9 支 MCP 工具：把污染場址的理解門檻，降到用問的就好
地圖讓場址看得見，但民眾仍要先會操作、會篩選，再自己把資料讀成答案，這些都是讀懂之前的門檻。所以我把民眾可能會問的問題彙整成 9 支 MCP 工具，接到 Claude，讓民眾用自己的話問，直接讀到結論。
專案概述與核心痛點
地圖解決看得見，問答解決看得懂。
9 支工具 × 8,257 處場址 × 一句話問到答案
地圖網站篇把「找不到」降下來了：點開 tw-pollution-map.com，場址就在地圖上。但看得見不等於看得懂。民眾想知道的是一個答案，例如「我住的地方附近，農地有沒有驗出過汞」，卻得自己跨過三道步驟：
- 先會操作：知道從哪一層點進去、哪裡切換模式
- 再會篩選：知道要設哪些條件，才縮得到自己要的範圍
- 最後自己讀懂：把倍數、污染物說明與新聞，拼成一個結論
MCP 要處理的就是這三道步驟：把民眾可能會問的問題彙整成 9 支工具，接到 Claude，讓理解需求直接透過問答完成。產品目標與地圖篇一樣：有效降低大眾理解門檻。連接方式與範例問題在 tw-pollution-map.com/ai。
策略思考
從民眾的問題出發，不是把 API 打包
最省事的做法是一支 API 包成一支工具，但民眾不會想「我要呼叫哪支 API」。我反過來從問題出發，例如「我住中壢區，附近有沒有污染場址？」「三氯乙烯對人有什麼影響？」，依這些問題的意圖設計，最後是 9 支工具。
一次問到位
民眾問「這個場址嚴不嚴重」，其實同時要場址資料、污染物說明和新聞。
get_site一支工具就組好：場址的超標倍數、每種污染物的白話說明，以及人工挑選的相關新聞。民眾不用分次查，也不用自己拼湊。回答本身要好懂
同樣的資料，AI 可以講得很難懂。所以我把回答的做法寫成「回答指引」，隨工具回應一起送出，不靠民眾會下提示。指引要求：
- 第一句直接給結論
- 每次提到等級，都附上倍數範圍；等級是本站指標，不是官方數據，也不等於健康危害
- 最後附資料日與地圖連結，要看細節可以點回地圖
- 稱呼場址用民眾看得懂的短稱，不寫場址代號
- 新聞只引用標題並附連結，不轉述標題以外的內容
不要求民眾懂系統
- 用縣市與鄉鎮問：不收地址和座標。收地址要多接一個外部地理編碼服務，多一個會出錯的環節，也多一份隱私負擔。
- 同名地點回候選清單：請民眾自己選，不替他猜。
- 用名稱找也行：知道公司或工廠的名字，就用
search_sites直接找，不必先知道它在哪個行政區。
用評測校正回答品質
我用受控評測（Sonnet 5.5 作答、Opus 5.5 評分），檢查其中兩項，數字是回答次數：
- 回答附地圖連結與資料日：24/54 → 53/54，這項是改了連接器說明裡的一句指引後的結果
- 等級有說明倍數範圍：0/51 → 51/51
兩項來自不同的測試設定。測試環境是我控制的，不等於民眾在 claude.ai 上的實際表現。
解決方案亮點
9 支工具：每一支對應一種民眾會問的事
下表是 9 支工具，以及民眾會這樣問的問法；完整的使用說明在 tw-pollution-map.com/ai。
| 工具 | 用途 | 民眾會這樣問 |
|---|---|---|
find_ | 查某個行政區內的場址 | 我住中壢區，附近有沒有污染場址？ |
find_ | 查某場址周邊的其他場址 | 這間工廠附近還有別的嗎？ |
search_ | 用名稱或企業簡稱找場址 | 某某公司的場址 |
get_ | 看單一場址的完整資料、危害說明與新聞 | 這個場址污染了什麼、嚴不嚴重？ |
get_ | 查污染物對人的影響 | 三氯乙烯對人有什麼影響？ |
get_ | 看縣市概況、比較地區 | 桃園的情況？跟台中比呢？ |
filter_ | 依條件篩選並統計場址 | 有哪些加油站？ |
find_ | 查已解除列管的農地叢集 | 彰化這帶的農地以前有沒有污染？ |
get_ | 查資料日、更新頻率與計算方式 | 資料多久更新？倍數怎麼算？ |
一次真實問答：從桃園區問到 RCA，再點回地圖
下面是 /ai 頁的真實問答影片：在 claude.ai 問「幫我查桃園區列管場址」，再問「再進一步告訴我 rca 的詳細資訊」，然後點回答裡的地圖連結，本站地圖就打開在 RCA 原桃園廠的詳細資料。全程是兩句話加一次點擊。
問答影片（46.6 秒）。回答會隨資料更新而不同。
MCP 架構流程圖：9 支工具＋回答指引
點擊放大 ⤢
點擊放大 ⤢/ai 頁首屏：「在 Claude 裡問：我家附近有污染場址嗎？」，主按鈕「加到 Claude」，另有「複製連接器網址」。
點擊放大 ⤢/ai 頁節錄的一則實際問答：問桃園中壢哪些農地驗出汞，Claude 用了 12 次本站工具，答覆歷史上有 4 處、全部已解除列管；回答說明 2 級是超標 1 到 10 倍，並註明分級是本站指標。
專案成效與商業影響
我用同一個問題，對照地圖網站與 MCP：「桃園中壢哪些農地驗出汞？」地圖那一欄是在正式站實際操作的結果。
| 步驟 | 地圖網站（正式站實測） | MCP |
|---|---|---|
| 縮小到中壢區的農地 | 7 次點擊＋1 次輸入：切到歷史、輸入並點選中壢區、打開更多篩選，再取消工廠、加油站、非法棄置場址、其他 | 問一句話（第一次要先加連接器，之後不用） |
| 找出哪些含汞 | 沒有汞的篩選，畫面只列主要污染物前三名（銅、鎘、鋅），只能逐處打開確認（中壢區農地超過 140 處） | Claude 代為查詢（本例呼叫 12 次工具） |
| 讀懂結果 | 自己對照每一處的倍數與污染物 | 直接讀結論，附倍數範圍與地圖連結 |
地圖網站實測到打開第一處場址詳情為止，其餘處數依畫面顯示的數字計算。
理解門檻，就是民眾讀到答案之前，得先學會的事。表上的差別，正好對應開頭那三道步驟；每少一道，大眾理解門檻就再低一點。
少了操作：不用先學會介面，才開始理解
在地圖上，民眾得先知道要切到歷史、打開更多篩選、取消哪些類型，才碰得到答案；還沒開始理解，就先卡在操作。現在用自己的話問一句，理解從第一句就開始。
查詢由 AI 代勞：不用懂資料怎麼查，也問得到答案
地圖沒有汞的篩選，超過 140 處農地只能逐處打開確認。這一題，Claude 替民眾呼叫了 12 次本站工具。民眾不必知道資料怎麼分、要查幾次，能不能問到答案，不再取決於懂不懂查詢。
少了整理：不用自己拼湊，也讀得懂結論
過去要在倍數、危害說明與新聞之間來回對照，才拼得出「所以我該知道什麼」。現在第一句就是結論，倍數範圍也一起講清楚；想看細節，再點回答裡的地圖連結。