0.045，但会并行运行全部 8 个数据源，以单位成本提供最全面的信息。仅在需要有针对性的后续调查时使用单个工具。

2. 结合具体情况解读判定结果。 在美国以外的地区，MARGINAL 判定可能是因为缺少 EIA 和 FEMA 数据，而非基础设施确实薄弱。请查看 signals 数组：非美国站点的电力信号为空，表示缺少数据，而非电网质量不佳。

3. 注意 EIA 数据的覆盖范围。 通过 EIA 进行的电网评分仅覆盖美国各州。对于欧洲或亚太地区，应依靠天气稳定性和冷却信号来推断电力相关情况，并参考当地公用事业研究报告作为补充。

4. 西海岸和太平洋地区的站点应使用 seismic_risk_report。 加利福尼亚、阿拉斯加、夏威夷和太平洋西北地区的基础地震风险较高。专门的地震报告可提供完整的 USGS 震级分布详情，而综合评分会将这些信息压缩为单一子评分。

5. 结合冷却和电力信号进行 ESG 报告。 可再生能源指标与 PM2.5 冷却评分结合起来，可以判断站点是否能使用可再生电力支持空气侧经济器；这种组合最受低 PUE、低碳选址承诺的青睐。

6. 通过 API 并行运行 5-10 个站点。 每次 site_ranking_matrix 调用都是无状态且独立的。通过 Promise.all 并行执行可按比例缩短总分析时间；并行分析 10 个站点所需的时间不超过顺序分析 1 个站点。

7. 将筛选结果限定为 STRONG_CANDIDATE 和 PRIME_SITE，用于提交资本委员会的候选名单。 这两种判定（综合评分分别高于 60 和 75）表明没有触发任何硬性覆盖条件，且所有四个评分维度均表现良好。

8. 对大规模投资组合筛查设置支出上限。 筛查 100 多个地点时，在 Actor 运行选项中配置 maxTotalChargeUsd，以便在无人值守运行筛查期间控制费用。

与其他 Apify actors 结合使用

Actor	组合方式
Company Deep Research	在正式开展尽职调查前，调查候选站点的公用事业公司、电网运营商和土地卖家
Website Tech Stack Detector	识别目标市场中潜在锚定租户或托管运营商的技术构成
Website Change Monitor	在长期尽职调查期间，监控公用事业公司网站和当地规划部门页面上的容量公告
Trustpilot Review Analyzer	分析候选市场中当地公用事业服务商或现有托管运营商的声誉
B2B Lead Qualifier	为与候选市场相关的数据中心租户或锚定客户评分并确定优先级
WHOIS Domain Lookup	核实站点周边企业、公用事业服务商或竞争开发商的域名注册信息
Multi-Review Analyzer	一次性汇总候选市场中托管运营商和托管服务提供商的评价

局限性

• EIA 电力数据仅覆盖美国。 power_grid_analysis 和电力可用性评分维度完全依赖美国能源信息署的数据。非美国地点没有 EIA 发电数据，因此电力评分会因数据缺失而降低，并不代表电网薄弱。对于国际选址，请补充当地公用事业数据。
• 英国洪水警报仅覆盖英格兰和威尔士。 对于美国、欧洲或亚太地区的地点，洪水风险评分依赖 FEMA 记录和 NOAA 信号，而非专门的洪水管理机构数据。
• FEMA 灾害历史仅覆盖美国。 非美国地点不会受到 FEMA 灾害惩罚，也不会获得韧性加分。因此，与有活跃 FEMA 历史记录的美国地点相比，国际候选地点的选址可行性评分会偏高。
• 评分反映公开可用的信号，并非现场调查结果。 综合评分基于政府公开数据库得出，不能替代实地勘察、公用事业容量研究、岩土评估或输电并网研究。
• EIA 数据反映区域情况，并非特定地块情况。 电网数据反映州或区域发电容量，不反映特定地块与变电站的距离或输电容量。在确定任何选址前，必须进行实地电网并网研究。
• 地震评分反映历史地震频率，并非概率性危险区划图。 USGS 目录数据记录近期和历史事件频率，但不对 ASCE 7 结构设计所用的 475 年或 2,475 年重现期危险水平进行建模。地震评分仅用于初步筛选。
• 空气质量评分取决于附近监测站的密度。 农村或偏远地区的 OpenAQ 覆盖可能稀疏；找不到监测站时，PM2.5 平均值将默认为 50 µg/m³（中等范围的扣分）。如果数值接近 50 且没有冷却信号，通常表示数据缺失，而非实测空气质量较差。
• 不包含交通、光纤或土地可用性数据。 暗光纤距离、网络运营商接入、道路基础设施和地块可用性都是重要的选址因素，但目前的 8 个数据源均未涵盖这些因素。

集成

• Zapier — 在跟踪电子表格或 Airtable 数据库中添加新的候选地点时，自动触发选址评估
• Make — 构建自动化选址筛选工作流，将评分结果推送到 Google Sheets 或 Notion 数据库，供利益相关方审阅
• Google Sheets — 将选址排名矩阵结果直接导出到比较工作簿，并按综合评分或结论排序
• Apify API — 通过 REST 将选址评估调用集成到现有的房地产分析或资本规划流程中
• Webhooks — 在批量选址扫描完成时，或在持续监控期间危险等级超过阈值时接收通知
• LangChain / LlamaIndex — 将此 MCP 服务用作 LangChain 或 LlamaIndex Agent 工作流中的推理工具，构建全自动选址流程

故障排除

• 已知位于美国境外的优质地点，综合评分似乎偏低 — EIA（电力）和 FEMA（灾害韧性）数据仅适用于美国。美国境外的地点没有 EIA 发电数据，因此电力评分部分会显著降低。检查 power.signals 数组：如果数组为空且 power.score 低于 30，原因是缺少 EIA 数据，而非电网基础设施薄弱。灾害和制冷维度仍可在全球范围内使用。

• 地理位置有利，但地点返回 NOT_RECOMMENDED — 直接检查 hazard.hazardLevel 和 power.powerLevel。无论其他分数如何，判定覆盖逻辑都会在灾害等级为 EXTREME 或电力等级为 INSUFFICIENT 时强制返回 NOT_RECOMMENDED。大量 FEMA 灾害声明或地点附近发生多起严重 USGS 事件，都可能触发 EXTREME 灾害等级。查看 hazard.signals，了解具体触发因素。

• seismic_risk_report 返回空的地震数据 — USGS 会根据与近期目录事件的接近程度返回结果。目录中没有地震活动记录的地点会返回空数组，这是一个积极的指标。地震结果为空且 seismicRisk: 0，表示检测到的地震活动极少，并非数据错误。

• 寒冷气候地点的 climate_cooling_efficiency 得分偏低 — 这是因为 OpenAQ 在该地点的监测覆盖较少。未找到 PM2.5 数据时，airQualityIndex 默认为 50 µg/m³。数值接近 50 且没有信号条目，表示缺少数据，而非实测空气质量较差。对于已确认空气洁净的地点，其实际自然冷却潜力可能高于评分所反映的水平。

• 工具调用返回支出限额错误 — Actor.charge() 会在执行数据采集前，根据你配置的每次运行支出限额进行检查。请提高 Actor 运行配置中的最高支出限额，或使用信用余额充足的 API 令牌。

负责任地使用

• 此 MCP 服务仅访问 USGS、NOAA、OpenAQ、Nominatim/OpenStreetMap、EIA、UK Environment Agency 和 FEMA 提供的公开数据。
• 所有底层数据来源均为开放访问的政府数据库，发布目的是用于公共研究和规划。
• 地点评分和判定是分析结果，旨在补充而非取代专业工程、法律和财务尽职调查。
• 未经独立核实底层数据，请勿仅依赖自动生成的综合评分来做出资本投资决策。
• 有关数据使用政策的指南，请参阅 Apify 的网络抓取合法性指南。

常见问题

数据中心选址综合评分具体衡量什么？

综合评分（0-100）由四个维度加权得出：电力可用性（30%）、自然灾害抵御能力（25%）、制冷效率（25%）和场地可行性（20%）。电力可用性衡量能源来源多样性、可再生能源占比，以及根据 FEMA 灾害历史推断的电网可靠性。自然灾害评分采用反向计分——灾害评分越高，综合评分越低。制冷效率根据 PM2.5 水平和凉爽时段比例估算自然冷却潜力。场地可行性衡量地理编码是否成功、EIA 数据的丰富程度，以及是否没有 FEMA 灾害记录，以此作为韧性指标。

数据中心选址判定是如何确定的？

PRIME_SITE 要求综合评分达到 75 或以上，且未触发任何硬性覆盖条件。STRONG_CANDIDATE 的评分范围为 60-74。ACCEPTABLE 的评分范围为 45-59。MARGINAL 的评分范围为 25-44。NOT_RECOMMENDED 适用于低于 25 的评分；如果 hazard.hazardLevel 为 EXTREME 或 power.powerLevel 为 INSUFFICIENT，即使评分更高，也会强制判定为 NOT_RECOMMENDED。这些覆盖条件旨在防止较高的制冷评分掩盖灾难性的电力或灾害风险。

PUE 制冷效率估算的准确度如何？

制冷评分是基于 PM2.5 空气质量平均值和天气预报温度分布得出的代理指标。它反映了自然冷却的适用性和 PUE 的大致潜力，而非精确的 PUE 数值。实际 PUE 取决于设施设计、制冷技术选择、服务器进风温度目标和运营实践。请将制冷评分视为用于比较的初步筛选依据，而非工程规范。

数据中心选址是否支持国际地区？

地震（USGS）、极端天气（NOAA）、空气质量（OpenAQ）和地理编码（Nominatim）数据均覆盖全球。温度预报也覆盖全球。EIA 能源数据和 FEMA 灾害记录仅覆盖美国。英国洪水预警覆盖英格兰和威尔士。对于非美国地区，电力和灾害韧性维度会反映数据缺失，而非已测得的基础设施状况；灾害风险和制冷维度仍可正常使用。

能否同时比较多个数据中心候选地点？

可以。在编排层中使用 Promise.all 并行调用每个候选地点的 site_ranking_matrix。每次调用都是无状态且相互独立的。所有调用的输出结构相同，因此可以轻松按 compositeScore 排序，或按 verdict 筛选，自动生成候选名单表格。

这与 JLL 或 CBRE 等商业数据中心选址工具有何不同？

商业选址项目通常费用为 15,000-50,000 美元，耗时 4-8 周，包含经纪关系、与公用事业公司的谈判以及许可指导。此 MCP 服务会在 60 秒内基于公开数据源提供自动化量化评分，每个地点的费用为 0.045 美元。它取代的是初步案头研究和长名单筛选阶段，也就是目前最耗费分析师时间的部分，而非完整的顾问服务。

地震风险评分依据什么？可靠性如何？

地震评分基于 USGS 地震目录数据得出，包括近期地震次数、M4.0 级以上地震次数和观测到的最大震级。M5.0 级以上地震会额外增加固定的 10 分罚分。该评分反映近期地震活动，而非概率地震危险性分析（PSHA）。结构工程设计需要依据 ASCE 7 或 IBC 标准进行正式岩土工程研究。地震评分仅用于初步筛选和相对排名。

能否评估加利福尼亚等地震多发地区的数据中心选址？

可以，评分经过校准，能够恰当地标记此类地点。发生频繁 M4.0 级以上地震或任何 M5.0 级以上地震的地点，会产生较高的地震风险子评分和明确的风险信号。natural_hazard_profile 和 seismic_risk_report 工具会提供完整的 USGS 地震目录数据切片，供你结合综合评分进行详细审查。

将这些数据用于商业选址决策是否合法？

所有数据源均为公开的政府数据库：USGS、NOAA、EIA、FEMA、OpenAQ、英国环境署、Nominatim/OpenStreetMap。它们面向公众发布，基于这些数据进行分析不受商业用途限制。一般背景信息请参阅 Apify 关于网页抓取合法性的指南。

完整的 site_ranking_matrix 评估需要多长时间？

通常需要 20-45 秒。该工具通过 Promise.all 并行发起全部 8 个子 Actor 查询。每个子 Actor 的超时时间为 120 秒。总延迟取决于响应最慢的单个子 Actor。在正常情况下，大多数评估会在 30 秒内完成。

我可以安排此 MCP 服务监控入围站点的条件变化吗？

可以。使用 Apify 的定时功能，按固定周期针对一组固定的入围站点运行 site_ranking_matrix 或 natural_hazard_profile。配置 webhook，在评分显著变化或灾害等级发生变化时通知团队。这对于在较长的尽职调查期间持续监控很有帮助，因为期间的条件可能会发生变化。

如果 8 个底层数据源之一不可用，会发生什么？

每次子 Actor 调用都会由 try-catch 代码块包装。如果子 Actor 调用失败或超时，其结果会默认为空数组。所有四个评分函数都能妥善处理空输入——缺失的数据不会导致错误，而是为相关子评分计零分。由于信号缺失，综合评分会降低，allSignals 数组也会更短，但工具始终会返回有效且可解析的结果。

帮助我们改进

如果您遇到意外的评分或工具行为，可以在 Apify 账户中启用运行共享，帮助我们更快地排查问题：

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您的运行详情，从而更快地修复问题。您的数据只有 Actor 开发者可见，不会公开。

支持

发现错误或有功能建议？请在此 Actor 页面上的 问题选项卡中提交问题。如需定制集成——例如添加数据源、采用其他评分模型或构建企业级站点筛选工作流——请通过 Apify 平台联系我们。