deweloperuch-mcp

Statystyki GUS i NBP

get_government_statistics

Read-only

Retrieve official Polish GUS/NBP housing and economic time series—completions, average floor area, NBP price per m², unemployment, wages, population—for market context.

Instructions

Zwraca oficjalne statystyki GUS i NBP jako szeregi czasowe dla Polski, agregatu miast albo miasta na prawach powiatu: mieszkania oddane do użytkowania i rozpoczęte (razem, wg form budownictwa, na wynajem), średnią powierzchnię mieszkań oddanych przez deweloperów, średnie ceny m² wg NBP (rynek pierwotny i wtórny, ceny ofertowe i transakcyjne), stopę bezrobocia, wynagrodzenia, demografię i ludność. Użyj jako kontekstu rynku; ofert i cen konkretnych mieszkań tu nie ma (search_offers).

Zwraca periods (od najstarszego) i series (series_id, label, unit, values wyrównane z periods; null = brak danych) oraz frequency, source, total, returned, truncated, available_from, note i stats_url (sekcja strony na deweloperuch.pl: podaj ją użytkownikowi jako link).

Ograniczenia: domyślnie ostatnie 12 okresów; truncated=true znaczy, że są starsze (zwiększ periods, najwyżej 120). nbp_prices: tylko 17 dużych miast i 3 agregaty, nie polska. Nie każdy zestaw jest dostępny dla każdej lokalizacji (błąd wskaże, co podać); dane GUS i NBP są publikowane z opóźnieniem, ostatni okres bywa sprzed kilku tygodni lub miesięcy. Przeczytaj note: ostatni okres bywa niepełny.

Input Schema

TableJSON Schema

Name	Required	Description
`dataset`	Yes	dwellings_quarterly: mieszkania oddane do użytkowania i rozpoczęte (razem, wg form budownictwa, na wynajem), kwartalnie; dwellings_monthly: to samo miesięcznie; average_area: średnia powierzchnia mieszkania oddanego przez deweloperów (m², rocznie); demography: urodzenia żywe, zgony, przyrost naturalny (dla Polski miesięcznie, dla miast rocznie); population: ludność, kobiety i mężczyźni (rocznie); unemployment: stopa bezrobocia rejestrowanego (%, miesięcznie); wages: przeciętne miesięczne wynagrodzenie brutto w PLN (dla Polski miesięcznie, dla miast rocznie, czasem z relacją do średniej krajowej); nbp_prices: średnie ceny m² wg NBP, rynek pierwotny i wtórny, ofertowe i transakcyjne (PLN/m², kwartalnie). Częstotliwość zwraca pole frequency.
`periods`	No	Ile ostatnich okresów zwrócić (lat, kwartałów albo miesięcy), 1–120, domyślnie 12. Najszerszy zestaw (mieszkania, 15 szeregów) przy 120 miesiącach to ok. 10 tys. znaków. Dla trendów bierz dane roczne/kwartalne; miesięczne 120 okresów tylko, gdy użytkownik o to prosi.
`location`	Yes	polska (cała Polska), agregat 7-miast, 10-miast albo 6-miast-bez-warszawy, albo jedno z 66 miast na prawach powiatu: nazwa małymi literami bez polskich znaków, z myślnikami zamiast spacji, np. warszawa, krakow, lodz, bielsko-biala, zielona-gora; Jastrzębie-Zdrój to jastrzebie. Dane są tylko dla 66 miast na prawach powiatu, a nie dla dzielnic i mniejszych miejscowości.

Output Schema

TableJSON Schema

Name	Required	Description
`hint`	No	Co zrobić dalej, gdy wynik jest obcięty.
`note`	No	Uwaga do danych, np. ostatni kwartał obejmuje tylko część miesięcy.
`title`	Yes
`total`	Yes	Wszystkie okresy, które serwis ma dla tego zestawu.
`series`	Yes
`source`	Yes	Źródło danych: GUS, NBP albo Eurostat.
`dataset`	Yes
`periods`	Yes	Okresy od najstarszego: 2025 (rok), 2025-Q3 (kwartał) albo 2025-08 (miesiąc).
`returned`	Yes	Okresy w wyniku: ostatnie z nich.
`frequency`	Yes	year (lata), quarter (kwartały) albo month (miesiące).
`stats_url`	No	Link do sekcji z tymi danymi w serwisie: podaj go użytkownikowi.
`truncated`	Yes	true: są starsze okresy niż pokazane; co dalej, mówi hint.
`location_name`	Yes
`location_slug`	Yes
`available_from`	Yes	Najstarszy okres, jaki ma serwis.

Schema Changelog

Changes observed during successful MCP inspections.

First observedv0.1.3Oct 16, 2026

TDQS

A4.6/5.0

Behavior5/5

Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?

Annotations only supply readOnlyHint and openWorldHint, yet the description adds substantial behavioral detail: default 12 periods, truncated=true signalling older data, the 120-period cap, nbp_prices limited to 17 cities and 3 aggregates (not Poland), per-location dataset availability errors, publication lag, and a warning to read 'note' because the latest period may be incomplete.

Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.

Conciseness4/5

Is the description appropriately sized, front-loaded, and free of redundancy?

Long but well-structured into three blocks (what it returns, return shape, limitations) with the core purpose front-loaded. Dense and mostly waste-free, though the return-field enumeration overlaps with the output schema and could be trimmed.

Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.

Completeness5/5

Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?

For a 3-parameter tool with an output schema, the description covers the remaining gaps an agent needs: default/limit behavior, truncation, geographic coverage restrictions, data freshness/lag, and incomplete-period caveats. Nothing required to invoke it correctly is missing.

Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.

Parameters4/5

Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?

Schema coverage is 100%, so the baseline is 3, but the description adds meaning beyond the schema: the tradeoff between period frequency and payload size, the availability constraint that not every dataset exists for every location, and the fact that errors indicate which argument to change. The dataset/location enumerations themselves stay in the schema.

Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.

Purpose5/5

Does the description clearly state what the tool does and how it differs from similar tools?

Starts with a precise verb+resource ('Zwraca oficjalne statystyki GUS i NBP jako szeregi czasowe') and enumerates the covered domains and the geographic scopes. It explicitly carves out what it does NOT return ('ofert i cen konkretnych mieszkań tu nie ma (search_offers)'), so an agent can separate it from offer-level siblings without opening a schema.

Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.

Usage Guidelines4/5

Does the description explain when to use this tool, when not to, or what alternatives exist?

Gives clear context ('Użyj jako kontekstu rynku') and an explicit exclusion pointing to search_offers for specific listings. However, it does not route against the obvious closest siblings get_market_statistics and get_transaction_statistics, leaving the agent to guess which statistics tool to pick in borderline cases.

Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.

Deploy Server