Wypróbuj za darmo

Agenci AI w nieruchomościach: 7 zastosowań danych CASAFARI

Agenci AI, tacy jak Claude czy ChatGPT, łączą się z danymi CASAFARI przez serwery MCP i REST API. Pracują na uporządkowanym grafie nieruchomości z 16 krajów, w którym każdy obiekt to jeden rekord z pełną historią cen ofertowych. Na tej podstawie wykonują siedem zadań: wycenę, skan rynku, wybór lokalizacji, selekcję inwestycji, kwalifikację leadów, dobór partnerów i comiesięczny monitoring portfela.

Załóż bezpłatne kontoPoznaj Casafari MCP

Agenci AI łączą się z danymi o nieruchomościach CASAFARI przez serwery MCP (Streamable HTTP, OAuth 2.1) oraz interfejs REST API. Zamiast rozproszonych ogłoszeń otrzymują dostęp do uporządkowanego grafu nieruchomości obejmującego 16 krajów, w tym Polskę (w USA CASAFARI właśnie wchodzi na rynek: wybrane stany, wyłącznie nieruchomości komercyjne, za pośrednictwem Claro AI). Każdy obiekt stanowi w nim jeden rekord z pełną historią cen i zmian statusu, a jedno konto i wspólne saldo tokenów wystarczają do wszystkich siedmiu zastosowań opisanych poniżej.

Dlaczego agent AI potrzebuje grafu nieruchomości bez duplikatów

Analityk lub pośrednik, który pyta system AI o podaż mieszkań dwupokojowych na warszawskim Mokotowie, często dostaje zawyżone liczby. Ten sam lokal, wystawiony na kilku portalach przez trzy biura, bywa liczony wielokrotnie, co zniekształca analizę porównawczą (CMA). CASAFARI rozwiązuje ten problem, łącząc ogłoszenia w jeden zdeduplikowany graf nieruchomości (po angielsku, październik 2026). Obejmuje on 16 krajów, a każdy rekord gromadzi historię zmian ceny, statusu i wycofania oferty. Wszystkie ceny to ceny ofertowe.

Na polskim rynku, gdzie oferty rozproszone są między wiele portali i serwisów biur, ta precyzja ma kluczowe znaczenie. Branżowy serwis AIM Group odnotował w lutym 2026 r. rozszerzenie usług danych CASAFARI na Polskę. Architektura CASAFARI jest natywna dla agentów AI: jedno konto służy ludziom i narzędziom autonomicznym, logowanie OAuth odbywa się w przeglądarce bez ręcznego kopiowania kluczy, 19 z 21 udokumentowanych narzędzi MCP działa wyłącznie w trybie odczytu, a dokumentację dla modeli zawiera plik llms.txt platformy.

Jak agent łączy się z CASAFARI: MCP, REST i jedno konto

Platforma udostępnia pięć serwerów MCP (Location Lookup, Area Insights, Comparables, AgentGraph AI oraz Claro AI), działających w oparciu o Streamable HTTP z OAuth 2.1. Produkty Property Sourcing oraz High Potential Seller Leads obsługiwane są natomiast przez REST API, z kluczem API przesyłanym w nagłówku Authorization: Bearer.

Agentów można podłączyć do klientów takich jak Claude, ChatGPT, Claude Code, Gemini CLI, Cursor czy VS Code. Claro AI jest dostępne w katalogu konektorów Claude (Connectors Directory), a CASAFARI figuruje w otwartym rejestrze MCP Registry pod nazwą com.casafari. Rozliczenie opiera się na tokenach: wyszukiwanie w Location Lookup jest bezpłatne, a koszt pozostałych wywołań podaje opis każdego narzędzia. Szczegóły planów i doładowań wyjaśnia FAQ o planach i tokenach dla deweloperów (po angielsku).

1. Agent wyceny: od adresu do raportu CMA dla klienta

Gdy klient pyta o wartość swojego mieszkania albo inwestor z Polski szuka wyceny lokalu w Lizbonie czy Maladze, agent AI przygotowuje rzetelne opracowanie w kilka chwil.

Przebieg pracy:

  1. Użytkownik podaje parametry nieruchomości: adres, metraż, liczbę pokoi, piętro i stan lokalu.
  2. Agent wywołuje narzędzie locations_search w Location Lookup, aby ustalić lokalizację i uzyskać jej identyfikator.
  3. Następnie korzysta z comparables_get-comparables w Comparables, pozyskując listę obiektów porównywalnych oraz szacowaną wartość.
  4. Sięga po szeregi czasowe cen w Area Insights, aby określić trend w danej dzielnicy.
  5. Na koniec przygotowuje raport CMA z wyceną punktową, przedziałem wartości, ofertami porównawczymi z historią cen, trendem oraz źródłem i datą danych.

Wycena opiera się na cenach ofertowych wraz z pełną historią ich obniżek i podwyżek, a nie na pojedynczym, aktualnym ogłoszeniu. Ostateczną ocenę i podpis pozostawia się rzeczoznawcy lub pośrednikowi. Szczegóły opisują przewodniki wycena nieruchomości z Comparables, krok po kroku (po angielsku) oraz raport CMA dla klienta (po angielsku).

Agent ustala lokalizację w Location Lookup, pobiera nieruchomości porównawcze, odczytuje trend w Area Insights i przygotowuje raport.

2. Skan rynku: mapa cieplna dzielnic, rozkłady cen i czasu sprzedaży

Zarządzający aktywami, który rozważa zakup portfela lokali, potrzebuje rzetelnego zestawienia cen i tempa sprzedaży w poszczególnych dzielnicach.

Przebieg pracy:

  1. Użytkownik wskazuje miasto i pyta o dzielnice z najniższą ceną za m² oraz najszybszą sprzedażą.
  2. Agent wykonuje locations_search.
  3. Narzędzie area-insights_get_heatmap tworzy mapę cieplną cen ofertowych w podziale na dzielnice.
  4. Agent pobiera rozkłady cen oraz czasu ekspozycji ofert na rynku.
  5. Wywołanie area-insights_get_time_series_operations oblicza wskaźnik CAGR oraz zmienność w wybranym okresie.
  6. Agent przedstawia zwięzłe memorandum z rankingiem dzielnic.

Wskaźniki CAGR i zmienności liczone są z oczyszczonych szeregów czasowych, dlatego ponowna publikacja tego samego ogłoszenia nie jest traktowana jak nowa oferta. Szczegóły zawierają artykuły porównanie dzielnic na mapie cieplnej Area Insights (po angielsku) i czas sprzedaży według obszaru (po angielsku).

3. Wybór lokalizacji z Claro AI: sklep, restauracja, klub fitness, biuro

Polska sieć kawiarni albo firma z branży usług motoryzacyjnych planująca ekspansję zagraniczną może wykorzystać Claro AI do wyboru lokalu lub działki. Claro AI obejmuje lokale użytkowe w Hiszpanii oraz działki komercyjne w Niemczech.

Przebieg pracy:

  1. Użytkownik opisuje wymagania zwykłym językiem (rodzaj działalności, metraż, budżet, miasto).
  2. Narzędzie search_premises zwraca listę pasujących obiektów.
  3. Wywołanie explain_location uzupełnia wybrane punkty o dane Location Intelligence (ruch pieszy, demografia, mieszkańcy okolicy).
  4. Wywołanie compare_premises zestawia wybrane nieruchomości obok siebie.
  5. Agent przygotowuje kompletny arkusz oceny dla komitetu inwestycyjnego.

W zarejestrowanych testach z 16 października 2026 r. agent wybrał w Walencji 6 najlepszych spośród 546 lokali dla kawiarni, w Madrycie i Barcelonie z 483 ofert dla klubu fitness wyłonił 7 propozycji, a w Niemczech spośród 1279 działek przemysłowych pod stację kontroli pojazdów wskazał 6. Warto poznać scenariusze Claro AI dla sklepów, restauracji i biur (po angielsku), nagrane przykłady Claro AI z Walencji, Madrytu i Niemiec (po angielsku) oraz ofertę CASAFARI dla ekspansji biznesu.

4. Selekcja inwestycji: rentowność najmu i oferty poniżej ceny w okolicy

Inwestor z budżetem na zakup kilku mieszkań szuka najpierw rejonów o najwyższej rentowności najmu brutto, a potem konkretnych lokali wycenionych poniżej średniej w okolicy.

Przebieg pracy:

  1. Użytkownik określa kwotę, miasto i preferowany typ lokalu.
  2. Agent wywołuje locations_search.
  3. Pobiera z Area Insights szeregi cen sprzedaży i najmu, a następnie szacuje rentowność najmu brutto.
  4. Za pomocą REST API Property Sourcing (lub Comparables) odnajduje oferty z ceną poniżej średniej dla danej okolicy.
  5. Powstaje zestawienie ofert wraz z pełną historią, w którym od razu widać nieruchomości wielokrotnie ponownie publikowane na portalach.

Rentowność liczona jest na podstawie cen ofertowych, o czym agent informuje w raporcie. Opisują to przewodniki rentowność najmu według obszaru (po angielsku) oraz oferty poniżej ceny w okolicy (po angielsku).

5. Kwalifikacja leadów sprzedażowych bez danych osobowych

Biuro nieruchomości, które chce znaleźć w swoim rejonie właścicieli skłonnych do negocjacji ceny, może powierzyć agentowi wstępną selekcję obiektów.

Przebieg pracy:

  1. Użytkownik podaje punkt centralny i promień wyszukiwania.
  2. High Potential Seller Leads przez REST API wskazuje nieruchomości z powtarzającymi się obniżkami ceny, bez imion, numerów telefonów czy adresów e-mail.
  3. Property Sourcing przypisuje ogłoszenia z portali do właściwego rekordu w grafie i pobiera historię zmian.
  4. Agent przygotowuje wewnętrzną listę priorytetów.
  5. Pracownik biura sam nawiązuje kontakt.

Informacje o szansach sprzedażowych trafiają bezpośrednio do narzędzi zespołu, takich jak CASAFARI CRM dla biur nieruchomości. Proces opisuje zgodny z RODO przebieg pracy agenta z High Potential Seller Leads (po angielsku), a zasady przetwarzania danych – polityka prywatności CASAFARI.

6. Dobór partnerów w Niemczech z AgentGraph AI

Polskie biuro nieruchomości lub deweloper szukający partnerów w Bawarii może powierzyć przegląd rynku narzędziu AgentGraph AI. Obejmuje ono rynek niemiecki i wymaga weryfikacji firmy.

Przebieg pracy:

  1. Użytkownik określa kryteria partnera (segment rynku, terytorium, wielkość biura).
  2. Wywołanie agentgraph_screen_agencies wybiera biura spełniające kryteria.
  3. Narzędzie agentgraph_territory_map pokazuje obszary działalności poszczególnych podmiotów.
  4. Funkcja agentgraph_partner_brief tworzy zwięzły profil każdego podmiotu z krótkiej listy.
  5. Pracownik analizuje wyniki i nawiązuje relację biznesową.

Opis konfiguracji zawiera artykuł dobór biur partnerskich w Niemczech z AgentGraph AI (po angielsku).

7. Comiesięczny monitoring portfela i listy obserwacyjnej

Zarządzający portfelem nieruchomości potrzebuje regularnych, comiesięcznych podsumowań zmian na rynku bez ręcznego powtarzania analiz.

Przebieg pracy:

  1. Zaplanowany agent działa automatycznie, korzystając z klucza API lub poufnego klienta (confidential client) utworzonego w konsoli przez człowieka.
  2. Co miesiąc uruchamia zapytania Area Insights dla wybranych obszarów.
  3. Dla rynku niemieckiego sprawdza zmiany przez agentgraph_watchlist_changes.
  4. Przygotowuje dla menedżera jednostronicowe podsumowanie różnic.

Spośród 21 udokumentowanych narzędzi 19 działa wyłącznie w trybie odczytu, a dwa narzędzia zapisujące listę obserwacyjną wymagają zgody użytkownika. Szczegóły opisuje artykuł obserwacja biur i agentów w Niemczech (po angielsku).

Jak zacząć: konto, połączenie i pierwsze wywołanie

Rozpoczęcie pracy z agentami AI na danych CASAFARI wymaga kilku kroków:

  1. Założenie konta w konsoli platform.casafari.com, bez podawania karty płatniczej.
  2. Pakiet startowy planu Free: 1000 tokenów na pierwsze 30 dni (wyszukiwanie w Location Lookup pozostaje bezpłatne także później).
  3. Podłączenie serwera MCP w Claude, ChatGPT lub środowisku programistycznym (np. Claude Code) i zatwierdzenie logowania OAuth w przeglądarce.
  4. Pierwsze zapytanie testowe do wybranego narzędzia.

Pełny opis techniczny zawierają przewodnik łączenia agenta z CASAFARI (po angielsku), spis narzędzi MCP i ich koszt w tokenach (po angielsku) oraz model bezpieczeństwa: OAuth 2.1, narzędzia tylko do odczytu (po angielsku). Warto też przejrzeć wszystkie scenariusze użycia dla agentów na developers.casafari.com (po angielsku) oraz ofertę CASAFARI dla ekspansji biznesu.

Najczęściej zadawane pytania

Czym różni się serwer MCP CASAFARI od zwykłego API?

Serwer MCP to standard, który pozwala modelom językowym wywoływać narzędzia bezpośrednio z aplikacji takich jak Claude, ChatGPT czy Cursor. CASAFARI udostępnia osobne serwery MCP dla poszczególnych produktów z logowaniem OAuth 2.1, natomiast Property Sourcing i High Potential Seller Leads działają jako klasyczne REST API z kluczem API. Oba interfejsy korzystają z tego samego konta i wspólnego salda tokenów.

Czy agent AI może sam zapłacić za dodatkowe tokeny?

Nie, agent AI nie może samodzielnie kupować tokenów ani dokonywać płatności. Gdy saldo się wyczerpie, doładowania może dokonać wyłącznie człowiek w konsoli platformy. Każde wywołanie narzędzia zużywa z góry określoną liczbę tokenów podaną w dokumentacji, a wyszukiwanie w Location Lookup pozostaje bezpłatne.

Czy korzystanie z agenta AI na danych CASAFARI jest zgodne z RODO?

Produkty CASAFARI zaprojektowano z myślą o ochronie danych osobowych. High Potential Seller Leads zwraca wyłącznie informacje o nieruchomościach i zmianach cen, bez imion, numerów telefonów i adresów e-mail. 19 z 21 narzędzi MCP działa w trybie tylko do odczytu, a o kontakcie z właścicielem zawsze decyduje człowiek, który odpowiada też za ocenę prawną tego kontaktu.

W jakich krajach działają poszczególne produkty CASAFARI dla agentów?

Graf nieruchomości CASAFARI obejmuje 16 krajów, w tym Polskę, Hiszpanię i Niemcy (w USA CASAFARI właśnie wchodzi na rynek: wybrane stany, wyłącznie nieruchomości komercyjne, za pośrednictwem Claro AI). Claro AI obsługuje lokale użytkowe w Hiszpanii oraz działki komercyjne w Niemczech, a AgentGraph AI działa wyłącznie na rynku niemieckim i jest dostępny dla zweryfikowanych firm. Zasięg każdego narzędzia opisuje dokumentacja na developers.casafari.com.

Jak podłączyć CASAFARI do Claude lub ChatGPT?

W Claude wystarczy przejść do Customize, wybrać Connectors, dodać własny konektor z adresem serwera MCP (np. https://platform.casafari.com/mcp/comparables) i zatwierdzić logowanie OAuth w przeglądarce. W ChatGPT połączenie konfiguruje się w trybie deweloperskim (Developer mode), dodając nowy konektor z adresem MCP i autoryzacją OAuth. W Claude Code wystarczy polecenie claude mcp add z adresem serwera.

Czy agent może samodzielnie zmieniać dane?

Nie w zakresie danych rynkowych. 19 z 21 udokumentowanych narzędzi MCP CASAFARI działa wyłącznie w trybie odczytu. Jedynie dwa narzędzia AgentGraph AI do zarządzania listą obserwacyjną wprowadzają zmiany i za każdym razem wymagają zatwierdzenia przez człowieka.