Government Contract Intelligence

政府合同情报 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": {
    "government-contract-intelligence-mcp": {
      "url": "https://ryanclinton--government-contract-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

政府合同情报触手可及：此 MCP 服务将 Claude、Cursor、Windsurf 以及任何兼容 MCP 的客户端连接到 9 个联邦数据源，助你实时开展采购研究。它专为国防承包商、GovTech 公司、游说人士和政府事务团队打造，帮助他们比传统研究方式更快地做出权威投标决策。

该服务会并行查询 SAM.gov、USAspending、Grants.gov、Federal Register、国会记录、游说披露信息、FEC 申报文件、STOCK Act 数据库和公司情报，然后运行四种专有评分模型，生成综合投标情报评分。人工研究这 9 个数据库中的每个机会需要 6-8 小时。此服务每次查询都能在 3 分钟内返回结构化情报，且无需订阅费。

你可以访问哪些联邦采购数据？

数据点	来源	示例
📋 活跃合同机会	SAM.gov	“网络安全运营支持 — 国防部 — NAICS 541512”
💰 机构支出义务	USAspending	“CISA：已承担 23 亿美元 — 847 项授予”
🏛️ 资助机会	Grants.gov	“NIH SBIR 第二阶段 — 最高 150 万美元 — 截止日期 2026-05-31”
📜 Federal Register 条目	Federal Register	“拟议规则：CMMC 2.0 实施 — 国防部 — 2026-02-14”
📊 国会法案状态	Congress Bills	“S.1842 —《加强网络韧性法案》— 已通过委员会审议”
🗣️ 游说申报文件	Lobbying Disclosure Act	“Booz Allen Hamilton — 14 份申报文件 — 420 万美元 — 国防 IT”
🗳️ 政治捐款	FEC Campaign Finance	“Leidos Holdings PAC — 89 万美元 — 军事委员会”
📈 国会议员股票交易	STOCK Act Disclosures	“参议员 J. Smith — 买入 — Palantir — 5 万至 10 万美元 — 2026-01-15”
🏢 承包商背景	Company Deep Research	“General Dynamics IT — 82 亿美元营收 — 国防部主承包商”
🎯 投标情报评分	综合模型	“评分：72/100 — 机会强劲 — 积极跟进”

为什么使用政府合同情报 MCP 服务？

手动研究联邦投标机会，意味着登录 SAM.gov、交叉查询 USAspending 了解支出历史、调取 Federal Register 通知、在 Congress.gov 上查找相关立法、审阅游说披露信息，然后设法综合分析这些信息对投标策略的意义。资深分析师彻底研究每个机会需要整整一天。典型的 GovTech 业务拓展团队每年为 BGov、Deltek 或 GovWin 等商业平台支付 20,000-40,000 美元，但仍需手动解读信息。

此服务可在你的 AI 助手中自动化整个研究工作流。询问 Claude“国防部身份管理领域的采购格局如何？”，即可通过一条提示词，以 0.045 美元获取一份包含评分、结构化情报以及全部 9 个数据流来源级别发现的报告。

除了采购研究，Apify 平台还提供：

• 定时调度 — 按 cron 计划运行每日 SAM.gov 机会监控和每周政治风向报告
• API 访问 — 通过 Python、JavaScript 或任何 HTTP 客户端以编程方式调用任何工具
• 监控 — 当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 — 将情报推送到 Google Sheets、Zapier、Make、HubSpot 或 Webhook
• 成本控制 — 设置单次会话的支出上限，确保研究成本不会超出预算

功能

• 8 个专业 MCP 工具，涵盖联邦业务拓展生命周期的各个阶段，从发现商机到投标/不投标评分
• 9 个并行数据源，同时查询：SAM.gov、USAspending、Grants.gov、Federal Register、Congress Bills、Lobbying Disclosure、FEC Campaign Finance、Congressional Stock Tracker 和 Company Deep Research
• 合同管线预测器（0-100），根据活跃的 SAM.gov 商机（每次查询最多 50 个）、Federal Register 招标公告、Grants.gov 资金管线和国会拨款信号，评估即将开展采购的可能性
• 现任承包商优势评分（0-100），通过过往合同金额、USAspending 奖项集中度、游说备案密度和 FEC 捐款深度，量化重新竞标的难度；标签从 OPEN FIELD 到 FORTRESS INCUMBENT
• 政治风向分析（-100 至 +100），综合国会法案进展（提出与通过）、国会议员股票交易方向（买入/卖出比率）、游说支出额、FEC 捐款模式和 Federal Register 监管强度
• 机构支出速度评分（0-100），根据 USAspending 义务支出总额、活跃 SAM.gov 招标数量、Grants.gov 管线规模和 Federal Register 拨款公告，检测预算执行速度；标签从 DORMANT 到 RAPID EXECUTION
• 综合投标情报评分（0-100），按权重综合全部四种模型：管线 35%、支出速度 25%、政治风向 20%、现任承包商优势反向评分 20%；生成从 WEAK OPPORTUNITY 到 PRIME OPPORTUNITY 的评级，并提供可执行的建议
• NAICS 代码筛选，用于 contract_opportunity_search，将结果限定到特定行业分类
• 机构级支出分析 — agency_spending_analysis 按授予机构汇总 USAspending 奖项，列出义务支出总额最高的 10 个机构，并展示近期奖项接收方
• 竞争格局绘制 — competitive_landscape_map 从 USAspending 提取不同承包商，按获奖总金额排名，并列出该领域活跃的顶级游说公司
• 监管变化跟踪 — regulatory_impact_tracker 将 Federal Register 条目归类为最终规则、拟议规则和公告，然后按状态交叉比对国会法案
• 无状态 MCP 架构，采用 StreamableHTTPServerTransport — 每个请求都会创建并销毁一个全新的服务实例；没有会话状态，也无需清理
• 按事件计费，使用 Actor.charge() — 每次工具调用都会执行支出限额检查，确保运行过程中不会超出预算
• 以 Apify Standby 模式运行 — 服务保持预热并可立即响应；工具调用没有冷启动延迟

政府合同情报的使用场景

国防承包商的投标/不投标决策

国防主承包商和分包商的业务拓展总监需要在 SAM.gov 发布商机后的 72 小时内决定是否参与投标。针对商机关键词运行 bid_intelligence_score，即可获得一份涵盖全部 9 个数据源的评分报告：活跃管线深度、根基稳固的现任承包商、来自国会拨款的政治利好因素，以及机构支出速度。评分达到 70 分及以上时，应积极争取；低于 35 分则只需持续关注。过去需要业务拓展分析师花两天完成的工作，现在只需一条 AI 提示词。

GovTech 市场进入与细分市场选择

进入联邦市场的科技公司需要确定哪些机构正在支出、支出方向以及支出速度。agency_spending_analysis 工具会针对任意搜索词显示义务支出总额和顶级奖项接收方，而 procurement_pipeline_forecast 则根据立法和监管信号，判断某个细分市场是在升温还是降温。团队会利用这些信息，在投入商机捕获管理之前优先确定 IDIQ 争取策略。

重新竞标竞争情报

要在重新竞标中胜出，必须准确了解现任承包商的根基有多深。incumbent_contractor_analysis 会从 SAM.gov 和 USAspending 提取目标公司的完整合同历史，统计其游说申报记录和政治捐款，并生成现任优势评分及具体发现，例如：“14 条游说记录——已建立政治关系”或“现任承包商根基牢固——政治捐款广泛，合同记录超过 20 条”。这可以帮助挑战者判断应直接竞争、寻求组队合作，还是退出。

政治风险与监管影响评估

政府事务团队和游说人士使用 political_wind_report 跟踪某个行业的政治环境是在改善还是收紧。该工具监控国会议员股票交易的买卖信号，跟踪法案从提出、委员会审议到提交全院审议的进展，衡量游说支出密度，并关联 FEC 捐款模式，然后将这些信息提炼为从“强劲逆风”到“强劲顺风”的方向性评分，并附上具体发现。

游说策略与联盟建设

competitive_landscape_map 会识别采购领域内所有活跃的游说公司，并按申报数量排序。倡议团队可用它了解哪些机构已经在影响政策、哪些公司集中服务于特定机构，以及政治覆盖存在哪些空白。再结合 political_wind_report 中的 FEC 捐款数据，就能全面了解特定采购领域内的影响力流向。

拨款与 SBIR 机会管道

面向联邦研发资金的研究机构、大学和小型企业可以使用 contract_opportunity_search，通过一次调用同时查找 Grants.gov 上的有效公告和 SAM.gov 上的机会。该工具会返回每项拨款的资助上限、截止日期和机构等结构化数据，可直接用于拨款机会管道管理工作流。

如何使用政府合同情报工具搭配 AI 助手

1. 连接 MCP 服务 — 将服务 URL https://government-contract-intelligence-mcp.apify.actor/mcp 添加到 MCP 客户端配置中，并将你的 Apify API 令牌作为 Authorization: Bearer 标头。请参阅下方的连接示例。
2. 选择研究查询 — 使用采购领域（例如，“零信任网络访问 DoD”）、公司名称（例如，“Leidos”）或组合查询（例如，“联邦民事机构云迁移”）。
3. 调用合适的工具 — 查询有效公告时，从 contract_opportunity_search 开始；进行全面评估时，使用 bid_intelligence_score；进行行业层面的政治分析时，使用 political_wind_report。大多数工具会在 60-120 秒内返回结果。
4. 查看结构化输出 — 每个工具都会返回 JSON 响应，其中包含评分结果、来源记录数量和具体观察结果。你可以让 AI 助手总结、比较，或根据输出生成业务拓展备忘录。

MCP 工具

工具	价格	查询的数据源	描述
contract_opportunity_search	$0.045	SAM.gov, Grants.gov	正在进行的联邦合同机会和资助资金，可选择按 NAICS 代码筛选
agency_spending_analysis	$0.045	USAspending	机构义务总额、主要授标机构、近期获奖者
procurement_pipeline_forecast	$0.045	SAM.gov, Federal Register, Grants.gov, Congress Bills	使用 Contract Pipeline Predictor 模型计算项目管线概率分数
incumbent_contractor_analysis	$0.045	SAM.gov, USAspending, Lobbying Disclosure, FEC, Company Research	在职承包商优势评分（0-100），附带标注的评估
political_wind_report	$0.045	Congress Bills, Congressional Stock Tracker, Lobbying Disclosure, FEC, Federal Register	政治风向评分（-100 至 +100），附带方向标签
competitive_landscape_map	$0.045	SAM.gov, USAspending, Lobbying Disclosure	按授标量排名的顶级承包商、按申报数量排名的顶级游说公司
regulatory_impact_tracker	$0.045	Federal Register, Congress Bills	按主题追踪最终规则、拟议规则、通知和法案状态
bid_intelligence_score	$0.045	全部 9 个数据源	综合投标情报评分（0-100），包含等级、四项子评分和建议

工具输入参数

工具	参数	类型	必填	描述
contract_opportunity_search	query	string	是	采购关键词或主题
contract_opportunity_search	naicsCode	string	否	用于筛选结果的 NAICS 代码（例如，“541512”）
agency_spending_analysis	query	string	是	用于支出搜索的关键词
agency_spending_analysis	agency	string	否	用于筛选授标的特定机构名称
procurement_pipeline_forecast	query	string	是	要预测的采购领域
incumbent_contractor_analysis	companyName	string	是	要分析的承包商名称
incumbent_contractor_analysis	query	string	否	与公司名称不同的合约领域查询
political_wind_report	query	string	是	用于政治分析的行业或主题
competitive_landscape_map	query	string	是	要绘制竞争图谱的采购领域
regulatory_impact_tracker	query	string	是	用于法规搜索的主题或关键词
bid_intelligence_score	query	string	是	采购领域关键词
bid_intelligence_score	companyName	string	否	用于增强分析的现任承包商或竞争对手公司名称

工具调用示例

搜索正在进行的 DoD 网络安全合同，并按 NAICS 筛选：

{
  "tool": "contract_opportunity_search",
  "arguments": {
    "query": "zero trust network access",
    "naicsCode": "541512"
  }
}

国防 IT 机会的完整投标情报评分：

{
  "tool": "bid_intelligence_score",
  "arguments": {
    "query": "identity and access management DoD",
    "companyName": "Leidos"
  }
}

医疗保健 IT 采购的政治风向评估：

{
  "tool": "political_wind_report",
  "arguments": {
    "query": "electronic health records VA HHS"
  }
}

输出示例

{
  "query": "zero trust network access DoD",
  "bidIntelligenceScore": 72,
  "grade": "STRONG OPPORTUNITY",
  "models": {
    "contractPipeline": {
      "score": 82,
      "label": "HOT PIPELINE",
      "findings": [
        "14 active SAM.gov opportunities — hot market",
        "18 Federal Register entries — significant regulatory activity",
        "7 Grants.gov opportunities — strong funding pipeline",
        "8 relevant bills in Congress — legislative momentum",
        "43 USAspending records — proven federal spending area",
        "$1.4B in historical obligations — massive market"
      ]
    },
    "incumbentAdvantage": {
      "score": 61,
      "label": "STRONG INCUMBENT",
      "findings": [
        "22 SAM.gov contract records — deeply entrenched incumbents",
        "18 lobbying records — established political relationships",
        "12 FEC contribution records — deep political giving",
        "43 USAspending awards — proven delivery track record",
        "Company research data confirms market presence"
      ]
    },
    "politicalWind": {
      "score": 38,
      "direction": "STRONG TAILWIND",
      "findings": [
        "2 passed bills — some legislative support",
        "11 introduced bills — high legislative interest",
        "18 Federal Register entries — active regulatory attention",
        "Congressional stock signal BULLISH: 7 buys vs 2 sells — lawmakers betting on growth",
        "18 lobbying filings — industry actively shaping policy",
        "12 FEC contributions — political finance activity"
      ]
    },
    "spendingVelocity": {
      "score": 75,
      "label": "RAPID EXECUTION",
      "findings": [
        "22 SAM.gov records — high procurement velocity",
        "$1.4B obligated — massive spending velocity",
        "7 grant opportunities",
        "4 spending-related Federal Register notices",
        "3 appropriation/authorization bill(s) — budget pipeline active"
      ]
    }
  },
  "recommendation": "Moderate opportunity. Some procurement activity detected. Conduct targeted BD before bidding.",
  "dataSources": {
    "samContracts": 22,
    "usaSpending": 43,
    "grants": 7,
    "federalRegister": 18,
    "congressBills": 11,
    "lobbying": 18,
    "fecContributions": 12,
    "congressStockTrades": 9,
    "companyResearch": 3
  }
}

输出字段

字段	类型	描述
query	string	使用的搜索查询
bidIntelligenceScore	number	综合评分，0-100
grade	string	WEAK / MODERATE / STRONG / PRIME OPPORTUNITY
recommendation	string	可执行的投标策略建议
models.contractPipeline.score	number	Pipeline Predictor 评分，0-100
models.contractPipeline.label	string	COLD / MODERATE / ACTIVE / HOT PIPELINE
models.contractPipeline.findings	string[]	有具体数据支撑的证据项
models.incumbentAdvantage.score	number	现有承包商优势评分，0-100
models.incumbentAdvantage.label	string	OPEN FIELD / MODERATE / STRONG / FORTRESS INCUMBENT
models.incumbentAdvantage.findings	string[]	现有承包商根深蒂固的具体证据
models.politicalWind.score	number	政治风向评分，-100 至 +100
models.politicalWind.direction	string	STRONG HEADWIND / MILD HEADWIND / NEUTRAL / MILD TAILWIND / STRONG TAILWIND
models.politicalWind.findings	string[]	政治信号观察结果
models.spendingVelocity.score	number	机构支出速度评分，0-100
models.spendingVelocity.label	string	DORMANT / SLOW BURN / STEADY SPENDING / RAPID EXECUTION
models.spendingVelocity.findings	string[]	预算执行证据项
dataSources.*	number	9 个数据源各自返回的记录数

对于单项工具：contract_opportunity_search 返回 samGov.opportunities[] 和 grantsGov.opportunities[]；competitive_landscape_map 返回 topContractors[] 和 topLobbyists[]；regulatory_impact_tracker 返回 federalRegister.finalRules、.proposedRules、.notices 以及 congressionalBills.bills[]。

使用此政府合同情报 MCP 需要多少费用？

此 MCP 服务采用按调用付费模式——每次调用工具需支付 $0.045。平台计算费用已包含在内。没有订阅费、月度最低消费，也不会在服务处于 Standby 状态时因闲置而收费。

场景	工具调用次数	每次调用费用	总费用
快速检查机会	1	$0.045	$0.045
投标/不投标工作流	3	$0.045	$0.135
每周业务拓展管线审查	10	$0.045	$0.45
每月业务拓展捕获管理	50	$0.045	$2.25
企业业务拓展团队（日常使用）	200	$0.045	$9.00

你可以在 MCP 客户端或 Apify actor 运行配置中为每个会话设置最高支出限额。服务会通过 Actor.charge() 在每次工具调用时执行此限额，并返回结构化错误，而不是悄悄超额收费。

相比之下，BGov 每年收费 $8,000-15,000，Deltek GovWin 每年收费 $6,000-12,000，Bloomberg Government 每年收费 $6,000+。每月调用工具 200-500 次的大多数用户，花费不到 $25/月，无需承诺订阅，也无需购买席位许可证。

Apify Free 计划包含每月 $5 的平台额度——足以让你在付费使用前调用工具 100 次以上，体验此服务。

连接到此政府合同情报 MCP 服务

Claude Desktop

将以下内容添加到你的 claude_desktop_config.json：

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

然后向 Claude 提问：“搜索国防部正在进行的零信任网络访问合同”或“为联邦民事机构的云迁移运行完整的投标情报评分。”

Cursor / Windsurf / Cline

将相同的 URL 和令牌添加到编辑器的 MCP 服务配置中。此服务无状态——每次工具调用彼此独立，因此可在所有使用 Streamable HTTP 传输的 MCP 客户端中正常工作。

Python

import httpx
import json

APIFY_TOKEN = "YOUR_APIFY_TOKEN"
MCP_URL = "https://government-contract-intelligence-mcp.apify.actor/mcp"

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "bid_intelligence_score",
        "arguments": {
            "query": "zero trust network access DoD",
            "companyName": "Leidos"
        }
    },
    "id": 1
}

response = httpx.post(
    MCP_URL,
    json=payload,
    headers={"Authorization": f"Bearer {APIFY_TOKEN}"}
)
result = response.json()
data = json.loads(result["result"]["content"][0]["text"])

print(f"Bid Intelligence Score: {data['bidIntelligenceScore']}/100 — {data['grade']}")
print(f"Recommendation: {data['recommendation']}")
print(f"Pipeline: {data['models']['contractPipeline']['label']} ({data['models']['contractPipeline']['score']})")
print(f"Incumbent: {data['models']['incumbentAdvantage']['label']} ({data['models']['incumbentAdvantage']['score']})")
print(f"Political Wind: {data['models']['politicalWind']['direction']} ({data['models']['politicalWind']['score']})")

JavaScript

const APIFY_TOKEN = "YOUR_APIFY_TOKEN";
const MCP_URL = "https://government-contract-intelligence-mcp.apify.actor/mcp";

const response = await fetch(MCP_URL, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "Authorization": `Bearer ${APIFY_TOKEN}`,
  },
  body: JSON.stringify({
    jsonrpc: "2.0",
    method: "tools/call",
    params: {
      name: "bid_intelligence_score",
      arguments: {
        query: "zero trust network access DoD",
        companyName: "Leidos",
      },
    },
    id: 1,
  }),
});

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

console.log(`Score: ${data.bidIntelligenceScore}/100 — ${data.grade}`);
console.log(`Recommendation: ${data.recommendation}`);
console.log(`Data sources queried: SAM.gov (${data.dataSources.samContracts}), USAspending (${data.dataSources.usaSpending}), Lobbying (${data.dataSources.lobbying})`);

cURL

# Run a full bid intelligence score
curl -X POST "https://government-contract-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": "bid_intelligence_score",
      "arguments": {
        "query": "zero trust network access DoD",
        "companyName": "Leidos"
      }
    },
    "id": 1
  }'

# List available tools
curl -X POST "https://government-contract-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/list","params":{},"id":1}'

政府合同情报 MCP 服务的工作原理

数据编排层

服务器使用 runActorsParallel() 函数，通过 Promise.all() 同时启动所有必需的 Apify actor。对于 bid_intelligence_score——功能最全面的工具——9 个 actor 并行运行，每个 actor 的超时时间为 120 秒，调用时使用 memory: 256，每个数据源最多获取 50 条记录。并行架构意味着完整的 9 个数据源评估通常可在 90–120 秒内完成。actor 客户端会将每个数据源映射到一个具名 actor：ryanclinton/sam-gov-contract-monitor、ryanclinton/usaspending-search、ryanclinton/grants-gov-search、ryanclinton/federal-register-search、ryanclinton/congress-bill-search、ryanclinton/senate-lobbying-search、ryanclinton/fec-campaign-finance、ryanclinton/congress-stock-tracker 和 ryanclinton/company-deep-research。

评分引擎

scoring.ts 中的四种评分模型都会获取 actor 的原始输出，并根据记录数量和内容信号按等级分配分数。

合同管线预测器：活跃 SAM.gov 机会数量最多可得 30 分（>10 = 30 分，>3 = 20 分）；Federal Register 数据量最多可得 20 分；Grants.gov 和国会法案的势头各最多可得 15 分；USAspending 义务金额最多可得 20 分，另有 10 亿美元以上的门槛加分。

现有承包商优势分数：SAM.gov 合同历史深度（>20 条记录 = 30 分）、游说申报密度（>20 份申报 = 25 分）、FEC 贡献金额（>10 条记录 = 20 分）、USAspending 奖项历史（>10 个奖项 = 15 分）以及公司研究信息（10 分）均可获得相应分数。标签从 OPEN FIELD（0–14）到 FORTRESS INCUMBENT（70+）。

政治风向分析使用 -100 到 +100 的分数范围。正向信号：已通过法案（最高 +30）、已提出法案（最高 +15）、Federal Register 活动（最高 +15）、STOCK Act 买入占多数（+20）。负向信号：STOCK Act 卖出占多数（-20）。只有在至少有 3 笔交易，且某一方向的数量超过另一方向的 2 倍时，买入/卖出信号才会触发，以过滤交易活动稀少造成的噪声。游说数量和 FEC 活动各可加最多 +10 分。

机构支出速度对 USAspending 义务总额赋予最高权重（10 亿美元以上最多可得 30 分），其次依次为 SAM.gov 招标数量（最多 25 分）、Grants.gov 项目管线（最多 20 分）、Federal Register 支出通知（根据 solicitation/RFP/RFI/funding/appropriation/award 关键词，最多 15 分），以及是否存在拨款/授权法案（10 分）。

综合分数公式：(Pipeline × 0.35) + (Velocity × 0.25) + ((Wind + 100)/2 × 0.20) + ((100 - Incumbent) × 0.20)。现有承包商分数采用反向计算，因此较高的现有承包商分数会降低整体机会评级。

MCP 传输与待机架构

服务器作为 Express HTTP 应用运行在 Apify Standby 端口上。它使用 StreamableHTTPServerTransport，并设置 sessionIdGenerator: undefined 以实现完全无状态运行——每次向 /mcp 发送 POST 请求都会创建一个全新的 MCP 服务器实例来处理请求，随后将其销毁，因此可安全地处理并发调用。在非 Standby 模式下，服务器会短暂地在端口 8080 上启动以执行健康检查，并在 1 秒后退出，从而顺利满足 Apify 的构建系统要求。

获取最佳结果的技巧

1. 先运行 contract_opportunity_search，再决定是否运行 bid_intelligence_score。 机会搜索的费用为 $0.045，可立即告知你 SAM.gov 上是否有活跃的招标信息。如果没有活跃机会，完整的投标情报分析可能不值得调用。

2. 分析已知领域时，在 bid_intelligence_score 中填写 companyName。 提供主要现任承包商的名称，可以丰富 FEC 和公司研究查询，生成更具体的现任承包商优势发现，而非泛泛的行业层面信号。

3. 在竞争激烈的领域使用 contract_opportunity_search 中的 NAICS 代码。 对“cloud”或“cybersecurity”等主题进行宽泛的关键词查询，会返回范围广但深度不足的结果。使用 NAICS 筛选（541512 = 计算机系统设计，541519 = 其他 IT 服务，336411 = 飞机制造）可缩小范围，找到直接相关的机会。

4. 解读政治风向分数时，应关注方向而非绝对值。 在规模庞大、成熟稳定的采购市场中，+15（轻微利好）的分数比在游说数据稀少的新兴类别中 +40 更有意义。下结论前，请查看 findings 数组，了解证据依据。

5. 对于受合规要求驱动的市场，将 regulatory_impact_tracker 与 political_wind_report 结合使用。 对于医疗 IT、核能或金融服务等监管直接产生采购要求的行业，同时运行这两种工具可全面了解情况：目前正在监管什么（追踪器），以及政策正朝哪个方向发展（风向报告）。

6. 先运行 competitive_landscape_map，再运行 incumbent_contractor_analysis。 竞争格局图会根据授标量确定顶级承包商，帮助你找到要用现任承包商分析工具进一步调查的公司名称，而不是凭一般市场知识猜测。

7. 为优先行业安排每周运行 political_wind_report。 国会动态和 STOCK Act 交易每周都会变化。通过定时运行并启用 Webhook 通知，团队可以在竞争对手之前对立法信号作出反应。

与其他 Apify Actor 结合使用

Actor	组合方式
SAM.gov 合同监控器	在 MCP 工作流之外，直接访问 SAM.gov 进行自定义机会监控
联邦合同情报	独立 Actor，可根据多个机会关键词批量研究合同
公司深度研究	针对通过 competitive_landscape_map 确定的现任承包商，生成深入的承包商情报报告
SEC EDGAR 文件分析器	交叉核对通过 incumbent_contractor_analysis 确定的上市国防承包商提交的 EDGAR 10-K/10-Q 文件
B2B 潜在客户资格评估器	通过 competitive_landscape_map 确定团队合作伙伴候选对象后，使用相同的 0-100 评分框架进行评分
HubSpot 潜在客户推送器	运行 bid_intelligence_score 后，将评分后的机会和竞争对手概况推送到业务拓展 CRM 工作流
网站联系人抓取器	从通过 competitive_landscape_map 顶级承包商列表确定的承包商网站中提取业务拓展联系人

局限性

• 仅限联邦采购。 此服务通过 SAM.gov 和 USAspending 覆盖美国联邦合同、支出和补助金。州、地方和市政采购（SLED）需要使用此处未包含的单独数据源。
• 基于搜索检索，而非全面访问数据库。 每次参与方查询最多返回 50 条与搜索词匹配的记录。过于宽泛的查询（例如“IT services”）可能只返回代表性样本，而非详尽的统计结果。请使用具体的 NAICS 代码和关键词以提高准确性。
• 评分模型基于信号，而非因果关系。 Bid Intelligence Score 会综合相关信号（游说密度、国会活动），得出概率估值。它无法访问机密采购数据、机构内部预算文件或决策前的采购计划。
• Political Wind Analysis 需要足够的数据密度。 对于国会法案少于 3 项或游说申报少于 5 份的细分采购类别，由于信号稀疏，-100 至 +100 的评分会集中在零附近。findings 数组会明确说明这一点。
• 公司研究深度因承包商规模而异。 对于大型上市国防主承包商，company-deep-research actor 会返回更丰富的资料；对于网络影响力有限的小型 8(a) 企业或近期获得预留合同的承包商，返回的资料则较少。
• 不提供 SAM.gov 实时监控。 此服务会在调用时查询 SAM.gov。它不会维护关注列表，也不会在发布符合条件的新机会时推送通知。可使用 Apify 调度实现定期监控。
• 国会议员股票交易信号存在固有延迟。 STOCK Act 披露须在交易后 30-45 天内提交，因此国会议员股票信号反映的是近期过往交易，而非当前持仓。
• 每个底层 actor 的工具调用超时时间为 120 秒。 如果 bid_intelligence_score 并行运行全部 9 个 actor，总响应时间取决于最慢的单个 actor。如果某个来源暂时响应缓慢，整体响应时间也会增加。

集成

• Zapier — 在关注列表中添加新关键词时触发 procurement_pipeline_forecast 运行，并将结果推送到 Zapier 表格或 Google Sheets BD 跟踪表
• Make — 构建 Make 场景，每周运行 political_wind_report，并将摘要发送给政府事务团队
• Google Sheets — 将 bid_intelligence_score 输出导出到 Google Sheets 机会跟踪表，每次查询占一行，包含评分、等级和建议
• Apify API — 使用带有 Authorization: Bearer 标头的 HTTP POST 请求访问 /mcp，即可通过任意语言以编程方式调用 MCP 服务
• Webhooks — 预定的 contract_opportunity_search 运行完成并发现新的有效列表时，接收 webhook 通知
• LangChain / LlamaIndex — 使用 Apify LangChain 工具包，将此 MCP 服务接入 Agent 式 BD 研究工作流，并根据 bid_intelligence_score 输出自动生成投标备忘录

故障排除

• 工具在采购领域活跃时仍返回空的发现数组 — 这通常意味着搜索查询过于具体，或使用了内部项目名称（例如合同工具编号），底层数据源无法匹配这些名称。请尝试使用通俗易懂的采购描述（例如“身份和访问管理”，而不是“HSHQDC-21-D-00001”），并为 contract_opportunity_search 添加 NAICS 代码筛选。

• bid_intelligence_score 对你知道正在活跃的行业给出低分 — 检查输出中的 dataSources 对象。如果 samContracts 和 usaSpending 返回的记录都少于 5 条，说明评分模型的数据不足。这通常表示查询词过于狭窄。请扩大到能力领域（例如“网络安全”，而不是“EDR 终端检测”），然后重新运行。

• 政治风向分数接近零，但立法活动明确 — 政治风向模型需要法案状态文本明确包含“passed”“introduced”或“committee”才能评分。以特殊状态描述抓取的法案可能不会触发评分。请检查 dataSources 中的 congressionalBills 数量；如果为 0，请尝试扩大查询范围或使用官方立法术语。

• bid_intelligence_score 响应缓慢 — 该工具会并行运行 9 个数据采集 Actor，每个 Actor 的超时时间为 120 秒。在数据源负载过高的少数情况下，完整响应可能需要最多 3 分钟。如果你持续遇到超时，请将研究拆分到各个工具（contract_opportunity_search + political_wind_report + incumbent_contractor_analysis），以确定哪个数据源较慢。

• MCP 端点返回 401 Unauthorized 错误 — 请确保在 Authorization: Bearer YOUR_TOKEN 请求头中包含 Apify API 令牌，而不是将其作为查询参数。Standby 端点要求请求经过身份验证。

负责任地使用

• 此服务仅访问通过官方联邦数据库发布的美国政府公开数据。
• 所有数据源——SAM.gov、USAspending、Grants.gov、Federal Register、Congress.gov、《游说披露法》、FEC 以及《STOCK Act》披露数据库——均为政府规定的公开披露系统。
• 国会股票交易数据依据《STOCK Act》（《停止利用国会知识交易法》）发布，依法必须公开。
• 使用提取的数据时，请遵守适用法规，包括研究国防采购时的出口管制要求。
• 切勿在未对具体机会要求进行额外尽职调查的情况下，将评分输出作为投标或不投标决策的唯一依据。
• 有关网页抓取和数据收集合法性的指导，请参阅 Apify 的指南。

常见问题

此 MCP 返回的政府合同数据有多新？ 所有数据均在查询时从底层联邦数据库实时获取——没有缓存。SAM.gov 机会反映当前有效和近期关闭的项目。USAspending 奖项数据由联邦政府每日更新。国会数据和 Federal Register 条目反映截至查询日期发布的内容。

如何搜索 DoD 或 HHS 等特定机构的政府合同？ 在查询中加入机构名称或缩写（例如“网络安全 DoD”“电子健康记录 HHS”）。对于 agency_spending_analysis，你也可以传入明确的 agency 参数，将 USAspending 结果筛选为特定授标机构。

此政府合同情报服务能否识别为小型企业保留的机会？ 可以。SAM.gov 合同机会会在指定时包含保留类型：8(a)、HUBZone、SDVOSB（服务伤残退伍军人所有的小型企业）、WOSB（女性所有的小型企业）以及 SBA 全部小型企业。这些信息会显示在 contract_opportunity_search 返回的每个机会的 setAside 字段中。 投标情报评分有多准确？ 该评分汇总了公开可用的信号，并非对授标结果的预测。它反映了可观察到的采购活动、政治利好因素、现有承包商的稳固程度以及预算流动速度。评分达到 75 分及以上，表示市场在多个来源中都有强有力且相互印证的信号。请将其视为优先级排序工具，而非保证。

这与 BGov 或 Deltek GovWin 有何不同？ BGov 和 GovWin 提供基于订阅的平台，包含关系追踪和 CRM 集成等附加功能，但每个席位每年收费 6,000–15,000 美元，且需要签订年度合同。这个 MCP 服务每次查询收费 0.045 美元，无需订阅、无需按席位授权，也无需签订合同。它旨在供你在 AI 助手中按需调用以开展研究，而非作为独立平台使用。

该服务涵盖州和地方政府合同吗？ 不涵盖。该服务仅专注于通过 SAM.gov、USAspending 及相关联邦数据库获取美国联邦采购信息。州和地方采购（SLED 市场）需要单独的数据来源。这是已知的局限。

我可以将此政府合同情报 MCP 用于 Claude Projects 或 Claude.ai 吗？ 可以，前提是你的 Claude 方案支持自定义 MCP 服务。将服务 URL 和 API 令牌添加到 MCP 配置中。之后，Claude Projects 就能在研究对话中直接调用这些工具。

如果一家公司有多个子公司或运营部门，现有承包商分析会如何处理？ incumbent_contractor_analysis 工具会使用你提供的确切公司名称进行搜索。对于拥有子公司的大型主承包商（例如，“GDIT”、“General Dynamics Information Technology”和“General Dynamics”），你可能需要分别使用每个实体名称运行查询，才能全面了解情况。你可以手动合并结果，或让 AI 助手综合多个查询的结果。

将国会议员股票交易数据用于商业情报是否合法？ 合法。根据 STOCK Act，国会议员必须在 30–45 天内公开披露股票交易。相关披露数据库可通过美国众议院和参议院的财务披露门户公开访问。将这些数据用于商业情报和政治风险分析是合法的。请参阅 Apify 关于网页抓取合法性的指南。

我可以安排此 MCP 服务定期监控机会吗？ 可以。使用 Apify 的计划功能，按日或按周触发 contract_opportunity_search 或 procurement_pipeline_forecast 运行。结合 Webhook 或 Zapier/Make 集成，当新机会符合你的条件时，自动将结果推送给你的 BD 团队。

在调用 bid_intelligence_score 时，如果 9 个数据来源之一发生故障，会怎样？ 单个 Actor 故障会被捕获，并返回空数组，而不会导致整个调用崩溃。评分模型能够妥善处理数据缺失：故障来源在对应评分维度中的贡献为零，输出中的 dataSources 计数会将该来源显示为 0，因此哪些输入不可用一目了然。

免费方案每月可以调用多少次工具？ Apify 免费方案包含每月 5 美元的额度。按每次工具调用收费 0.045 美元计算，每月约可调用 111 次工具，足以在多个采购领域充分评估该服务的能力。

帮助我们改进

如果你遇到问题，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你的运行详情，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

发现了 Bug 或有功能需求？请在此 Actor 页面上的 Issues 选项卡中提交 Issue。如需定制评分模型、额外的数据源或企业采购研究集成，请通过 Apify 平台联系我们。