捷運
捷運站 + 路線
503 座捷運站的站名與經緯度，涵蓋台北、新北、桃園、台中、高雄五個系統。用途很單純：拿座標去餵其他資料源做可及性分析。每一筆就四個欄位，不要期待出口、票價或時刻表。
mrt
- 工具數
- 2
- 欄位
- 10
- 更新頻率
- 每月更新
- 資料來源
- TRTC + FUNRAISE
資料 lag：捷運局公告 T+7 天。
實際時效以系統實況為準，可在控制台 /admin/usage 看每次呼叫的回應時間。
業內怎麼用這個資料？
選址研究
取站點座標算步行距離
估價研究
捷運站周邊價格效應的圓心
常見查詢示範
點開任一題看 AI 模擬回答 — 完整資料需登入控制台後在 AI 客戶端實際使用。
Q1 查「市政府站」的座標。
（呼叫 get_mrt_station，name=市政府站）
這個座標可以直接餵進 buildings、actual-price-sale、industrial-parks 做半徑查詢。同索引另有南港站 (25.052035, 121.60697)、台北101/世貿站 (25.033028, 121.562755)。
Q2 可以按路線列出站點嗎？
可以，但只有台北捷運，而且是靠一份寫在程式裡的靜態對照表。
ES 的 branch 欄位 503 筆全部是空的，所以 list_mrt_stations(line=...) 是先撈 500 筆再用 packages/data-mcp-mrt/src/line-map.ts 逐站比對過濾。那份表目前收了 118 站（占 503 站的 23%），六條線：淡水信義線 28、中和新蘆線 26、文湖線 24、板南線 23、松山新店線 20、環狀線 14。
桃園、台中、高雄與新北環狀線的站不在表裡，傳它們的路線名會回空。不帶 line 則回全部（預設 200 筆，要全部請設 limit=500）。
上面是接好 FUNRAISE MCP 後實際可問的 prompt 範例。複製貼進 Claude.ai／ChatGPT／Notion 後，AI 會自動呼叫對應工具回答。 看接入步驟 →
資料樣本
範例性質的資料結構展示。實際資料可在登入後透過 MCP 工具查詢。
市政府站（`get_mrt_station`）
- main
- 市政府站
- location
- lat 25.041135 / lon 121.565685
- branch
- null（全庫 503 筆皆空）
- id
- a660b974…791dafc5
怎麼開始用？
- 1. 註冊 FUNRAISE MCP — Google 或 Microsoft 帳號即可，不需審核。
- 2. 登入控制台，把這個資料源（與其他你需要的）勾進你的資料組合。
- 3. 複製網址，貼進 Claude.ai／ChatGPT／Notion／Claude Code／Gemini CLI／Codex CLI 任一介面。
- 4. 開始問問題 — AI 自動透過 MCP 拉這個資料源的工具與資料回答你。
同類別其他資料源
行政區與商圈洞察、產業分佈、市場 analytics
縣市 metadata
學校、公園、醫院、政府機關等
全國 19 縣市地籍圖資（1,553 萬餘筆地號 polygon）：座標 → 地號反查、地號 → 座標/邊界/面積/周長、條件檢索（段名、權屬、管理機關、所有權人、面積與登記日期範圍）。全台縣市 → 行政區 → 地段清單；門牌或地段+地號 → 經緯度。台北市另支援：點/地號 → 使用分區 (住三/商三特/公園用地等 240 個 zone_code) + FAR/BCR 法規對照、點/建照 → 建築執照套繪 polygon、地號 → 公告土地現值／公告地價（附公告日期）、公有地權屬與管理機關、使用分區文字（42 萬餘筆）。一條鏈走完都更／危老／估價試算的前置動作。