Claude MCP 台灣不動產：19 個資料源一站接入

MCP（Model Context Protocol）是 Anthropic 2024 年底推出的開放標準，讓 AI 助手（Claude、ChatGPT、Notion、Claude Code、Gemini CLI、Codex CLI）能夠安全地呼叫外部資料源與工具。在台灣不動產領域，Funraise MCP 是第一個把 19 個本地資料源（實價登錄、商辦大樓、建照、捷運、未來開發案、商業司、利害關係人等）打包成單一網址的整合方案。

這篇會說明：MCP 是什麼、為什麼不動產業者該關注、Funraise 提供哪些資料、怎麼在 Claude.ai 或 ChatGPT 接入、跟傳統 API 整合的成本比較。

本文聚焦在 MCP 在台灣不動產業的實戰應用。如果想先理解 MCP 是什麼、跟 API／Function Calling／RAG 有什麼差異，先看 MCP 是什麼？MCP 中文完整教學。

實際對話範例（接好之後長這樣）

先看接好 Funraise MCP 之後，業界使用者在 Claude.ai 對話中常見的互動：

使用者：信義區 A 級商辦有哪些？最近 12 個月平均月租金？

Claude（透過 Funraise MCP）：信義區 A 級商辦共 19 棟（信義房屋大樓、國泰信義經貿大樓、遠雄國際中心⋯）。近 12 月月租金中位數 NT$ 3,200／坪／月，Q1=2,850、Q3=3,650。其中信義計畫區核心商辦（信義路五段加松仁路）平均較整體高 18%。

使用者：幫我跑「都更 × 合建」投報試算 — 大安區 600 ㎡基地、住三、容獎取得率 0.42、住宅售價 165 萬／坪。

Claude：（呼叫 generate_renewal_underwriting）
試算結果：ROI 60.91%、IRR 18.93%、結案獲利 NT$ 49,835 萬。容積試算：基準 408 坪加獎勵 171 坪等於允建 579 坪。
📊 同區參考值：您過去 3 筆案件中位數 ROI 60.91%、IRR 18.93%（Q1-Q3 區間：ROI 57-65%、IRR 18-20%），此次落在中位數附近，與您過往判斷一致。

這些對話只需要把 endpoint URL 貼進 Claude.ai 的 Custom Connector 設定就能執行（完整步驟見Claude.ai 設定指引）。下文說明 MCP 是什麼、為什麼這對台灣不動產業者特別重要、Funraise 提供哪 19 個資料源，以及跟傳統 API 整合的成本對比。

MCP 是什麼（不動產業者版）

簡單來說：MCP 把「AI 在對話中呼叫外部工具」這件事標準化了。以前你要在 Claude 裡查實價登錄，你得自己貼 URL、開 API key、寫程式 — 普通商務使用者做不到。現在透過 MCP，你只要在 Claude 設定裡貼一條 URL，AI 就會自動：

知道你接入的 Funraise 有哪些工具（例如 search_actual_sales、search_buildings）
看你問題後，自己決定該呼叫哪個工具、用什麼參數
把結果整合到回答裡，必要時跨多個資料源交叉查詢

你不需要寫一行程式，全程用中文對話。

為何 PropTech 業者該關注 MCP

台灣不動產業的研究、估價、開發、投資工作有三個共同痛點：

資料散落：實價登錄在內政部、建照在地方建管處、商業司在經濟部、捷運計畫在交通部。每個系統都要單獨查、無交叉查詢能力。
API 整合貴：要自建系統整合這些資料，光是 ETL、欄位對映、定時更新就需要工程團隊長期維護。中小型業者根本做不來。
AI 沒在地知識：把通用 ChatGPT 直接用於台灣不動產問題，它會用美國市場的假設、Cap Rate 抓錯區間、容積獎勵概念混亂。

MCP 解決前兩個 — 你不用整合，透過一個 endpoint URL 就能存取整個資料生態系。 Funraise 解決第三個 — 我們的工具預設值（容積獎勵率、Cap Rate 區間、營建單價）都對齊台灣業界實務。

Funraise MCP 提供的 19 個資料源

類別	資料源	用途
不動產交易	actual-price-sale	內政部實價登錄買賣交易（2012 迄今、~477 萬筆）
	actual-price-rental	租賃實價登錄
	actual-price-presale	預售屋實價登錄
	rtube	待租物件即時招租
標的資料	buildings	商辦大樓基本資料（地址、屋齡、樓地板、等級、認證）
標的資料	properties	住宅 / 商辦個別物件 metadata
開發 / 法規	taipei-licenses	台北市建照、使照核發
開發 / 法規	future-dev	未來開發案 pipeline（都更、危老、重劃）
地理資料	areas	行政區、商圈、生活機能
	cities	22 個直轄市 / 縣 / 市
	mrt	捷運站、未來通車計畫
public-infras	學校、醫院、公園、市場等公共設施
企業 / 利害關係人	business-registry	商業司公司登記
	key-enterprise	重點企業財報與營收
	stakeholders	不動產屋主、董監事結構
服務提供者	providers	建設公司、營造、估價、商仲業者目錄
AI / 知識庫	ai-info	AI 整理的市場知識庫
AI / 知識庫	blog	業界部落格文章索引
編排工具	dd-memo	都更投報試算、壽險商辦 DD memo 等跨資料源 orchestration

其中最後一項 dd-memo orchestration內建了業界 SOP — 例如都更投報試算（4 modes：危老/都更 × 合建/委建）與壽險商辦 DD memo 自動產出 — 不只是查資料，AI 直接做業界級分析。

5 種 AI 介面、一個 endpoint URL

Funraise MCP 同時支援 Web 與 Terminal 介面：

Claude.ai（Web / Desktop）：Anthropic 官方對話介面，免費版即可使用
ChatGPT（Web / Desktop）：OpenAI 對話介面，Free / Plus / Team / Enterprise 各方案皆支援 Custom Connectors
Claude Code（Terminal）：Anthropic 官方 CLI，claude mcp add --transport http funraise <url> 一條指令完成
Gemini CLI（Terminal）：Google 官方 CLI，編輯 ~/.gemini/settings.json 加入 mcpServers
Codex CLI（Terminal）：OpenAI 官方 CLI，編輯 ~/.codex/config.toml 加入 [mcp_servers.funraise]

所有介面共用同一個 endpoint URL — 您在 Funraise 控制台複製的那條 https://connector.mcp.funraise.ai/c/<config-id>/mcp，貼到上面任一介面都能用。

對比傳統 API 整合

項目	傳統 API 整合	Funraise MCP
整合 19 個資料源所需工程量	200-400 工時、每年維護 80-160 工時	0 工時 — 貼 URL 即用
跨資料源交叉查詢	需自建 ETL 管線、資料倉儲	AI 自動 orchestrate
容積獎勵、Cap Rate 等業界假設	需自己 hard-code、容易過時	內建台灣業界預設值，可個人化覆寫
對話介面	需自建 UI / chatbot	直接用 Claude.ai / ChatGPT 既有介面
成本	內部研發團隊薪資 + 雲端費用	Closed beta 階段免費

常見問答

Q：我不是工程師，能用嗎？

能。Claude.ai 與 ChatGPT 都是 GUI 介面，5 分鐘設定完成，沒寫一行程式。Terminal CLI（Claude Code / Gemini / Codex）也只要複製貼上一條指令。

Q：資料源會持續擴充嗎？

會。Funraise 目前 19 個資料源涵蓋台灣主要 PropTech 場景，未來會持續加入新資料源（如人流、ESG、商圈消費分析），並開放資料夥伴計畫讓生態系廠商上架自家資料。

Q：個人對話與假設會洩漏嗎？

不會。Funraise 只記錄您呼叫了哪個工具、用什麼參數（用於除錯與您的個人使用紀錄）。對話內容發生在 Claude.ai / ChatGPT 等第三方，不經過 Funraise。詳見隱私政策。