bls-oews-mcp

Бесплатный MCP-сервер с открытым исходным кодом для получения рыночных данных о заработной плате из статистики BLS Occupational Employment and Wage Statistics (OEWS). Подходит для разработки IGCE, анализа цен и исследования рынка труда.

Обзор, видео демонстрации и инструкции по размещению на хостинге: https://1102tools.com/mcp/bls-oews

API-ключ не требуется, дневных ограничений нет. В пакет входит актуальный выпуск OEWS — оценки за май 2025 года, опубликованные BLS 15 мая 2026 года. Данные представлены в виде базы только для чтения, созданной на основе опубликованных BLS файлов с данными. Поэтому все ответы формируются локально, а каждый результат содержит ссылки на выпуск BLS, дату публикации, дату получения данных и исходный файл. См. раздел «Локальная установка или размещение на хостинге».

Если BLS не публикует значение для конкретного показателя заработной платы, в ответе сохраняется сноска BLS с объяснением причины и предлагается опубликованная альтернатива — почасовая или годовая. Для зарплат с верхним ограничением сохраняется опубликованная BLS нижняя граница: сервер не придумывает точное значение и не пересчитывает почасовую оплату в годовую для профессий, по которым опубликованы только почасовые данные.

Перед выпуском проводятся регрессионные тесты, а реалистичные вопросы о заработной плате в сфере госзаказов проверяются по исходным данным BLS. Подробнее см. файл с тестированием.

Локальная установка или размещение на хостинге

Локально (на компьютере)	Claude (на хостинге)	ChatGPT (на хостинге)
Локальная установка	Установить	Установить

Локально сервер запускается на вашем компьютере — в приложении Claude или ChatGPT для настольных компьютеров либо в другом AI-приложении. Ответы формируются по встроенной базе данных BLS, без обращений к государственному API и ограничений на количество запросов. Сервер не обновляется автоматически, поэтому попросите AI обновить его. Настраивать всё вручную не обязательно: отправьте AI ссылку на эту страницу и попросите выполнить настройку или провести вас по её шагам.
На хостинге сервер всегда использует актуальные данные, не требует настройки или ключей и доступен в Claude или ChatGPT из любого места.

Сравнение локального и размещённого на хостинге вариантов · Примеры запросов

Возможности

Сервер отвечает на вопросы по данным включённого в пакет выпуска OEWS с помощью 8 инструментов MCP:

Основные

get_wage_data — статистика заработной платы по профессии и SOC-коду: для страны, штата или метрополитенского района
compare_metros — сравнение заработной платы по одной профессии в нескольких метрополитенских районах
compare_occupations — сравнение заработной платы по нескольким профессиям в одном регионе

Рабочие процессы

igce_wage_benchmark — ориентиры по заработной плате и оценка ставок с учётом накладных расходов для разработки IGCE
detect_latest_year — сведения о годе данных OEWS и включённом в пакет выпуске

Справочная информация

list_common_soc_codes — соответствия SOC-кодов для федеральных IT-услуг и профессиональных услуг
list_common_metros — MSA-коды метрополитенских районов
get_data_status — сведения о включённом в пакет выпуске, исходных файлах BLS с их SHA-256 и датами публикации, а также о дате получения данных

Источник данных

База данных в пакете создаётся скриптом scripts/build_oews_db.py на основе файлов OEWS в плоском формате с сайта BLS: download.bls.gov/pub/time.series/oe/. В неё входят национальные оценки, оценки по штатам, метрополитенским и неметрополитенским районам, а также оценки по отраслям на национальном уровне для каждой профессии и всех 17 типов данных OEWS, включая относительные стандартные ошибки. В файле data/manifest.json указаны URL, размер и SHA-256 каждого исходного файла, а также дата его публикации BLS. Еженедельная проверка сообщает о появлении нового выпуска BLS, который включается в новую версию пакета.

BLS.gov не подтверждает достоверность данных и анализов, полученных на их основе после загрузки данных с BLS.gov.

Установка

uvx --refresh-package bls-oews-mcp --from bls-oews-mcp bls-oews-mcp

Настройка

Используйте приведённую ниже конфигурацию как описание сервера и разместите её в соответствии с требованиями совместимого клиента MCP. Примеры практических запросов к этому источнику доступны в библиотеке промптов.

{
  "mcpServers": {
    "bls-oews": {
      "command": "uvx",
      "args": ["--refresh-package", "bls-oews-mcp", "--from", "bls-oews-mcp", "bls-oews-mcp"]
    }
  }
}

Флаг --refresh-package указывает uv проверять PyPI на наличие новой версии при каждом запуске сервера клиентом. Благодаря этому исправления и новые выпуски OEWS устанавливаются автоматически. Без этого флага uv продолжает использовать версию, сохранённую в кэше при первом запуске. Проверка добавляет небольшую задержку при запуске из-за обращения к сети. Если платформа ограничивает время запуска MCP, увеличьте установленный на ней тайм-аут.

При первом запуске сервер распаковывает встроенную базу данных (около 50 MB) в каталог кэша пользователя. Чтобы указать другое место, задайте BLS_OEWS_DATA_DIR.

Перезапустите клиент — после этого инструменты станут доступны.

Примеры запросов

«Какова национальная медианная зарплата разработчиков программного обеспечения (SOC 151252)?»
«Сравни зарплаты системных аналитиков в Вашингтоне, Сиэтле и Балтиморе».
«Подготовь ориентиры по зарплатам для IGCE по должностям руководителя программы, разработчика программного обеспечения и специалиста службы поддержки в метрополитенском районе Вашингтона, используя коэффициент накладных расходов 2.0x».
«Насколько оправдана ставка $195/hr для старшего разработчика программного обеспечения? Покажи рыночные данные BLS».
«Сколько зарабатывают аналитики по информационной безопасности в Вирджинии по сравнению со страной в целом?»

Важно: базовая заработная плата, а не ставки с учётом накладных расходов

Данные BLS OEWS отражают базовую заработную плату по сведениям работодателей и не включают дополнительные льготы, накладные расходы, общие и административные расходы или прибыль. Чтобы оценить полную почасовую ставку для IGCE, примените повышающий коэффициент:

1.5x–1.7x: подрядчик с низкими накладными расходами
1.8x–2.2x: профессиональные услуги среднего ценового уровня
2.0x–2.5x: крупный подрядчик с дополнительными расходами на допуски
2.5x–3.0x: высокие накладные расходы (SCIF, работа на выезде)

Инструмент igce_wage_benchmark применяет коэффициент автоматически. Данные о заработной плате OEWS представляют собой оценки за май, указанный в выпуске. Поэтому их следует скорректировать с учётом периода исполнения контракта. Инструмент указывает соответствующий месяц в полях wage_period и _escalation_note.

Год данных

OEWS публикует данные примерно с годовой задержкой. Сервер использует выпуск за 2025 год — оценки за май 2025 года, опубликованные 15 мая 2026 года. Запросы по другим годам приводят к понятному сообщению об ошибке со ссылкой на исторические таблицы на сайте bls.gov/oes/tables.htm. При обычном использовании не указывайте год. Чтобы узнать, какой выпуск включён в пакет, вызовите detect_latest_year или get_data_status.

Дополнительные инструменты

Для полного анализа цен используйте этот сервер вместе с gsa-calc-mcp (предельные ставки GSA CALC+). BLS показывает, сколько платит рынок, а CALC+ — сколько берут подрядчики GSA. Вместе эти инструменты составляют набор для расчёта цен IGCE.

Лицензия

MIT