mcpField
H
Housing Intel

Housing Intel

远程服务
pipeworx.io商业与营销12 天前更新

关于 Housing Intel

Housing Intel 是一个 MCP 服务,整合 FRED、BLS、ATTOM 和 HUD 等来源的住房、就业、租赁及经济指标。面向市场分析人员和房产投资者,提供都会区比较、租金收益筛选和房产评估工具。

主要功能

  1. 01比较都会区 Case-Shiller 指数
  2. 02获取全国住房市场概况
  3. 03分析房产与租赁潜力
  4. 04检查住房可负担性
  5. 05扫描 45 多项住房指标
  6. 06按租金收益筛选都会区

适用场景

  1. 01比较不同都会区的房价趋势
  2. 02评估房产的租赁潜力
  3. 03筛选租赁现金流较高的市场
  4. 04查看住房可负担性与就业状况

MCP 相关

向 MCP 客户端提供住房市场工作流工具,并组合所列来源 API 的数据。可作为本地 stdio MCP 服务运行,也可通过 Pipeworx 网关连接。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://gateway.pipeworx.io/housing-intel/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

51
参数类型必填说明
qstring否question 的别名。
askstring否question 的别名。
textstring否question 的别名。
inputstring否question 的别名。
packsarray否可选。将路由限制为这些包的 slug(例如 ["sec-form-d","sec-13f"]),路由器随后只会从这些包中的工具进行选择。省略则使用默认的完整目录路由。Slug 可从 list_packs / search_packs / https://pipeworx.io/directory 获取;未列出或未知的 slug 会被忽略,并在 _meta.pack_scope.ignored 中列出。如果没有任何 slug 能匹配问题,则会在整个目录中路由,并设置 _meta.pack_scope.full_catalog:true(绝不会返回空答案)。
querystring否question 的别名。
promptstring否question 的别名。
messagestring否question 的别名。
questionstring是用自然语言表达的问题或请求。支持 query、q、prompt、text、input、ask、message 作为别名。

详细介绍

mcp-housing-intel

Housing Intel MCP — 将 FRED、BLS、ATTOM 和 HUD API 串联起来,构建更高层级的住房市场工作流的元工具包。

属于 Pipeworx — 一个将 AI Agent 连接到 1881+ 个实时数据源的 MCP 网关。这是一个独立的非官方集成,与上游提供方无关联、未获其认可,也非由其发布。

工具

工具描述
case_shiller_metro_compare一次调用即可比较美国多个都市区的 Case-Shiller 房价指数(20 城市综合指数)。每个都市区返回最新水平、3 个月变化、12 个月变化、历史峰值、较峰值的回撤幅度,以及一个走弱标记。输出还会按走弱程度从高到低对都市区排序。适用于“哪些都市区正在走弱”“[城市列表] 的 Case-Shiller 指数”“比较 X、Y、Z 的房价”等查询——会选取合适的各都市区 FRED 系列 ID(DNXRSA、PHXRSA、TPXRSA 等),调用方无需自行处理。可用都市区:亚特兰大、波士顿、夏洛特、芝加哥、克利夫兰、达拉斯、丹佛、底特律、拉斯维加斯、洛杉矶、迈阿密、明尼阿波利斯、纽约、凤凰城、波特兰、圣迭戈、旧金山、西雅图、坦帕、华盛顿特区。并非当前市场状况:Case-Shiller 指数按月发布,通常滞后约两个月,且每个数值都是 3 个月移动平均值,因此最新观测值通常已有 90-120 天,反映的是过去一个季度。freshness 区块会说明你所调用数据的确切时效。
housing_market_snapshot获取全国住房市场概览:抵押贷款利率、新开工住房数量、Case-Shiller 指数、失业率、建筑业就业情况。可选添加都市区房价(例如“丹佛”“亚特兰大”)。如需比较多个都市区的 Case-Shiller 指数,请改用 case_shiller_metro_compare。各项数据的日期并不一致——它们是每周、每月和每季度发布的官方统计数据,各自有不同的发布滞后,因此一次调用可能涵盖相隔数月的数据版本。freshness 会说明时间跨度(天数)并指出最旧的数据项;比较各项数据前,请先查看此信息。
housing_property_report按地址和邮政编码分析房产。返回估值、销售历史、税务评估和详细特征。
housing_rental_analysis按地址和邮政编码评估出租投资潜力。返回预估租金、公平市场租金和 CPI 租金趋势。
housing_affordability_check检查某个市场的住房可负担性。返回抵押贷款利率、中位数房价、月供、所需收入和 HUD 限额。可选指定都市区(例如“丹佛”)。输入数据来自发布时间频率不同的官方统计数据——每周的抵押贷款利率与每季度的房价中位数并不在同一频率上——因此月供只是已发布数据的示意性比值,并非实时报价。freshness 会说明时间跨度及每项输入数据的时效。
housing_employment_outlook评估住房需求相关的劳动力市场状况。返回就业人数、建筑业岗位、住宅建筑业就业人数、失业率和职位空缺数。数据均来自 BLS 月度发布;各系列都有自己的 observation_date 和 cadence(JOLTS 比 CES/LAUS 额外滞后一个月),freshness 会说明时间跨度。snapshot_date 是调用日期,而非数据日期。
housing_signal_scan扫描 45 项以上的住房指标,查找异常和反转。标记利率、新开工住房、销售、房价、工资、失业率和租金方面的异常变动。每项信号都有自己的 observation_date 和 cadence——这里的数据系列覆盖每周(抵押贷款利率)至每季度(销售价格中位数)的频率;此外,Case-Shiller 指数还是 3 个月移动平均值,因此对所有系列来说,“转为负值”并不都意味着“本月发生”。freshness 会说明完整时间跨度和最旧的数据项。
housing_mortgage_historyFreddie Mac 初级抵押贷款市场调查——美国每周抵押贷款利率,即借款人为住房贷款支付的年利率(例如 6.5%),数据可追溯至 1971 年。这是购房者支付的借款成本。返回最新快照、所请求时间范围的时间序列,以及最小值/最大值/平均值统计。数据直接来自 Freddie Mac(并非 FRED),由 Pipeworx 数据管道每周摄取。
housing_market_screen一次调用即可对美国都市区的租金现金流进行排名——回答“哪些市场最适合房东”的视图。按总租金收益率对都市区排序,即(Zillow 月租金中位数 × 12)÷ Zillow 典型房价。无需逐个都市区协调调用,也无需 API 密钥。适用于“最佳/最差租赁市场”“收益率最高的都市区”“哪里租金相对于房价最划算”等查询。可通过方向(top = 收益率最高 / 现金流最佳,bottom = 最低)、limit 和可选房价范围调整结果。rent_as_of 和 home_value_as_of 来自两个独立的 Zillow 查询,月份可能不同;freshness 会说明本次调用的两者是否一致。
housing_metro_demand一次调用即可获取美国候选都市区的需求和租金持久性信号——人口及 5 年增长率、租房者占比、家庭收入中位数和失业率,数据直接来自 Census ACS。按都市区确定性匹配(以 CBSA 为键)——无需猜测 FRED 系列 ID。传入 metros(“城市,州”,例如 housing_market_screen 的排名靠前结果)。这是收益率候选名单筛选的第二阶段,用于判断“需求是否真实”——人口萎缩的都市区即使收益率高,也可能是陷阱。无需 API 密钥。本工具包中滞后最长的数据源:数据为 Census ACS 5 年滚动平均值(当前为 2018-2022 年,2023 年 12 月发布)——适用于结构性需求分析,而非当前季度状况。freshness 会说明确切时效。

快速开始

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

{
  "mcpServers": {
    "housing-intel": {
      "url": "https://gateway.pipeworx.io/housing-intel/mcp"
    }
  }
}
此端点实际提供的内容

https://gateway.pipeworx.io/housing-intel/mcp 上的 tools/list 会返回上表中的工具,以及 Pipeworx 共享元工具——ask_pipeworx、discover_tools、search_within、remember/recall 和其他网关级工具。因此,你看到的工具数量会多于表中的数量:目前,单个工具包端点除了列出该工具包自身的工具外,还会列出大约 30 个共享工具。连接的 initialize 响应会说明其确切范围,也是判断当前范围的权威依据。

这是有意为之,并非意外复用。元工具让范围受限的连接也能回答本工具包未涵盖的问题——通过 ask_pipeworx 在整个目录中路由——而无需你再添加第二个 MCP 服务。目前无法挂载不含这些元工具的工具包端点;如果额外的架构定义带来的上下文开销超过了路由功能的价值,请只连接一次完整网关,而不是连接多个工具包端点。

你也可以连接完整的 Pipeworx 网关,直接列出每个工具包的所有工具,而不只是当前工具包中的工具:

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

两个 URL 都连接到同一个网关和相同的 1881+ 个数据源。唯一的区别是直接列出哪个工具包的工具;无论连接哪一个,ask_pipeworx 都能访问所有工具。

没有 MCP 客户端?通过 HTTP 调用

curl -X POST https://gateway.pipeworx.io/v1/tools/case_shiller_metro_compare \
  -H 'Content-Type: application/json' \
  -d '{"metros":["Denver","Phoenix","Tampa","Charlotte"]}'

首次调用无需账户。查看任意工具:GET https://gateway.pipeworx.io/v1/tools/case_shiller_metro_compare。查找工具:使用 {"query":"..."} 向 POST https://gateway.pipeworx.io/v1/tools/search_packs 发送请求。

独立运行(无需网关账户)

此软件包也可以作为本地 stdio MCP 服务运行——无需 Pipeworx 账户,也无需往返网关:

{
  "mcpServers": {
    "housing-intel": {
      "command": "npx",
      "args": ["-y", "@pipeworx/mcp-housing-intel"]
    }
  }
}

或者直接运行它,确认服务可以启动:

npx -y @pipeworx/mcp-housing-intel

它通过 stdin/stdout 使用 MCP,并响应 initialize/tools/list/tools/call,仅提供此工具包的工具——不包含上述网关连接所添加的共享元工具。数据源相同,工具相同,但没有 ask_pipeworx 路由功能。

使用 ask_pipeworx

你可以不用直接调用工具,而是用日常语言提问——上述工具包端点和完整网关都支持此功能:

ask_pipeworx({ question: "your question about Housing Intel data" })

网关会自动选择合适的工具并填入参数。

更多内容

许可证

MIT

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。