Insurance Underwriting Intelligence

保险承保情报 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": {
    "insurance-underwriting-intelligence-mcp": {
      "url": "https://ryanclinton--insurance-underwriting-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

面向商业财产与意外险团队的保险承保情报——此 MCP 服务利用 8 个实时政府数据源，为任意房产地址提供多灾因风险评估。只需一次工具调用，即可得出综合灾因评分（0-100）、四级风险分类（优选／标准／次标准／拒保）、保费调整系数，以及可执行的承保说明。

财产与意外险核保人员、精算团队、再保险公司和风险工程师可以查询任意地址或地区，获取结构化风险情报，涵盖自然灾害、地震风险、洪水预警、天气严重程度、环境污染、周边犯罪情况，以及未来 5 年、10 年和 25 年的气候趋势。无需手动收集数据，也无需订阅供应商服务——仅按评估次数付费。

可以提取哪些数据？

数据点	来源	示例
📋 FEMA 重大灾害声明	FEMA 灾害声明	14 项 DR 类声明，以洪水／飓风为主
🌊 按严重程度划分的活跃洪水预警	英国环境署	5km 范围内有 3 项严重洪水预警处于生效状态
🌍 地震事件震级分布	USGS 地震检索	100km 范围内有 2 起 5-6 级事件、8 起 4-5 级事件
🌩 NOAA 天气警报严重程度	NOAA 天气警报	2 项极端龙卷风警报、1 项严重雷暴警报
🏭 空气质量与 WHO 指导值对比	OpenAQ 空气质量	PM2.5 为 34 µg/m³，超过 WHO 阈值 2.3 倍
👮 按类别划分的犯罪风险	英国警方犯罪数据	期间发生 42 起暴力犯罪、87 起财产犯罪
🏠 房产交易背景	英国土地登记处	中位成交价 £285,000，共 24 笔交易
📍 地理编码坐标	Nominatim / OpenStreetMap	从地址解析得出 51.5074°N, 0.1278°W
📊 综合灾因评分（0-100）	4 模型评分引擎	评分：58——高灾因等级
🏷 风险等级分类	综合模型	次标准——建议加收保费
⚙️ 保费调整系数	基于风险加权的公式	基础保费的 1.79 倍
📈 气候趋势预测	历史趋势模型	5 年：64 / 10 年：71 / 25 年：86（恶化）

为什么使用保险承保情报 MCP 服务？

对单笔房产投保申请进行人工承保调研，需要分别打开 FEMA 灾害检索、USGS 地震信息流、NOAA 警报面板、当地警方统计数据和空气质量门户，再将 7 个数据源的信息汇总成连贯的风险图景。每项风险需要 45-90 分钟。若要大规模开展，这种方式并不现实。

此 MCP 可自动完成整个工作流。一次工具调用即可并行请求全部 8 个数据源、运行 4 种评分模型，并在 60 秒内返回结构化承保简报。Claude、Cursor 或 Windsurf 中的 AI 助手可以在对话过程中调用这些工具，即时呈现风险信号。

• 定时调度 — 使用 Apify 的调度器，在保单续保时每年重新评估整个投资组合的风险，无需人工干预
• API 访问 — 通过 Python、JavaScript 或任何 HTTP 客户端触发评估，并将结果直接传入承保工作台
• 代理轮换 — Apify 内置的代理基础设施可确保大规模可靠获取数据，避免请求遭拦截
• 监控 — 配置 Slack 或电子邮件提醒，在评估完成或达到支出限额时接收通知
• 集成 — 将结果连接到 Google Sheets、HubSpot、Zapier 或 Make，以自动化下游工作流

功能

• 8 个并行数据源 — 通过 Promise.allSettled 同时查询 FEMA、USGS、NOAA、UK Flood Warnings、UK Police、OpenAQ、UK Land Registry 和 Nominatim 地理编码器，因此一个数据源失败不会阻塞其余数据源
• 综合灾害评分（0-100） — 四种加权评分模型合并为一个风险数值：综合灾害 35%、气候趋势 25%、犯罪暴露 20%、环境污染 20%
• 按震级加权的地震评分 — USGS 事件按震级区间评分：震级 6 级及以上的事件每次计 10 分，5 级及以上计 5 分，4 级及以上计 2 分，每次评估最高 25 分
• 符合 WHO 标准的空气质量评分 — 将六种污染物（PM2.5、PM10、NO2、SO2、O3、CO）与 WHO 指导阈值进行比较；超标评分按超标比例加权，而不只是看是否超标
• 区分暴力犯罪与财产犯罪 — UK Police 数据分为 7 种暴力犯罪类型和 6 种财产犯罪类型，并采用不同的核保权重（暴力犯罪：每项 4 分；财产犯罪：每项 2 分）
• 气候加速模型 — 按年份对 FEMA 灾害声明进行分组；最近十年的平均值与前一个十年的平均值之比决定加速因子，并使用指数增长模型预测未来风险
• 4 种风险等级分类 — 优选（0-24）、标准（25-49）、次标准（50-74）、拒保（75-100），并提供相应的核保行动指引
• 保费调整系数输出 — 根据综合风险评分，按公式 0.8 + (score / 100) × 1.7 计算 0.8（优选折扣）至 2.5（最高附加费）之间的系数
• 自动地理编码 — 在对 USGS、NOAA 和 OpenAQ 执行空间查询前，通过 Nominatim 将任何地址或地区名称转换为经纬度
• 可配置的地震半径 — evaluate_seismic_exposure 接受 radiusKm 参数（默认值为 100km），用于基于距离的地震分析
• 生成核保备注 — 简报包含叙述性决策备注，标记：转交高级核保人员处理的触发条件、主要灾害除外责任、安全要求建议，以及环境附加险建议
• 强制执行消费限额 — 每个工具在执行前都会检查 Actor.charge()；如果达到单次运行预算上限，工具会立即返回结构化错误，而不会静默失败

保险核保情报的使用场景

商业地产核保

处理新的商业地产投保申请时，财产与意外险（P&C）核保人员往往要花费过多时间收集基本灾害数据。此 MCP 通过 generate_underwriting_brief 在 60 秒内返回结构化风险简报。只需几分钟即可按综合评分对一整天的申请进行分流，将人工审核重点放在次标准和拒保等级的物业上。

精算气候趋势建模

为长期财产风险定价的精算团队需要前瞻性的灾害数据，而不仅是当前暴露情况。project_climate_trajectory 使用 FEMA 历史灾害频率趋势，预测未来 5 年、10 年和 25 年的风险，并直接用于校准灾害模型，以支持气候调整定价。

再保险组合集中度分析

评估合约提交资料的再保险公司需要快速汇总组合层面的灾害风险。对分出公司的物业清单逐一运行 assess_location_risk，即可识别地理灾害集中区域以及多种灾害交汇的地点——这些区域最有可能引发相关损失。

风险工程现场勘查优先级排序

在派遣现场工程师之前，风险工程团队会调用 evaluate_seismic_exposure 和 check_flood_risk，以识别需要现场检查的最高灾害风险物业。将现场资源重点安排在显示中等或更高灾害风险的地点。

环境责任承保

measure_environmental_liability 提供特定地点的空气质量读数，并与 WHO 指南进行对比，同时统计各类污染物超标次数。该工具可直接用于评估呼吸系统疾病理赔风险敞口和污染法律责任定价。

洪水和天气特殊险种

check_flood_risk 将英国环境署的当前洪水预警与 FEMA 历史洪灾记录相结合，构建双数据源洪水风险图景，为特殊险种定价和除外责任决策提供依据。

如何使用保险承保风险评估

1. 连接 MCP 客户端 — 将服务 URL https://insurance-underwriting-intelligence-mcp.apify.actor/mcp 添加到 Claude Desktop、Cursor、Windsurf 或任何兼容 MCP 的 AI 工具中。你需要 Apify API 令牌。
2. 请求风险评估 — 告诉 AI 助手房产地址或地区，例如：“为 1400 Brickell Ave, Miami, FL 生成承保简报。”AI 会自动调用相应工具。
3. 查看结构化输出 — 服务会返回一份 JSON 简报，其中包含综合评分、风险等级、保费调整系数和各类风险明细。AI 会用通俗语言总结关键信号。
4. 下载或转发结果 — 将 JSON 输出复制到承保工作台，通过 Apify 集成推送到 Google Sheets，或触发 Webhook 将结果发送到保单管理系统。

输入参数

此服务不使用 Actor 级别的输入参数——所有输入都作为调用各 MCP 工具时的参数传递。请参阅下方的工具参考。

工具参数

除 analyze_disaster_history 外，所有工具都接受可选的 latitude 和 longitude（数字；若省略则自动进行地理编码）。下表仅列出各工具专属的参数。

工具	参数	类型	必填	默认值	说明
所有工具	location	string	是	—	地址、城市、州或地区
所有工具	latitude	number	否	自动	十进制度纬度 — 跳过地理编码步骤
所有工具	longitude	number	否	自动	十进制度经度 — 跳过地理编码步骤
analyze_disaster_history	location	string	是	—	用于 FEMA 搜索的州、县或地区
evaluate_seismic_exposure	radiusKm	number	否	100	地震搜索半径，单位为千米

使用提示

• 提供已有的坐标 — 对于所有空间工具，在 location 字符串旁直接传入 latitude 和 longitude，即可跳过地理编码的延迟
• 先运行 assess_location_risk，再调用 generate_underwriting_brief — 快速评估只需四分之一的时间，还能判断是否需要生成完整简报
• 对美国各州和县使用 analyze_disaster_history — FEMA 数据在州和县级最完整；农村地区的城市级查询返回的记录较少
• 地震活动频繁的地区将 radiusKm 设为 200 — 默认的 100 公里半径可能低估加州或土耳其等断层远离城市区域的断层风险
• score_crime_proximity 和 check_flood_risk 仅用于英国地址 — 这些工具的数据来自英国政府；非英国地址的查询结果有限或为空

输出示例

针对一份商业房产投保申请，generate_underwriting_brief 的完整输出：

{
  "location": "1400 Brickell Avenue, Miami, FL",
  "coordinates": { "lat": 25.7589, "lon": -80.1946 },
  "compositeRiskScore": 61,
  "riskTier": "SUBSTANDARD",
  "premiumModifier": 1.84,
  "allSignals": [
    "12 FEMA major disaster declarations in area",
    "Significant seismic activity — 6 events recorded",
    "4 active weather alerts, including severe/extreme",
    "2 severe flood warnings active",
    "3 pollutants exceed WHO guidelines",
    "Disaster frequency accelerating — 50%+ increase over prior decade",
    "2 extreme weather events — elevated climate trajectory"
  ],
  "underwritingNotes": [
    "Dominant peril: Natural Disaster (FEMA) — consider exclusions or sublimits",
    "Climate trajectory rapidly worsening — review at shorter intervals",
    "Multiple pollution exceedances — environmental liability endorsement recommended"
  ],
  "compositePeril": {
    "score": 68,
    "disasterCount": 18,
    "earthquakeRisk": 14.5,
    "weatherAlerts": 4,
    "floodRisk": 3,
    "perilLevel": "HIGH",
    "dominantPeril": "Natural Disaster (FEMA)"
  },
  "environmentalContamination": {
    "score": 44,
    "airQualityIndex": 38,
    "pollutantCount": 5,
    "exceedances": 3,
    "contaminationLevel": "ELEVATED",
    "pollutants": [
      { "parameter": "pm25", "value": 34.2, "unit": "µg/m³" },
      { "parameter": "no2", "value": 41.8, "unit": "µg/m³" },
      { "parameter": "o3", "value": 118.0, "unit": "µg/m³" }
    ]
  },
  "crimeExposure": {
    "score": 38,
    "totalCrimes": 94,
    "violentCrimes": 7,
    "propertyCrimes": 22,
    "exposureLevel": "MODERATE",
    "topCategories": [
      { "category": "theft", "count": 31 },
      { "category": "criminal damage", "count": 18 },
      { "category": "burglary", "count": 14 }
    ]
  },
  "climateTrajectory": {
    "score": 72,
    "projectedRisk5yr": 78,
    "projectedRisk10yr": 84,
    "projectedRisk25yr": 96,
    "trendDirection": "RAPIDLY_WORSENING",
    "climateFactors": ["Accelerating disaster frequency", "Extreme weather patterns"]
  },
  "propertyData": [
    { "price": 4750000, "propertyType": "Commercial", "date": "2025-09-14" }
  ]
}

输出字段

字段	类型	描述
location	字符串	按提供的输入地点
coordinates	对象|null	地理编码后的 {lat, lon}；若地理编码失败则为 null
compositeRiskScore	数字	加权综合评分 0-100：灾害 35%、气候 25%、犯罪 20%、环境 20%
riskTier	字符串	PREFERRED / STANDARD / SUBSTANDARD / DECLINE
premiumModifier	数字	乘数 0.80–2.50，按 0.80 + (score/100) × 1.70 计算
allSignals	字符串[]	汇总四个评分模型的风险信号叙述
underwritingNotes	字符串[]	可执行的备注：转介触发条件、除外责任和批单建议
compositePeril.score	数字	灾害子评分 0-100（FEMA 30 分 + 地震 25 分 + 天气 25 分 + 洪水 20 分）
compositePeril.perilLevel	字符串	MINIMAL / LOW / MODERATE / HIGH / SEVERE
compositePeril.dominantPeril	字符串	得分最高的灾害类别名称
compositePeril.disasterCount	数字	返回的 FEMA 灾害声明总数
compositePeril.earthquakeRisk	数字	受 25 分上限限制前的原始地震评分
compositePeril.weatherAlerts	数字	NOAA 警报数量
compositePeril.floodRisk	数字	英国洪水警告数量
environmentalContamination.score	数字	污染评分 0-100（AQI 50 分 + 超标项 30 分 + 多样性 20 分）
environmentalContamination.contaminationLevel	字符串	CLEAN / ACCEPTABLE / ELEVATED / HAZARDOUS
environmentalContamination.exceedances	数字	超出 WHO 2021 指南限值的污染物数量
environmentalContamination.pollutants	数组	最多 10 条读数：{parameter, value, unit}
crimeExposure.score	数字	犯罪评分 0-100（暴力犯罪 40 分 + 财产犯罪 30 分 + 案件数量 20 分 + 反社会行为 10 分）
crimeExposure.exposureLevel	字符串	LOW / MODERATE / HIGH / EXTREME
crimeExposure.violentCrimes	数字	暴力犯罪事件数量
crimeExposure.propertyCrimes	数字	财产犯罪事件数量
crimeExposure.topCategories	数组	最多 8 种犯罪类别及其数量
climateTrajectory.score	数字	气候轨迹评分 0-100
climateTrajectory.trendDirection	字符串	IMPROVING / STABLE / WORSENING / RAPIDLY_WORSENING
climateTrajectory.projectedRisk5yr	数字	5 年期预测评分
climateTrajectory.projectedRisk10yr	数字	10 年期预测评分
climateTrajectory.projectedRisk25yr	数字	25 年期预测评分
propertyData	数组	最多 10 条英国土地登记处交易记录，用于本地估值参考

运行保险核保评估需要多少费用？

此 MCP 采用按调用付费模式——每次调用工具支付 $0.045。全部 8 个工具的定价相同。平台计算成本已包含在内。

场景	工具调用次数	每次调用费用	总费用
快速测试 — 单个地点风险	1	$0.045	$0.045
每日分流 — 20 份申请	20	$0.045	$0.90
每周批量处理 — 100 项风险评估	100	$0.045	$4.50
每月投资组合 — 500 项评估	500	$0.045	$22.50
企业 — 每月 2,000 项续保	2,000	$0.045	$90.00

你可以为每次运行设置最高支出限额以控制成本。达到预算后，服务会停止处理，并为剩余调用返回结构化错误。

相比之下，商业巨灾建模订阅服务（RMS、AIR Worldwide、CoreLogic）的起价为每年 $15,000-50,000。对于日常分流和预筛选工作流，使用此 MCP 的大多数核保团队每月支出为 $20-100，且无需承诺订阅。

如何使用 API 连接

Claude Desktop

添加到你的 claude_desktop_config.json：

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

Python

import httpx
import json

APIFY_TOKEN = "YOUR_APIFY_TOKEN"
MCP_URL = "https://insurance-underwriting-intelligence-mcp.apify.actor/mcp"

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "generate_underwriting_brief",
        "arguments": {
            "location": "1400 Brickell Avenue, Miami, FL"
        }
    },
    "id": 1
}

response = httpx.post(
    MCP_URL,
    json=payload,
    headers={"Authorization": f"Bearer {APIFY_TOKEN}"}
)

result = response.json()
brief = json.loads(result["result"]["content"][0]["text"])
print(f"Risk Tier: {brief['riskTier']}")
print(f"Composite Score: {brief['compositeRiskScore']}/100")
print(f"Premium Modifier: {brief['premiumModifier']}x")
for note in brief.get("underwritingNotes", []):
    print(f"  - {note}")

JavaScript

const APIFY_TOKEN = "YOUR_APIFY_TOKEN";
const MCP_URL = "https://insurance-underwriting-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: "assess_location_risk",
      arguments: {
        location: "Houston, TX",
        latitude: 29.7604,
        longitude: -95.3698
      }
    },
    id: 1
  })
});

const result = await response.json();
const peril = JSON.parse(result.result.content[0].text);
console.log(`Peril Level: ${peril.compositePeril.perilLevel}`);
console.log(`Score: ${peril.compositePeril.score}/100`);
console.log(`Dominant Peril: ${peril.compositePeril.dominantPeril}`);
for (const signal of peril.compositePeril.signals) {
  console.log(`  Signal: ${signal}`);
}

cURL

# Run a full underwriting brief
curl -X POST "https://insurance-underwriting-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_underwriting_brief",
      "arguments": {
        "location": "New Orleans, LA",
        "latitude": 29.9511,
        "longitude": -90.0715
      }
    },
    "id": 1
  }'

# List all available tools
curl -X POST "https://insurance-underwriting-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":2}'

Insurance Underwriting Intelligence MCP Server 的工作原理

地理编码与空间查询准备

所有接受 location 字符串的工具，都会先通过 nominatim-geocoder actor（OpenStreetMap Nominatim）将其解析为十进制度坐标。如果直接提供坐标，则跳过此步骤。解析后的坐标会传递给 USGS、NOAA 和 OpenAQ 进行空间查询；FEMA 和英国数据源则接收原始 location 字符串。

跨 8 个数据源并行收集数据

runActorsParallel 使用 Promise.allSettled 同时分发所有调用。响应缓慢或无法访问的数据源会返回空数组，而不会阻塞其他数据源。完整简报最多会并行运行 8 个 actor——FEMA、USGS、NOAA、英国洪水警报、英国警方、OpenAQ、英国土地注册处和 Nominatim——每个 actor 分配 256MB 内存，并设置 120 秒超时。

四种独立评分模型

综合灾害评分：根据 FEMA 重大灾害历史进行加权（最高 30 分），使用 declarationType 筛选 DR 类型的声明；根据地震暴露度评分（最高 25 分），采用按震级分档的计分系统（6 级及以上 = 10 分，5 级及以上 = 5 分，4 级及以上 = 2 分，低于 4 级 = 0.5 分）；根据 NOAA 天气严重程度评分（最高 25 分），采用 EXTREME/SEVERE/MODERATE/OTHER 加权方式；根据英国洪水警报严重程度评分（最高 20 分），筛选严重程度字符串中包含 "severe"、"danger" 和 "warning" 的警报。

环境污染评分：将每项 OpenAQ 测量值与 6 种污染物的 WHO 2021 指导阈值进行比较。超过阈值的测量值会按超标比例贡献加权 AQI 分数（value / threshold × 25）。污染物多样性（不同参数的数量）最多可额外增加 20 分，以反映复杂的污染情形。

犯罪暴露评分：使用子字符串匹配，将英国警方的犯罪类别划分为 7 种暴力犯罪类型和 6 种财产犯罪类型。每起暴力犯罪计 4 分（最高 40 分），每起财产犯罪计 2 分（最高 30 分）；犯罪总量贡献按对数缩放的分数（最高 20 分），反社会行为最多增加 10 分。采用 log2 对犯罪数量进行缩放，可避免高犯罪数量、低严重程度地区的得分超过确实危险的地区。

气候趋势评分：根据 FEMA 灾害时间戳计算逐十年加速比。该模型会将最近 10 年的灾害年均数量与此前 10 年进行比较。加速比高于 1.5 时，会触发“加速”信号。5 年、10 年和 25 年后的预测采用指数增长模型：currentScore × accelerationRatio^(horizon/20)。

综合简报与保费调整系数

最终综合评分的权重为：综合灾害占 35%，气候趋势占 25%，犯罪暴露占 20%，环境污染占 20%。保费调整系数按 0.80 + (compositeRiskScore / 100) × 1.70 计算，范围从 0.80（风险最低的优选账户）到 2.50（风险最高）。核保备注通过对各子项评分进行条件阈值检查生成。

获得最佳结果的提示

1. 使用 assess_location_risk 作为初步筛选工具。 先对每份提交运行快速的四源评估。只有结果达到 MODERATE 及以上时，才升级调用 generate_underwriting_brief。这样可将低风险提交的支出减少 75%。

2. 为美国房产提供坐标。 与文本搜索相比，USGS 和 NOAA 使用基于坐标的空间查询可返回更精确的结果。批量评估前，先对房产清单进行地理编码，以免产生自动地理编码的延迟。

3. 在州级运行 analyze_disaster_history 以分析趋势。 FEMA 记录在州和县级别最为完整。对于农村地区，城市级查询返回的记录较少。

4. 在作出长期保单承诺前，查看气候变化轨迹。 当前评分为 STANDARD，但变化轨迹为 RAPIDLY_WORSENING 的房产，在 10 年期保单中可能定价不当。project_climate_trajectory 可在这些错配演变为损失事件前将其揭示出来。

5. 为批量组合工作设置单次运行支出上限。 达到预算上限时，服务会返回结构化的 eventChargeLimitReached 错误 — 便于捕获和记录，且不会中止整个批次。

6. 结合受保行业交叉参考犯罪评分。 犯罪暴露梯度对于零售、酒店和轻工业风险最有参考价值。对于办公物业，应更重视环境和气候评分。

与其他 Apify actor 组合使用

Actor	组合方式
Website Contact Scraper	识别出需要人工跟进的高风险地点后，提取经纪人或物业经理的联系方式
Company Deep Research	为商业综合保险核保补充受保实体的企业级情报，以完善物业风险评估
B2B Lead Qualifier	在将商业潜在客户分配给核保人员前，按地点风险评分 — 提前筛除无法承保的地理区域
Trustpilot Review Analyzer	结合灾害评分分析公开情绪数据，评估零售或酒店风险的声誉风险
Website Tech Stack Detector	对科技行业的商业风险，检测基础设施和网络安全状况，将其作为补充风险信号
WHOIS Domain Lookup	在更全面的尽职调查工作流中，验证受保实体的域名注册信息和企业身份
Multi-Review Analyzer	提取受保企业在 Trustpilot 和 BBB 上的评价，以评估索赔历史的替代指标和客户投诉模式

局限性

• 仅提供英国犯罪和洪水数据 — score_crime_proximity 和 check_flood_risk 使用英国政府来源的数据。对于非英国地址，犯罪数据将缺失，洪水结果也仅限于 FEMA 洪灾数据。
• FEMA 数据仅覆盖美国 — analyze_disaster_history 和 assess_location_risk 中的 FEMA 部分仅涵盖美国联邦灾害声明。评估国际房产风险需要使用其他数据源。
• 不能替代巨灾建模 — 此工具提供来自公开来源的数据信号，不会复现 RMS RiskLink、AIR Touchstone 或 CoreLogic 的概率损失函数。请将其用作分流和预筛查层，而不要将其作为定价的唯一依据。
• OpenAQ 数据的可用性取决于监测站 — 空气质量测量的时效性和密度取决于最近的监测站网络。部分农村或发展中国家地区可能返回零条读数。
• 地震评分基于频率，而非概率 — USGS 评分模型会统计历史事件并进行加权，但不会计算概率年超越率（PAE）。对于地震敏感型商业风险，此评分应作为场地专属 PGA 分析的补充，而不能取而代之。
• 气候预测采用简化的加速模型 — 基于 FEMA 十年间加速趋势的指数前向预测仅供参考，未经精算认证。应将 25 年预测视为趋势性判断，而非精确结果。
• 地理编码精度因地址质量而异 — Nominatim 对结构化地址的处理效果最佳。不完整地址、邮政信箱或乡村路线可能会解析为县级质心，而非精确的房产坐标。
• 不提供建筑物级别数据 — 评分反映的是地点的灾害暴露情况，不涉及房产的建筑质量、年代、占用类型或损失历史。必须单独评估建筑特征。

集成

• Claude Desktop — 将此服务添加到 claude_desktop_config.json，即可在 Claude 会话中用自然语言请求承保风险评估
• Cursor / Windsurf / Cline — 在任何兼容的 IDE 中将其连接为 MCP 服务，即可在开发或数据分析工作流中获取承保情报
• Apify API — 使用 Python、JavaScript 或任何 HTTP 客户端以编程方式调用全部 8 个工具，批量处理投资组合
• Zapier — 在 Google Sheets 新增行或 intake 表单收到新提交时触发承保评估
• Make — 构建无代码工作流，对新提交的房产运行评估，并将结果推送到 Airtable、Notion 或 CRM
• Google Sheets — 将风险评分和等级分类导出到电子表格，供承保审核和投资组合跟踪使用
• Webhooks — 自动将已完成评估的 JSON 推送到承保工作台、保单管理系统或合规平台
• LangChain / LlamaIndex — 将承保情报集成到 AI 驱动的保单审核 Agent 和风险分析流水线中

故障排除

• 尽管位置有效，所有工具仍返回空结果 — 请检查是否已在 Authorization: Bearer 标头中包含 Apify API 令牌。未经身份验证，待命服务会拒绝请求。请在 Apify 控制台 > 设置 > 集成 中验证令牌。

• 美国地址的犯罪和洪水评分始终为零 — 这是预期行为。score_crime_proximity 使用英国警方数据，check_flood_risk 优先采用英国环境署的预警。如需美国洪水数据，请使用 check_flood_risk 中的 FEMA 洪水灾害组件，或使用包含这两个来源的完整 generate_underwriting_brief。

• generate_underwriting_brief 在某些位置超时 — 完整简报会并行调用 8 个 Actor，每次调用的超时时间为 120 秒。网络延迟或上游数据源响应缓慢偶尔会导致超时。请重试一次；如果问题仍然存在，请改用 assess_location_risk（4 个来源）或单独使用各项工具。

• 某个位置没有已知断层线，但地震评分很高 — USGS 会返回搜索半径内的所有地震，其中可能包括震级高于最低值（默认为 2.5）的远处事件。对于密集的城市区域，可将 radiusKm 从默认的 100 调低至 25-50，以便只获取实际邻近的地震活动结果。

• 当前评分较低，但气候趋势显示 RAPIDLY_WORSENING — 趋势模型会依据 FEMA 灾害频率的加速情况进行评估，不受灾害绝对数量影响。某个位置即使申报数量较少，但呈增长趋势（例如每十年从 1 次增至 3 次），也会显示较高的加速比。请查看 allSignals 中的原始灾害数量，以便结合实际情况理解趋势评级。

负责任地使用

• 此 MCP 服务会访问 FEMA、USGS、NOAA、英国环境署、英国警方、HM Land Registry 和 OpenAQ 提供的公开政府数据。
• 所有数据源均为官方政府数据库，向公众开放，可供研究使用。
• 风险评分和承保建议是根据公开记录得出的数据信号，并非经过精算认证的评级。承保决策必须由合格的专业人员审核。
• 未经人工审核，请勿将输出结果作为拒绝承保的唯一依据。风险等级仅用于筛查，并非具有约束力的判定。
• 有关网页抓取合法性的指南，请参阅 Apify 指南。

常见问题

综合灾害评分用于保险承保情报时有多准确？ 该评分是依据公开政府数据得出的方向性风险信号，并非概率精算模型。它与已知高灾害风险区域的相关性良好，但应作为分流和预筛查工具使用。最终定价必须纳入建筑物特定数据、损失历史和精算判断。

保险承保风险评估覆盖哪些地区？ 美国覆盖范围：FEMA 灾害申报、USGS 地震、NOAA 天气预警。英国覆盖范围：环境署洪水预警、英国警方犯罪数据、HM Land Registry。全球数据：USGS 地震（全球）和 OpenAQ 空气质量（80 多个国家）。目前犯罪数据仅覆盖英国。

这与 RMS 或 AIR Worldwide 灾害建模软件有何不同？ RMS 和 AIR 提供概率型灾害模型，并提供条约再保险定价所需的经认证年度超越概率。此 MCP 提供实时的公开来源风险信号，用于风险分流、投保申请筛查和现场勘查前情报。请在灾害模型的上游环节使用此工具，而非将其作为替代品。 保险核保智能能否替代实地风险勘查？ 不能。它为核保初筛提供灾害和风险暴露情报，但不会评估实地勘查所涵盖的建筑施工质量、使用情况、消防保护或特定场地的工程特征。可利用它判断哪些风险值得投入资源进行勘查。

生成完整核保简报需要多长时间？ 通常需要 20-45 秒。服务会并行分发全部 8 个 Actor 调用，因此总耗时取决于最慢的数据源，而非各项耗时之和。assess_location_risk（4 个数据源）通常可在 10-20 秒内完成。

我可以批量评估投资组合中的多处房产，用于批量保险核保吗？ 可以。可通过 Python 或 JavaScript 循环调用 Apify API 上的工具。对于较大的清单（100 处以上房产），可先使用 assess_location_risk 进行初筛，仅对 MODERATE 及以上结果运行 generate_underwriting_brief，以控制成本和处理时间。

每月进行 500 次保险核保评估需要多少费用？ 每次工具调用费用为 $0.045，500 次 assess_location_risk 调用共需 $22.50。运行 100 次完整的 generate_underwriting_brief 调用需 $4.50。典型工作流是进行 500 次快速评估和 100 次完整简报，每月费用约为 $27；相比之下，年度灾害建模订阅费用起价为 $15,000。

将公开的政府数据用于保险核保合法吗？ 合法。所有数据源（FEMA、USGS、NOAA、UK Police、UK Environment Agency、HM Land Registry、OpenAQ）均为面向公众发布数据的官方政府数据库。在保险行业，使用公开数据进行风险评估是标准做法。如需进一步了解，请参阅 Apify 的网页抓取合法性指南。

如果 8 个数据源中有一个不可用，会怎样？ runActorsParallel 函数使用 Promise.allSettled，因此某个数据源失败时，对应数据类别会返回空数组。评分模型会将缺失数据视为零贡献，而不会报错。如果 FEMA 或 USGS 等关键数据源不可用，请重试评估。

长期核保的气候趋势预测模型如何运作？ 该模型比较最近 10 年与此前 10 年 FEMA 灾害声明的年均数量，并据此计算加速比。随后应用 currentScore × accelerationRatio^(horizon/20) 进行前向预测。加速比高于 1.5 表示气候变化可能导致风险恶化。应将 25 年预测视为风险提示，而非精确预测。

我可以将保险核保风险评分集成到保单管理系统中吗？ 可以。通过 Apify API 以编程方式调用工具，并将 JSON 输出解析到你的 PMS 中。Webhook 可将已完成的评估推送到任意 HTTP 端点。如需集成 CRM，可结合使用 HubSpot Lead Pusher，将风险评分附加到账户记录。

帮助我们改进

如果遇到问题，启用 Apify 账户中的运行共享功能，有助于我们更快地排查问题：

1. 前往 Account Settings > Privacy
2. 启用 与公众共享运行记录

这样，出现问题时我们就能查看你的运行详情，从而更快地修复问题。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 标签页中提交问题。如需定制核保智能解决方案或企业集成，请通过 Apify 平台联系我们。