Land Intelligence Research MCP

AIリサーチアナリストは、証拠を捏造せずに土地について推論できるか？

Land Intelligence Research MCP は、ガバナンスされた分析（governed analytics）と Model Context Protocol（MCP）が土地開発のオプショナリティに関する研究をどのように支援できるかを探る、独立した研究プロトタイプです。

このプロジェクトは、土地経済学、エネルギー・インフラ開発、長期にわたる土地スチュワードシップに関するより広範な研究関心に動機づけられています。次のように問いかけます：

ある区画が経済的価値、インフラ価値、環境価値を同時に有する場合、土地所有者、投資家、開発者は開発オプショナリティについてどのように推論すべきか？

現在の実装は、決定論的な合成データセットを用いた開発オプショナリティのスクリーニングに焦点を当てています。区画特性、インフラ近接性、土地利用制約、合成アウトカムを統合し、LLM が MCP ツールを通じてアクセスできるガバナンスされた分析レイヤーを構成します。

研究に関する免責事項： このリポジトリは、研究およびデモンストレーション目的で合成データと透明なスクリーニング・ヒューリスティックを使用しています。オプショナリティ・スコアは、鑑定、予測、因果推計、開発確率、または投資推奨ではありません。

このプロジェクトの目的

AI 分析における一般的な失敗モードは、言語モデル自体を分析エンジンにしてしまうことです。つまり、生のファイルを読み、アドホックなクエリを書き、定義を黙って変更し、ガバナンスや再現が困難な数値を生成します。

このプロジェクトは異なるアプローチを取ります：

LLM / research agent
        |
        | reasoning, question framing, synthesis
        v
Model Context Protocol
        |
        | governed tool surface
        v
DuckDB analytical layer
        |
        | joins, scoring, aggregation, validation
        v
deterministic synthetic land data

LLM は推論を担当します。分析レイヤーは定量的な証拠を担当します。

MCP が質問に答えるために必要な証拠を公開していない場合、望ましい動作は、システムを迂回したり結果を捏造したりするのではなく、分析上のギャップを表面化することです。

Related MCP server: real-estate-ai

研究レンズ

同じガバナンスされた証拠は、ステークホルダーによって異なる意思決定を支援できます。

機関投資家 / TIMO 型所有者

長期保有型の所有者は、どの資産が有意義な開発オプショナリティを持つか、オプショナリティが広範か集中しているか、そして保有、売却、リース、権利化、開発パートナーシップの決定の前にどの資産が戦略的デューデリジェンスに値するかを問うかもしれません。

投資家 / 資本配分者

投資家は、デューデリジェンスや資本をどこに配分すべきか、オプショナリティが現在の用途価値にすでに反映されているか、そしてどのような引受証拠がまだ不足しているかを問うかもしれません。

開発者

開発者は、どの区画がより深いフィージビリティ調査に値するか、そして好ましいインフラ近接シグナルが区画レベルの物理的制約を生き残るかを問うかもしれません。

MCP 分析サーフェス

サーバーは5つのガバナンスされたツールを公開します：

• list_research_questions

• compare_counties

• rank_land_optionality

• explain_parcel_score

• evaluate_optionality_signal

また、以下も公開します：

• リソース：research://catalog

• プロンプト：land_research_investigation

データモデル

このプロジェクトには、6つの決定論的な合成リレーショナルテーブルが同梱されています：

counties
   |
   +----< parcels ----< transactions
   |         |
   |         +---- parcel_infrastructure ----> infrastructure
   |         |
   |         +---- development_outcomes
   |
   +----< infrastructure

合成フィクスチャはシード 42 で再現可能です。マニフェストと SHA256 チェックサムが含まれています。

オプショナリティ・シグナル

オプショナリティ・スコアは、区画面積、ゾーニング、傾斜、洪水リスク、湿地割合、変電所・送電線・光ファイバー・高速道路・データセンターインフラへの近接性などのシグナルを組み込んだ透明なスクリーニング・ヒューリスティックです。

このスコアは、意図的に評価や予測確率として位置づけられていません。

evaluate_optionality_signal ツールは、スコアが合成開発アウトカムをスコア十分位で分離するかどうかをチェックします。これは研究ワークフローのテストに有用ですが、実世界の予測妥当性の証拠ではありません。

ローカルセットアップ

推奨前提条件：

• Python 3.11+

• uv

• LLM + MCP ワークフローをテストしたい場合は Claude Code

リポジトリルートから：

python3.11 scripts/preflight.py

次に、MCP 開発モードを起動します：

./scripts/run_mcp_dev.sh

Claude Code に登録します：

./scripts/register_claude.sh

次に：

claude

Claude 内で：

/mcp

プロンプトが表示されたら land-intelligence を承認します。

エージェントプロンプトの例

Act as a research analyst supporting a long-duration institutional landowner.

Use the land-intelligence MCP as your only quantitative data and analytics interface. Do not inspect the underlying CSVs, database, SQL, Python files, manifests, or other repository artifacts directly.

Determine which markets and parcels appear to have the strongest development optionality, what evidence supports that conclusion, and what evidence should make the investment team cautious.

Every material numerical claim should come from an MCP tool result. If an important question cannot be answered through the current MCP analytical surface, identify the gap rather than bypassing the MCP or guessing.

追加の投資家、開発者、レッドチーム、クロスステークホルダー向けプロンプトについては PROMPTS.md を参照してください。

より広範な研究の方向性

現在の実装は、開発オプショナリティとインフラ・土地制約に焦点を当てています。

将来の研究は、電力市場・系統連系データ、ゾーニング・権利化履歴、開発コンパス、リース・オプション構造、保全地役権、生息地の質と分断、生物多様性制約、炭素・自然資本経済学、水利用可能性、NPV / IRR シナリオ、空間ポートフォリオ最適化へ拡張できる可能性があります。

生息地保全はより広範な研究動機の一部ですが、現在の合成モデルは生息地の質モデルとして解釈されるべきではありません。

独立性と帰属

これは独立した研究プロジェクトです。機関投資家による土地所有と、土地・インフラ・エネルギー・長期資産管理の交差点で活動する企業に関する公開研究から情報を得ています。

特定の企業、投資運用会社、開発者、土地所有者、データプロバイダーと提携しておらず、それらを推奨するものでも、それらを代表するものでもありません。含まれるすべてのデータセットとアウトカムは合成です。

ライセンス

MIT