基于MCP协议与多源数据的AI供应链风险情报引擎设计与实践

1. 项目概述：一个为AI代理赋能的“关键矿产依赖”风险情报引擎

如果你在电动汽车、半导体或国防工业的供应链部门工作，那么“关键矿产依赖”这个词对你来说绝不陌生。它意味着你的产品核心——无论是电池里的锂和钴，还是芯片里的镓和锗——其供应来源可能高度集中在少数几个国家，而这些国家的政治、经济或法律环境一旦“打喷嚏”，你的整个生产线就可能“感冒”。过去，要量化这种风险，你需要一个分析师团队，花上几天时间，在联合国贸易数据库、各国制裁名单、世界银行报告和全球专利库之间来回切换，手动整理、计算、分析。现在，有一个工具试图将这个过程压缩到一次API调用，在60秒内给你一份结构化的风险评估报告。这就是apifyforge/critical-minerals-dependency-mcp项目，一个基于Model Context Protocol（MCP）的服务器。

简单来说，它是一个专门为AI助手（如Claude、Cursor、Windsurf内置的AI）设计的“外挂大脑”。当你向AI提问“我们的钴供应链风险有多大？”时，AI不再只是基于训练数据泛泛而谈，而是可以通过这个MCP服务器，实时调用8个权威的公共数据源，为你计算出一个量化的风险分数，并附上具体的风险信号和行动建议。它的核心价值在于自动化和结构化：将原本分散、耗时的手动研究流程，变成了一个可编程、可集成、按次付费的智能服务。无论你是供应链经理需要每周监控风险变化，还是政策分析师需要评估战略储备的优先级，亦或是交易员在为一份钴的远期合约定价，这个工具都能提供一个快速、数据驱动的决策起点。

2. 核心设计思路：如何将复杂的供应链风险“翻译”成AI可理解的工具

这个项目的设计哲学非常清晰：将抽象的“供应链风险”概念，解构成一系列可量化、可计算、可比较的维度，然后为每个维度构建一个独立的、功能明确的“工具”（Tool），最后通过MCP协议暴露给AI调用。这听起来简单，但背后是对业务逻辑的深刻理解。

2.1 风险三维度模型：供应集中度、地缘政治脆弱性与替代技术成熟度

任何矿产的供应链风险，本质上都可以归结为三个核心问题：“货从哪里来？”、“来源地稳不稳？”、“如果断供了，有没有B计划？”。该项目正是围绕这三个问题构建了它的评分模型。

1. 供应集中度（Supply Concentration）：回答“货从哪里来？”。它使用经济学中衡量市场垄断程度的经典指标——赫芬达尔-赫希曼指数（HHI）。这个指数通过计算各供应国市场份额的平方和来量化集中度。指数越高，说明供应来源越集中，风险越大。项目设定了明确的阈值：HHI低于1500为“多元化”（DIVERSIFIED），1500-2500为“中等”（MODERATE），2500-4000为“集中”（CONCENTRATED），4000-8000为“高度集中”（HIGHLY_CONCENTRATED），超过8000则为“垄断性”（MONOPOLISTIC）。例如，刚果（金）供应了全球近70%的钴，这直接导致钴的HHI指数飙升至4000以上，落入“高度集中”甚至“垄断性”区间。

2. 地缘政治脆弱性（Geopolitical Fragility）：回答“来源地稳不稳？”。这不再仅仅是看地图，而是数据驱动的综合评估。项目聚合了四类信号：

   • 制裁风险：查询美国财政部海外资产控制办公室（OFAC）特别指定国民名单（SDN List）和OpenSanctions全球数据库，检查供应链上的实体（公司、国家）是否被制裁。
   • 治理水平：调用世界银行全球治理指标（如法治水平、政治稳定性、监管质量），给来源国的政府效能打分。
   • 宏观经济健康度：从国际货币基金组织（IMF）获取数据，关注高通胀（>10%）、高债务率（>80% GDP）等危险信号。
   • 经合组织（OECD）治理代理指标：作为世界银行数据的补充。将这些信号加权合并，形成一个0-100的脆弱性分数。

3. 替代技术成熟度（Substitution Readiness）：回答“有没有B计划？”。它通过分析美国专利商标局（USPTO）和欧洲专利局（EPO）的专利数据来实现。服务器会搜索包含“替代”（substitut）、“替换”（replac）、“回收”（recycl）、“合成”（synthetic）、“钠”（sodium，指钠离子电池）、“磷酸铁锂”（iron phosphate）等关键词的专利。专利数量多、申请机构多样，意味着替代技术研发活跃，供应链的“弹性”就高。

注意：这里的“替代”不仅指完全不同的材料，也包括回收利用、工艺改进（如减少用量）、以及同一材料的不同来源（如合成石墨替代天然石墨）。专利分析是衡量技术发展前沿和商业化潜力的有效代理指标。

2.2 MCP协议：让AI拥有“调用现实世界数据”的手和眼

Model Context Protocol（MCP）是Anthropic提出的一种标准，旨在让AI模型能够安全、可控地调用外部工具、访问实时数据或执行操作。你可以把它理解为给AI模型安装的“插件系统”。critical-minerals-dependency-mcp就是一个标准的MCP服务器。

它的工作流程是：你的AI客户端（配置了该服务器地址和API密钥）在收到用户关于矿产风险的提问时，会识别出意图，然后通过MCP协议向这个服务器发起一个工具调用请求。服务器收到请求后，并行查询8个数据源，执行上述三维度计算，生成结构化JSON结果，最后返回给AI客户端。AI再将这些原始数据“翻译”成用户能听懂的自然语言回答。这样一来，AI的回答就不再是空洞的推测，而是基于实时数据的、有据可查的分析。

2.3 并行化架构与成本控制：速度与经济的平衡

为了将响应时间控制在60秒以内，项目采用了全并行架构。当调用mineral_dependency_report这个“全家桶”工具时，服务器会同时向8个数据源发起请求（Promise.all），而不是一个接一个地串行等待。这在网络I/O密集型任务中能极大提升效率。

在成本控制上，它采用了非常透明的按次付费模式（每次工具调用0.045美元）。更重要的是，它内置了消费限额检查。每次工具调用前，都会通过Actor.charge()方法检查本次运行的预算是否超支。如果超支，则立即返回错误，而不会产生意外费用。这对于自动化、周期性的监控任务至关重要，你可以精确控制每月成本。相比之下，动辄数万美元年费的商业供应链风险平台，对于许多中小团队来说是难以承受的。

3. 七大利器详解：从全景扫描到定点排查

该项目提供了7个MCP工具，就像一套组合工具箱，你可以根据需求选择不同的“扳手”。

3.1mineral_dependency_report：全景风险评估报告

这是最核心、最常用的工具。输入一个矿产名称（如“cobalt”）和可选的行业背景（如“EV batteries”），它就会调用全部8个数据源，生成一份包含复合风险分数、风险等级判定和具体建议的完整报告。它适合用于首次评估或定期全面审查。虽然它调用的资源最多，但价格和其他工具一样，因此性价比最高。

实操示例与结果解读： 假设我们评估用于电动汽车电池的“钴”。

{ "tool": "mineral_dependency_report", "arguments": { "mineral": "cobalt", "industry": "EV batteries" } }

返回的JSON中，你需要重点关注这几个字段：

• compositeScore: 78（总分100，分数越高风险越大）。
• verdict: “HIGH_RISK”。
• supplyConcentration.hhi: 4210（>4000，属于HIGHLY_CONCENTRATED）。
• supplyConcentration.topSupplierShare: 0.68（最大供应国占比68%，通常是刚果（金））。
• geopolitical.sanctionedExposure: 3（供应链上发现了3个制裁匹配项）。
• substitution.readinessLevel: “DEVELOPING”（替代技术处于发展中阶段）。
• recommendations: 数组里会给出如“实现供应链多元化”、“建立战略储备”等具体建议。

3.2supply_concentration_analysis：供应集中度专项分析

如果你只关心“货从哪里来”，这个工具是首选。它主要查询UN COMTRADE数据，计算HHI指数、最大供应商份额和供应商数量。它非常适合用于每周或每月的监控，跟踪HHI值的变化，及时发现供应集中度恶化的趋势。

3.3supplier_country_risk：供应商国别风险剖析

这个工具专注于评估单个国家的风险。输入一个国家名（如“Democratic Republic of the Congo”），它会返回该国的世界银行治理指标、IMF宏观经济数据以及相关的制裁信息。在考虑开发新的供应商来源时，先用这个工具给目标国家做个“体检”。

3.4sanctions_exposure_check：制裁风险扫描

这是合规和法务部门的“防火墙”。输入一个实体名称（公司、个人或国家），它会同时在OFAC和OpenSanctions数据库中检索匹配项。在与新的矿业公司或贸易商签订合同前，务必用此工具进行筛查。注意，它筛查的是实体名称，因此请尽量使用官方注册的全称以提高命中率。

3.5substitution_patent_landscape：替代技术专利图谱

当你担心某种矿产断供，想看看技术界有没有准备“后手”时，就调用这个工具。它通过分析专利来描绘替代技术的活跃度和成熟度。如果readinessLevel是“NO_ALTERNATIVES”或“EARLY_RESEARCH”，那你可能需要为未来5-10年的供应紧张做好准备。

3.6industry_impact_assessment：下游行业影响评估

这个工具回答了“如果这种矿产断供，对哪个行业打击最大？”的问题。它结合特定矿产对特定行业（如“半导体”行业对“镓”的依赖）的贸易流数据，评估下游产业的脆弱性。对于政府制定产业政策或投资机构评估行业风险非常有价值。

3.7compare_mineral_risks：矿产风险横向对比

如果你管理着一个包含多种矿产的采购组合，这个工具可以帮助你快速排序。它为单种矿产生成一个简明的风险画像，包含concentrationLevel、fragilityLevel、substitutionLevel这三个枚举值。你可以轻松地编程对所有关注的矿产进行排序，快速识别出风险最高的“短板”。

4. 实战集成指南：让AI助手成为你的供应链风险分析师

理论再好，不如上手一试。下面我将以最流行的Claude Desktop和Cursor为例，带你一步步完成集成和调用。

4.1 环境准备与Apify账户设置

首先，你需要一个Apify账户和API令牌。

1. 访问 Apify官网 注册一个免费账户。免费账户每月有5美元信用额度，足够进行大量测试。
2. 登录后，在右上角用户菜单中找到“Settings” -> “Integrations”，在“API tokens”部分，点击“Create token”生成一个新的令牌。请妥善保存这个令牌，它相当于访问服务器的密码。

4.2 在Claude Desktop中配置MCP服务器

Claude Desktop是集成MCP服务器最直观的方式。

1. 找到你的Claude Desktop配置文件。通常位于：
   • macOS:~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows:%APPDATA%\Claude\claude_desktop_config.json
   • Linux:~/.config/Claude/claude_desktop_config.json
2. 如果文件不存在，就创建一个。然后用文本编辑器打开，填入以下配置（将YOUR_APIFY_TOKEN替换为你刚才获取的令牌）：

   { "mcpServers": { "critical-minerals-dependency": { "url": "https://critical-minerals-dependency-mcp.apify.actor/mcp", "headers": { "Authorization": "Bearer YOUR_APIFY_TOKEN" } } } }

3. 保存文件并完全重启Claude Desktop应用。仅仅关闭窗口可能不够，需要从任务管理器或活动监视器中彻底退出再重新启动。

4.3 在Cursor或Windsurf中配置

对于Cursor或Windsurf这类代码编辑器，配置通常在设置界面完成。

1. 打开编辑器，进入设置（Settings）。
2. 寻找“MCP Servers”或“AI Tool Servers”相关的配置项。
3. 添加一个新的服务器，填写：
   • Name:critical-minerals-dependency(可自定义)
   • URL:https://critical-minerals-dependency-mcp.apify.actor/mcp
   • Authentication: 选择“Bearer Token”，然后填入你的Apify API令牌。
4. 保存设置，通常编辑器会提示需要重启或重载AI上下文。

4.4 首次对话测试

配置完成后，打开Claude Desktop或Cursor的AI聊天界面，尝试提出一个具体的问题。例如：

“请使用关键矿产依赖分析工具，评估一下锂在电动汽车电池供应链中的风险状况。”

如果配置成功，Claude或Cursor的AI会在思考过程中识别出你的意图，并自动在后台调用mineral_dependency_report工具。稍等片刻（最多一分钟），你就能看到一份结构清晰、数据详实的风险评估摘要。AI会引用具体的HHI指数、制裁匹配数量、专利数量等数据来支撑它的结论。

4.5 通过API直接调用（Python示例）

有时，你可能希望在自己的脚本或应用中使用这个能力，而不是通过AI聊天界面。这时可以直接使用HTTP API。以下是一个Python示例：

import httpx import json import sys # 替换为你的Apify Token APIFY_TOKEN = "your_token_here" SERVER_URL = "https://critical-minerals-dependency-mcp.apify.actor/mcp" def get_mineral_report(mineral: str, industry: str = None): """获取矿产依赖报告""" payload = { "jsonrpc": "2.0", "method": "tools/call", "params": { "name": "mineral_dependency_report", "arguments": { "mineral": mineral } }, "id": 1 } # 如果提供了行业背景，则加入参数 if industry: payload["params"]["arguments"]["industry"] = industry headers = { "Content-Type": "application/json", "Authorization": f"Bearer {APIFY_TOKEN}" } try: # 设置较长的超时时间，因为完整报告可能需要近一分钟 with httpx.Client(timeout=90.0) as client: response = client.post(SERVER_URL, headers=headers, json=payload) response.raise_for_status() # 检查HTTP错误 result = response.json() # 检查JSON-RPC错误 if "error" in result: print(f"JSON-RPC错误: {result['error']}") return None # 解析结果 report_text = result["result"]["content"][0]["text"] report_data = json.loads(report_text) return report_data except httpx.RequestError as e: print(f"请求失败: {e}") return None except json.JSONDecodeError as e: print(f"JSON解析失败: {e}") return None if __name__ == "__main__": # 示例：获取钴的风险报告 report = get_mineral_report("cobalt", "EV batteries") if report: print(f"矿产: {report['mineral']}") print(f"风险等级: {report['verdict']} (综合分数: {report['compositeScore']}/100)") print(f"供应集中度HHI指数: {report['supplyConcentration']['hhi']}") print(f"主要供应商份额: {report['supplyConcentration']['topSupplierShare']*100:.1f}%") print("\n首要建议:") for rec in report['recommendations'][:3]: # 只打印前三条建议 print(f" - {rec}")

这个脚本可以直接集成到你的供应链管理仪表板或定期监控任务中。

5. 数据源深度解析与算法揭秘

这个工具的价值很大程度上取决于其数据质量和算法逻辑。了解其内部运作机制，能帮助你更准确地解读结果，并判断其局限性。

5.1 八大核心数据源及其角色

5.2 赫芬达尔-赫希曼指数（HHI）计算过程详解

HHI是反垄断和供应链风险分析中的黄金标准。它的计算并不复杂，但理解其含义至关重要。

1. 数据获取：服务器向UN COMTRADE查询指定矿产（如“cobalt ore”）的全球贸易数据，按出口国（报告国）汇总贸易额（通常是美元价值）。
2. 份额计算：计算每个出口国的贸易额占全球该矿产总贸易额的百分比（市场份额）。例如：刚果（金）出口额占68%，中国占15%，澳大利亚占10%，其他占7%。
3. 平方和计算：将每个国家的市场份额平方后求和。HHI = (68)^2 + (15)^2 + (10)^2 + (7)^2 = 4624 + 225 + 100 + 49 = 4998。
4. 归一化与评分：原始的HHI范围是0到10000（当单一国家垄断100%市场时）。项目会将其归一化为0-100的分数。同时，根据HHI值划定风险等级。
5. 额外加权：除了HHI，模型还会对来自中国、刚果（金）、俄罗斯等被标记为“高风险”的国家的供应份额进行额外扣分（加权），并惩罚供应商总数过少的情况。

实操心得：当你看到HHI超过2500时，就应该拉响警报。超过4000，意味着供应链结构极其脆弱，任何主要供应国的风吹草动都可能引发断供危机。在解读时，一定要结合supplierCount（供应商数量）字段。如果供应商数量少于5，即使HHI不算极高，风险也很大，因为任何一个供应商退出都可能导致巨大缺口。

5.3 复合风险分数的权重逻辑

最终的compositeScore(0-100) 是三个维度分数的加权平均，但替代成熟度分数是反向使用的。

• 供应集中度分数：权重35%。分数越高，风险越大。
• 地缘政治脆弱性分数：权重35%。分数越高，风险越大。
• 替代成熟度分数：权重30%。但注意，这里用的是(100 - substitution.score)。因为替代成熟度分数越高代表替代方案越多、风险越低。所以需要将其“反转”后再加权。例如，替代成熟度分数为80（很好），则其风险贡献为(100-80)*0.3 = 6。

此外，还有一个强制升级规则：如果供应集中度等级为“MONOPOLISTIC”且制裁命中数大于等于2，那么无论综合分数多少，最终裁决（verdict）都会直接升级为“CRITICAL_DEPENDENCY”。这是一个非常重要的安全阀，突出了“垄断供应+制裁风险”这一最危险组合的极端性。

6. 高级应用场景与组合策略

掌握了基础用法后，我们可以设计更复杂的自动化工作流，将这个工具的价值最大化。

6.1 构建企业级关键矿产风险监控仪表板

你可以编写一个简单的Python脚本，定期（如每周一）调用compare_mineral_risks工具，扫描你公司采购清单上的所有关键矿产（例如：锂、钴、镍、石墨、镓、稀土）。脚本将结果写入数据库或CSV文件，并生成一个风险矩阵视图。

风险矩阵示例：

当任何矿产的风险等级升级或HHI值突破关键阈值（如2500、4000）时，脚本可以自动发送邮件或Slack通知给相关负责人。

6.2 供应商引入前的尽职调查自动化流程

当采购部门计划引入一家新的矿业公司作为供应商时，可以设计一个自动化流程：

1. 步骤一：制裁筛查。调用sanctions_exposure_check，输入该公司全名。
2. 步骤二：国别风险评估。调用supplier_country_risk，输入该公司主要运营所在国。
3. 步骤三：行业影响评估。调用industry_impact_assessment，输入该公司主营矿产和你所在的行业。
4. 步骤四：综合报告。如果以上筛查通过，最后调用mineral_dependency_report获取该矿产的全面风险画像，作为谈判和合同制定的背景资料。

这个流程可以通过Zapier、Make或简单的脚本串联起来，实现“一键式”供应商初筛。

6.3 研发路线图规划：结合替代技术分析

对于被判定为“CRITICAL_DEPENDENCY”或“HIGH_RISK”且替代成熟度“LOW”的矿产，企业的研发部门压力巨大。此时，substitution_patent_landscape工具的输出可以成为研发路线图的重要输入。

• 分析专利趋势：如果专利数量近期（如过去2年）快速增长，说明该领域研发活跃，可以加大跟踪和投入。
• 识别领先机构：查看专利申请人（assignee）列表，可以发现哪些大学、研究机构或公司在该替代技术领域领先，为潜在的合作或技术授权指明方向。
• 评估技术方向：专利标题和关键词能揭示主要的技术路径（例如，对于锂的替代，是钠离子电池、固态电池还是锂硫电池？）。

7. 常见问题、局限性与避坑指南

没有任何工具是完美的。清楚了解它的边界和局限性，才能更好地使用它，避免误判。

7.1 数据滞后性：最大的“阿喀琉斯之踵”

这是所有基于官方统计数据工具的共同问题。UN COMTRADE、世界银行、IMF的数据更新周期通常是年度或季度，且有数月到一年的发布延迟。这意味着你分析的是“过去时”的风险，而非“现在时”。例如，一场突然的政变或出口禁令，无法立即反映在数据中。

应对策略：

• 定性信息补充：将工具的定量分析结果与新闻、行业报告等定性信息结合。工具告诉你“刚果（金）治理分数低”，你则需要关注该国近期的政治新闻。
• 关注趋势而非单点：虽然数据滞后，但通过周期性运行工具（如每月一次），你可以观察HHI、制裁命中数等指标的趋势变化。一个持续恶化的趋势比一个静态的高分更值得警惕。
• 使用前瞻性指标：可以尝试将工具的输出与一些前瞻性指标（如矿业公司的资本开支计划、新建矿山投产时间表）结合，构建更全面的预测模型。

7.2 专利分析的局限性

专利数据是衡量技术活动的良好代理，但并非完美。

• “专利泡沫”：有些公司为了融资或宣传会大量申请专利，但技术未必成熟。
• 关键词遗漏：工具依赖关键词匹配。如果一项突破性技术使用了非常规术语（如某种新材料的代号），可能会被漏掉。
• 从专利到量产的距离：专利代表的是技术构想，距离商业化量产可能还有5-15年。一个“DEVELOPING”的替代成熟度，可能意味着十年内都难以形成有效供应。

应对策略：将substitution.readinessLevel视为一个早期预警信号，而不是一个精确的时间表。当看到“NO_ALTERNATIVES”时，应立即启动供应链多元化或战略储备的预案，而不是等待技术突破。

7.3 关于制裁筛查的法律免责声明

这一点至关重要：sanctions_exposure_check返回的OFAC/OpenSanctions匹配结果，仅供研究和尽职调查参考，不能替代正式的法律合规审查。正式的合规程序涉及更复杂的模糊匹配、别名筛查、股权穿透分析等。在做出任何与受制裁实体相关的商业决策前，必须咨询专业的合规法律顾问。

7.4 工具调用超时与错误处理

由于需要并行查询多个外部API，mineral_dependency_report在高峰时段或网络不佳时，可能接近60秒的超时上限。

避坑技巧：

1. 客户端设置长超时：在通过API调用时，将超时时间设置为90-120秒。
2. 使用轻量级工具：如果只需要单一维度信息，优先使用supply_concentration_analysis或sanctions_exposure_check，它们更快。
3. 实现重试机制：在你的调用代码中，对于网络超时错误，加入指数退避的重试逻辑。
4. 检查消费限额：如果收到“Spending limit reached”错误，需要去Apify控制台调整本次运行（Run）或账户的预算设置。

7.5 对模糊或小众矿产的支持

工具主要针对20种明确列出的关键矿产进行了校准。如果你输入一个非常小众的矿产（如“铼”），可能会遇到问题：

• COMTRADE数据稀疏：可能导致supplierCount很少，HHI计算失真。
• 专利匹配少：替代成熟度分数可能为0。

建议：对于小众矿产，尝试使用更通用的商品名称或其矿石名称进行查询。同时，对返回结果中的supplierCount保持警惕，如果小于3，则供应集中度分数的参考价值会降低。

8. 成本优化与最佳实践

按次付费很灵活，但如果不加规划，成本也可能悄悄增长。以下是一些控制成本、提升效率的建议。

8.1 制定清晰的调用策略

不要盲目地每天对所有矿产跑一遍完整报告。根据业务重要性，建立分层监控策略：

假设你关注5种Tier1，10种Tier2，10种Tier3矿产，每月总成本约为：(5*0.18) + (10*0.18) + (10*0.045) = $3.15。这远低于商业平台的门槛费用。

8.2 利用Apify平台特性

• 设置运行预算：在Apify控制台创建任务（Task）或设置定时运行（Schedule）时，务必设置“最大花费”预算。这是防止成本失控的最有效保险。
• 使用免费额度：Apify新用户有5美元免费额度，足够进行超过100次工具调用，用于充分测试和验证。
• 关注Webhook：可以配置Webhook，当任务完成或失败时通知你，便于集成到自动化流程中，无需频繁轮询。

8.3 结果缓存与本地存储

对于变化不频繁的数据维度（如专利数据、世界银行年度治理指标），没有必要每次调用都重新获取。你可以在自己的系统中缓存这些结果（例如，缓存24小时或一周），对于周期性的监控任务，先检查缓存，如果没有或已过期，再调用MCP工具。这可以显著降低对变化缓慢数据的查询成本。

apifyforge/critical-minerals-dependency-mcp项目将一个原本需要专家数日工作的复杂分析流程，变成了一个按需调用、价格低廉的AI工具。它无法替代深度的行业研究和人类专家的战略判断，但它无疑是一个强大的“力量倍增器”。它让供应链经理、分析师、交易员甚至政策制定者，都能在几分钟内获得一个数据驱动的风险基线，从而更快地聚焦问题、更明智地做出决策。在供应链日益复杂、地缘政治不确定性增加的今天，这样的工具不是奢侈品，而是必需品。