實價登錄 API 怎麼接？用 MCP 讓 AI 直接查房價，房仲、代銷、估價業者的資料串接實戰

實價登錄有沒有 API？官方的答案是沒有即時查詢 API，內政部提供的是每月 1、11、21 日更新的批次下載檔；想讓系統或 AI 隨問隨查，要嘛自己把檔案清乾淨建成資料庫，要嘛接第三方整理好的服務。這半年多出了第三條路：MCP（Model Context Protocol），把整理好的房價資料包成 AI 看得懂的工具，Claude、ChatGPT 這類 AI 助理直接就能查。

這週我們把一個公開的台灣房地產 MCP server 接進自己的 Claude 測了一整輪。它叫 ToEstate，免帳號、免金鑰，伺服器回報的名稱是 taiwan-real-estate、版本 1.30.0，一口氣開出 55 個查詢工具，資料來源是內政部實價登錄、司法院法拍公告、戶政人口這些政府開放資料。我們丟了十幾個問題給它，從「這間開價合理嗎」到「台中法拍屋有沒有便宜貨」，每一題都看 AI 呼叫了哪個工具、拿回什麼數字。

這篇把測試結果整理出來，給兩種人看：想用 AI 查房價的房仲、代銷、估價、授信人員，以及想把自家物件或客戶資料也做成 AI 查詢介面的企業。文中所有房價數字都是 2026 年 10 月 4 日實際呼叫取得，資料完整月是 2026 年 7 月（申報延遲的口徑後面會講）。

實價登錄 API 有哪些取法？官方檔案、第三方、MCP 三條路

先講結論：只是自己偶爾查，用官網或 App 就好；要讓系統每天自動抓，走官方批次檔或第三方 API；要讓同事用講的就能查，接 MCP。三條路要你自己做的事差很多，下面這張表一次整理。

官方那條路的細節寫在 內政部實價登錄資料供應系統 上：開放資料下載的是「當期公布」的靜態檔，實際資料以實價查詢服務網的動態資料為準，授權走政府資料開放授權條款。換句話說，官方給的是原料，要變成能用的查詢服務，清洗、去重、地址對社區、車位拆算這些工全都要自己來。

這也是為什麼 Google 上搜「實價登錄 api」，前幾名幾乎都是政府資料集頁面和國外的爬取服務，很少有人把「拿到資料之後怎麼用」講清楚。實價登錄本身是台灣搜尋量很大的字，Ubersuggest 顯示台灣每月約 24.6 萬次，需求一直都在，卡的是中間那段整理。如果你要評估的是「整套接進公司系統」，可以先看我們寫過的 系統整合場景與架構。

把政府每天公開、但一般人不會去翻的資料做成好用的工具，這件事我們做過：今日菜價蔬果行情雷達 就是把農業部每日批發行情收成一支 App，拍張菜就帶出今日行情。房價資料是同一類題目，差別在欄位更多、口徑更複雜。你手上如果也有一批「公開但難用」的資料，加 LINE 跟我們聊聊，我們陪你看哪一段最值得先做。

MCP 是什麼？跟一般 API 差在誰來呼叫

一句話：API 是寫給工程師呼叫的，MCP 是寫給 AI 呼叫的。MCP 規定了一套固定格式，讓伺服器把「我有哪些工具、每個工具要填什麼、會回什麼」講給 AI 聽，AI 就能自己判斷這題該用哪個工具、參數怎麼填。

它已經是業界標準了。Anthropic 在 2025 年 12 月把 MCP 捐給 Linux 基金會旗下的 Agentic AI Foundation，這個基金會由 Anthropic、Block、OpenAI 共同成立；同一篇公告提到，當時已有超過 10,000 個公開運作的 MCP server，SDK 每月下載量超過 9,700 萬次，ChatGPT、Gemini、Microsoft Copilot、VS Code 都支援。MCP 官方部落格的 同日公告 也是同樣的說法。

想從採購角度把 MCP 弄懂（廠商說「支援 MCP」要怎麼驗），可以看 MCP 是什麼：老闆採購 AI 系統必懂的解析。這篇不重講定義，直接看它接上房價資料後實際長什麼樣子。

實測 ToEstate MCP：問 AI 一句話，它用哪個工具、拿回什麼

先給總表。下面每一題都是我們 2026 年 10 月 4 日實際呼叫的結果，數字原封不動抄自回傳內容；單價一律是元／坪，已扣車位。

「這間開價合理嗎」：analyze_property 給的是比較，不是估價

我們用台中南屯大墩十一街一棟約 30 年的住宅大樓試：32 坪、3 房、沒車位，假設屋主開 1,150 萬。AI 呼叫 analyze_property 之後拿回來的是：參考單價 334,999 元／坪，換算參考總價約 1,072 萬，中間一半相似成交的區間落在 982 萬到 1,107 萬；開價比參考高 7.3%，工具判定「略高」。

判定之外，它還交代了自己有多可信：比較法算出 329,917 元／坪，統計模型算出 342,622 元／坪，兩者差 3.9%，用了 20 筆比較案例，所以信心標「高」。同一棟 2026 年 8 月剛成交一戶 9 樓、37.76 坪、1,250 萬，也列在比較案例第一筆。周邊環境順便帶出大墩國小約 350 公尺、土壤液化潛勢「低」。回傳裡有一句話要特別看：「統計換算；沒有現勘，不具不動產估價師法規定的估價效力。」

同一個工具，換成辦公大樓就直接說「無法判斷」

第二次我們故意丟了台中西屯市政北二路一棟登記為「辦公商業大樓」的門牌。工具沒有硬給數字，回答是信心「低」、判定「無法判斷」，理由寫得很白：附近同類型成交 0 筆，比較案例多是住宅，參考價不適用。它改提供同棟近三年 8 筆成交的中位 52.3 萬／坪（44.1 萬到 61.2 萬），並提醒同棟成交都是 63 到 73 坪，跟我們填的 35 坪差很多。

這一段是整輪測試裡我們最在意的地方。好的資料工具會告訴你它不知道，AI 才不會拿住宅行情去套商辦，業務也不會拿著一個看起來很精準的數字去跟屋主談。

租金、預算、殖利率：同一份資料換三種問法

check_rent 回答「大安區 2 房 25 坪月租 3.8 萬貴不貴」時，抓的是附近同型態、坪數相近的 30 筆租約（2026 年 4 月到 8 月），中位 44,550 元，第 25 到 75 百分位是 36,875 元到 56,849 元，3.8 萬落在第 30 百分位，比中位低 14.7%。它還附上自己的回測誤差：中位絕對誤差 13.0%。

find_affordable_areas 處理的是首購族最常問的那句話。總價 1,500 萬、新北、3 房、25 坪以上：近 12 個月 6,568 筆符合條件的成交裡，有 2,840 筆（43.2%）在預算內。淡水區 725 筆中有 416 筆買得到，用這個預算約可買 46 坪；板橋只剩 33.3%，大約 27.4 坪；三重 24%，剛好 25 坪。

get_investment_radar 則是把行政區打分數。高雄排前面的是鹽埕區 78 分（毛租金殖利率 4.23%、中位 18.5 萬／坪、成交量年減 21%）和苓雅區 78 分（殖利率 3.17%、價格年增 5.9%）。分數是相對排名，權重說明也寫在工具描述裡，殖利率佔 45%、價格動能 35%。

法拍屋：折價數字要配著點交原文看

get_foreclosures 列出台中待拍物件，我們挑了一間霧峰屋齡約 3 年的透天，再用 analyze_foreclosure 一次拉完整資料：10 月 6 日第 3 拍，底價 1,638.4 萬，附近相似成交推得的參考總價約 2,100 萬，折價約 22%。同一戶 2025 年 1 月才以 2,100 萬成交過。

數字很誘人，但同一份回傳裡寫著「部分點交」：其中一個建號是增建、沒有辦保存登記，拍定後不能直接辦移轉，若被認定違章還要自己承擔拆除風險。工具附了法院公告的原文和 PDF 存檔，閱讀指南第一條就說「比市價便宜超過五成通常有公告外的問題」。AI 可以幫你篩，判斷點交還是要回到公告原文。

縣市冷熱與備註紀錄：兩個常被忽略的工具

get_county_overview 一次列出各縣市近一年的量價。這次查到臺北市中位 81.0 萬／坪、年增 2.0%；新北市 47.2 萬、年減 1.3%；臺中市 30.6 萬、年減 4.9%，成交量也年減 17.8%。同樣是「全台持平」，拆開來看各縣市方向並不一致，業務跟客戶講大盤之前，先看自己所在縣市。

get_remark_flags 專門撈實價登錄備註裡提到凶宅、海砂屋、輻射屋、火災的成交，每筆附備註原文與同社區比價。以台中為例，2026 年 8 月就有一筆神岡區透天的備註寫著「發生火災」與「瑕疵物件」。這類資訊散在備註欄，人工幾乎不可能逐筆翻，交給工具篩是很實際的用法；含個資的備註它會自動不顯示。

成交量是不是崩了？先問 get_nowcast

最近幾個月的成交筆數一定偏低，因為還沒申報完。get_nowcast 把這件事攤開：典型月份約 9,920 筆，2026 年 6 月目前申報到 8,784 筆，8 月只有 2,166 筆，9 月才 89 筆。拿這幾個月的數字說「量縮八成」，就是被申報延遲騙了。伺服器的使用說明也直接要求 AI：近半年的成交量會因申報延遲偏低，不要據以說量縮。

怎麼把房價 MCP 接進 Claude、ChatGPT：三分鐘設定

ToEstate 走的是 Streamable HTTP，網址是 https://toestate.tw/mcp，不需要帳號或金鑰。各家 AI 工具的加法不同，以下是 2026 年 10 月我們確認過的做法。

claude mcp add --transport http toestate https://toestate.tw/mcp

Claude 的方案限制寫在 自訂連接器說明頁；ChatGPT 的步驟與方案寫在 OpenAI 的 Developer mode 文件。ChatGPT 有個實際會碰到的小地方：它把沒有標「唯讀」的工具都當成寫入動作，每次呼叫預設要你按確認。我們看了 ToEstate 的 55 個工具定義，都沒有標唯讀註記，所以在 ChatGPT 裡每查一次就會跳一次確認，Claude 這邊沒有這個狀況。

另一個要留意的是工具數量。55 個工具的說明加起來大約 5.3 萬字元，全部塞進 AI 的上下文會吃掉不少 token，回答也會變慢。Claude 有「需要時才載入工具」的機制可以緩解，原理寫在 連很多 MCP 會不會很燒 token。如果你想順便挑其他好用的 server，可以參考 Claude MCP Server 推薦清單。

提問時把條件講完整，AI 選工具會準很多：門牌要含縣市與行政區、坪數、屋齡、房數、有沒有車位、開價多少。門牌不完整時，工具會回幾個同路段的可能地址請你挑，這時候別讓 AI 自己猜，挑一個確認過的再問一次。

AI 查到的房價數字，有六個口徑一定要先懂

MCP 讓查詢變簡單，口徑問題一個都沒有消失。這六點是我們測試時一條一條對過工具說明與回傳欄位整理的，任何人拿 AI 查到的數字去跟客戶講之前，都應該先看一遍。

統計預設也排除了親友交易這類特殊案件，所以跟你在內政部網站一筆一筆看到的會有落差。實價登錄制度本身在 2021 年 7 月上路 實價登錄 2.0，門牌完整揭露、預售屋也要申報，資料比十年前完整得多，但「晚 1 到 3 個月才看得到」這件事沒有改變。

房仲、代銷、建商、估價、銀行：房價資料接上 AI 能省哪些工

先講結論：公開的房價 MCP 能省掉的是「查」，省不掉的是「判斷」；真正拉開差距的是把自家資料也接進來。同樣問「這間合理嗎」，只有公開資料的 AI 回答的是行情，接了自家帶看紀錄與議價歷史的 AI，回答的是「這位屋主大概願意降多少」。

房仲業的動作其實很快。信義房屋在 2026 年 6 月發布的新聞稿 提到，導入 AI 輔助後，智能配案讓斡旋成功率提升近 30%、成交轉換率提升近 20%。大品牌有自己的數據中台，中小型店頭沒有，但現在有了 MCP，這道門檻降低很多。房仲日常可以用 AI 做的五個場景，我們另外整理在 房仲業 AI 工作流指南。

我們的判斷是：只接公開 MCP 的公司，半年後會發現自己跟同業用的是同一份答案。行情資料人人都查得到，差異會出現在誰把自家的帶看、議價、客戶偏好整理成 AI 查得到的樣子。先把公開資料接起來熟悉操作，接著要問的是「我們手上哪份資料是別人沒有的」。

自己做一個房產資料 MCP：架構、資料與權限怎麼規劃

一句話分工：公開資料交給現成服務，自家資料自己包一層 MCP，兩個同時掛在 AI 助理上。這樣 AI 回答時可以同時引用行情與公司內部紀錄，你也不用從零重建整個實價登錄資料庫。

三種做法的差別如下，費用高低主要取決於你有多少內部系統要接、資料乾不乾淨，這部分我們會先看過你的資料再估，不先報一個空泛的數字。

設計工具時有幾個我們踩過的經驗。第一，工具要少而精，一個工具回答一類問題，名稱與說明寫清楚「什麼時候用這個」，AI 才不會選錯；ToEstate 在每個工具說明裡都寫了「問 X 用這個」，這是值得照抄的寫法。第二，回傳要附資料日期、來源與信心程度，像 analyze_property 那樣在資料不夠時直接說無法判斷。第三，查詢一定要留紀錄，誰在什麼時候查了哪位客戶的資料，事後要查得到。

這件事我們自己也在做。恆遠每天在用的 CRM SalesKing 就開放了 20 個 MCP 工具，讓 AI 直接讀客戶對話、判斷銷售階段、操作系統，我們內部的業務追蹤就是這樣跑的。如果你在評估要用託管服務還是自己架，可以對照 MCP 自架與外接 SaaS 的決策；想讓 AI 同時查文件與即時資料，MCP 加 RAG 的混搭架構 有更完整的拆解；整包發外包時要注意的合約點，寫在 企業 API 整合外包採購指南。

導入房價 MCP 前，先把授權、個資與資安這幾關過完

公開資料用起來方便，但正式放進公司流程之前，下面這張清單請逐項打勾。

第五點最容易被忽略。這次測試的 ToEstate 目前免認證開放，但它是第三方服務，條件哪天改變都不奇怪；公司正式流程依賴它之前，要準備替代方案，或把最常用的查詢自己留一份。自建 server 的資安面，可以參考 AI agent 部署資安指南 裡被入侵事件的復盤。

看到這裡，如果你也在想「我們的物件庫和客戶紀錄能不能也讓 AI 這樣查」，我們很樂意 聽你聊聊現在的資料長什麼樣子，一起看看哪些查詢最值得先做成工具。系統本身要重新規劃的話，也可以看 客製化系統開發 的做法。