地図を読み込み中…
全国 9,273 駅について、半径を指定して集めたオープンデータ（乗降客数・人口・地価・売上・災害リスク）を、あなたの Claude から日本語で聞けます。API キーは要りません。追加費用もかかりません（推論はあなた自身の Claude の利用枠を使います）。
実体は読み取り専用のリモート MCP サーバ（15 ツール）です。Claude Code・Claude.ai・Cowork・ MulmoTerminal / MulmoClaude・その他の MCP 対応クライアントから使えます。
「横浜市で中古マンションを買おうと思っています。おすすめの駅はどこですか？」
言われたとおりに検索するのではなく、先に条件を聞いてからデータを取りに行きます。この質問だと、次の順に進みます。
| 駅 | 乗降客数 2024（人/日） | 将来人口 2020→2040 | 地価中央値 2026（円/㎡） | 想定洪水区域 |
|---|---|---|---|---|
| 戸塚 | 241,674 | +6.4% | 454,000 | warning |
| 東神奈川 | 69,094 | +4.9% | 457,000 | none |
| 山手 | 33,896 | +8.4% | 355,500 | none |
表には単位と年次が必ず付きます。各駅には 「効いた要因」と弱点が 1 行ずつ添えられます—— たとえば東神奈川は「災害面が最も無難。ただし乗降客数・事業所数は横浜駅周辺に比べ小さく、繁華性は限定的」。
最後に必ず限界が並びます。 「地価は地価公示（土地の価格）であり、中古マンション価格そのものの代理指標です」「通勤条件は所要時間データを持たないため直通路線で近似しました」のように、答えの弱いところを自分から言います。
上の数値と文言は、リポジトリに入っている受け入れテスト（golden）を 2026-09 に実走した実際の応答からの抜粋です。重みは質問者の条件に合わせてその都度決まるので、順位が固定されているわけではありません。
コマンドを覚える必要はありません。日本語で聞くだけです。
長い調査は data-analyst サブエージェントに任せられます（結果だけが本体の文脈に返ります）。
ターミナルの Claude Code に 2 行で導入できます（Pro / Max / Team）。ツールに加えて、分析の作法・用途別レシピ（住宅 /recommend・輸送計画 /demand・出店 /market）と golden 受け入れテストが入ります。
/plugin marketplace add kusui26/AI-Database-Map/plugin install ai-database-map@ai-database-map例：「横浜市で中古マンションを買おうと思う。おすすめの駅は？」——好みを聞いたうえで 137 駅×指標の CSV を 1 回で取得し、ローカルの pandas で正規化・重み付き合成・±20% 敏感度まで実行します。更新は /plugin › Marketplaces から（第三者マーケットプレイスの自動更新は既定 OFF）。
presentChart / presentForm / presentHtml を持つホストでは、要件をフォームで聞き、チャートと地図を Canvas に出します。図が無い環境でも答えは変わりません。
userMcpServers に { "id": "station-data", "url": "https://ai-database-map.vercel.app/api/mcp" } を足します（反映は次のセッションから）。1.18.0 以上を使ってください。設定は 2 つです。Settings › MCP servers に同じ URL を足し（許可リストがここから作られます）、地図のタイルを許可する次の 1 行を実行します（再起動は不要）。スキルはプラグインのまま効きます。
mkdir -p ~/mulmoclaude/config && printf '%s' '{"img-src":["https://cyberjapandata.gsi.go.jp","https://disaportaldata.gsi.go.jp","https://www.jma.go.jp"]}' > ~/mulmoclaude/config/csp.json以前ここで案内していたスキルのリンク（~/mulmoclaude/.claude/skills への symlink）は不要になりました。張ってある場合は消してください——同じスキルが 2 回出ます。消し方はプラグインの READMEにあります。
カスタムコネクタとして追加します（Free プランでも 1 個まで追加可）。下のリンクで名前と URL が入力済みの追加画面が開きます。
手動の場合：設定 › コネクタ › カスタムコネクタを追加 → 名前「AI Database Map」・URL に下記を入力（認証は「なし」）。
https://ai-database-map.vercel.app/api/mcpCustomize › Connectors に同じ URL を追加。プラグインは「Add from a repository」に kusui26/AI-Database-Map を指定すると、スキル（分析の作法・用途別レシピ）も入ります。成果物は Excel などのファイルで受け取れます。
MCP（streamable HTTP・認証なし）対応のクライアントなら同じ URL で使えます。Codex CLI はプラグインとしても導入できます：
codex plugin marketplace add kusui26/AI-Database-Map追加後、Codex 内で /plugins → ai-database-map を Install。
search_stations / list_stations駅の特定・対象集合（市区町村/会社/路線/範囲）build_dataset駅×指標の CSV を 1 回で生成（短命 URL・ハザード結合可）render_map結果を地図にした HTML ページを生成（短命 URL・保存して開く）get_hazard_summary全駅事前計算の災害サマリを最大 500 駅一括get_station_profile駅周辺のプロフィール（要点・県内／市内での位置・性格の目安・見ていないこと）get_area_summary市区町村・都道府県・路線の沿線の全体（公表値・将来推計・内訳・比較・駅の色分け）get_station_detail / rank_stations / compare_growth駅詳細・ランキング・散布get_hazard_at_point / get_hazard_alerts地点の想定リスク・いまの警報find_evacuation_sites / find_escape_direction指定緊急避難場所・区域外への向きget_metrics_catalog自己記述カタログ（806 列の正確なキー・単位・年次）/usage で確認できます）