[ blog · comparison ]8 min read

AI エージェントのための経済データ API:FRED・BLS・World Bank・IMF を 1 回の呼び出しで

Sarah Choy公開: 2026年6月16日読了 8 分
AI エージェントのための経済データ API:FRED・BLS・World Bank・IMF を 1 回の呼び出しで

FRED の API は優秀だ — そして米国中心で、シリーズ ID 駆動で、いずれ必要になる複数のマクロソースの 1 つにすぎない。FRED・BLS・World Bank・IMF を融合し、マクロを踏まえたエージェントのために自然言語の 1 回の呼び出しの裏側に置く経済データエンドポイントを示す。

要点

  • マクロの文脈は、ほとんどの AI エージェントが飛ばすレイヤーであり — その金融的な答えが素朴に感じられる理由だ。金利、インフレ、雇用、GDP はあらゆる投資仮説を枠づける。
  • FRED は米国シリーズのゴールドスタンダードだが、難解なシリーズ ID で問い合わせる。グローバルなカバレッジ、労働統計の詳細、IMF の国別横断データは別の API(World Bank、BLS、IMF)にある。
  • API Pick Economic Data Search は FRED、BLS、World Bank、IMF、USAspending、Destatis を 1 つの POST エンドポイントの裏側で融合する — 1 回 50 credits、成功時のみ — 自然言語で問い合わせられる。
  • エージェントにとっての利点:各プロバイダーの ID 体系や認証を学ばずに「過去 2 年の米国失業率」や「インドの World Bank の 1 人あたり GDP」と尋ねられる。
  • Economic を Markets と News と組み合わせれば、ポートフォリオコメンタリーやマクロブリーフィングのエージェントを根拠づけられる。

エージェントが飛ばすレイヤー

AI エージェントにある株が魅力的かを尋ねれば、金利を一度も考慮せずに喜んで答える。それが根拠づけのないエージェントの兆候だ。マクロ — 金利、インフレ、雇用、GDP、サイクル — はあらゆる金融的な投資仮説が内側に収まる枠であり、ほとんどのエージェントが決して配線しないデータレイヤーだ。

FRED は優れているが、それだけでは足りない

セントルイス連銀の FRED API は、米国のマクロシリーズのゴールドスタンダードだ — 網羅的で、信頼でき、無料。だがエージェントの唯一のマクロソースとしては 2 点がぎこちない。第 1 に、シリーズ ID(UNRATECPIAUCSLGDP…)で問い合わせるので、モデルが正しいコードを知っているか調べなければならない。第 2 に、米国中心だ:グローバルな開発指標は World Bank API に、粒度の細かい労働データは BLS に、国別横断のマクロ/金融データは IMF にある — それぞれ独自の認証とレスポンス形状を持つ。

融合され、自然言語で

Economic Data Search は FRED、BLS、World Bank、IMF、USAspending、Destatis を 1 つの POST エンドポイントの裏側で融合する — 1 回 50 credits、成功時のみ — エージェントが考えるように問い合わせられる:

import httpx, os
API, HEADERS = "https://api.apipick.com/v1", {"x-api-key": os.environ["APIPICK_KEY"]}

def economic(query: str):
    return httpx.post(f"{API}/search/economic", headers=HEADERS,
                      json={"query": query}).json()["results"]

economic("US unemployment rate over the past two years")
economic("IMF inflation forecast for the eurozone")
economic("World Bank GDP per capita for India")   # no series IDs to memorize

FRED 直接 vs 融合

FRED API 直接API Pick Economic
カバレッジ米国シリーズ(深い)FRED + BLS + World Bank + IMF + USAspending + Destatis
クエリシリーズ ID 単位自然言語
地理米国中心米国 + グローバル
配線するプロバイダー1(他は別途)1
課金無料(米国のみ)1 回 50 credits、成功時のみ

大規模に深い米国時系列を扱うなら、依然として FRED 直接が理想的だ。各プロバイダーの ID 体系を学ばずに米国とグローバルの指標をまたいで推論する必要があるエージェントには、融合エンドポイントの方が速いビルドになる。

マクロを踏まえたエージェント

Economic を Markets SearchNews Search と組み合わせれば、サイクルを織り込んだポートフォリオコメンタリーや、朝のマクロブリーフィングエージェントになる。これは投資リサーチエージェントのマクロの脚でもある。キー 1 つ、自然言語クエリ、成功時のみ。100 credits(カード不要)で無料で始めよう。

よくある質問

FRED API を直接使えばいいのでは?

FRED は米国のマクロシリーズには抜群で、それだけで足りるなら直接使う価値がある。エージェントにとっての摩擦が 2 つある:正確なシリーズ ID(UNRATE、CPIAUCSL、GDP…)で問い合わせるので、モデルがそれを知っているか調べなければならないこと。そして FRED は米国中心なので、グローバル指標(World Bank)、粒度の細かい労働データ(BLS)、国別横断のマクロ/金融データ(IMF)は、それぞれ独自の認証と形状を持つ別の API にある。融合された自然言語のエンドポイントは、シリーズ ID の検索とマルチプロバイダーの繋ぎ合わせを取り除く。

どのソースが融合され、米国限定か?

FRED(米国連邦準備制度の経済データ)、米国労働統計局、World Bank の開発指標、IMF のマクロおよび金融指標、米国連邦支出(USAspending)、ドイツの労働統計(Destatis)。つまり米国とグローバルのマクロにまたがる — 米国限定ではなく — 1 つのエンドポイントの裏側で並列に問い合わせられる。

特定のシリーズを取れるのか、それとも要約だけか?

シリーズ名か自然言語クエリ(「2024 年の米国失業率」「ユーロ圏の IMF インフレ予測」「インドの World Bank の 1 人あたり GDP」)を渡すと、エンドポイントが最も関連性の高いレコードを順位付けする。大規模に正確な長期時系列が必要なら依然として FRED 直接がそのツールだ。指標の上で推論するエージェントには、セマンティックエンドポイントの方が配線が速い。

マクロデータは金融エージェントをどう改善するか?

背景を供給する。「この株は割安か」は金利に依存し、「このセクターは魅力的か」はサイクルに依存する。マクロがなければ、エージェントは真空の中で推論し、自信ありげで文脈のない見解を生み出す。現在の金利、インフレ、雇用をプロンプトに送り込めば、その企業が実際に事業を営む環境の中で統合が根拠づけられる。

このアウトプットは助言か?

いいえ。リサーチとエージェントの根拠づけのための公開経済データであり — 情報提供のみで、金融や政策の助言ではない。

この記事で使われている API

Sarah Choy
執筆
Sarah Choy
CEO, API Pick

API Pick の CEO。AI エージェントと LLM ワークフロー向けの本番運用可能な API について執筆。