🎲 FortunaMCP服务器
FortunaMCP是一款高级MCP服务器，专门用于生成高质量的随机值。它利用了Fortuna C扩展，该扩展直接由Storm提供支持，Storm是一个强大的、线程安全的C++RNG引擎，针对高速、基于硬件的熵进行了优化。FortunaMCP为广泛的人工智能应用提供了可靠的随机性。
大型语言模型在自然语言处理方面表现出色，但在需要真正的不可预测性时，依赖于确定性算法。相比之下，FortunaMCP提供了真正的随机性。这种能力使得它在无偏见、不可预测的结果至关重要，以及LLM近似（幻觉）根本不够的情况下变得不可或缺。
FortunaMCP非常适合蒙特卡洛模拟、复杂系统建模和分析以及交互式游戏机制等任务。它不适用于区块链、安全或面向加密的任务。
鸣谢
- 开发商： Robert Sharp–Fortuna、Storm和FortunaMCP服务器的创建者和维护者。
- 主持人： 硅学会 –自豪地托管FortunaMCP服务器，并支持其为AI代理提供世界级随机值生成的使命。硅学会正在大规模建设学习的未来。人工智能驱动的工作影子，将学习带到工作发生的地方。跟随专业人士的行动，提供适应您目标的个性化指导。注册 候补名单.
参考部署： FortunaMCP Lite
- 骰子
- 随机范围
- 随机浮动
工具概述
骰子
- 说明： 模拟掷指定数量的骰子，并返回其总和。支持具有{2,4,6,8,10,12,20,30,100}边的标准RPG风格骰子。
- 使用案例： 非常适合角色扮演游戏、棋盘游戏或骰子机制至关重要的模拟。
- 触发： “掷三个六面骰子”或“掷3d6”
- 电话：
Fortuna.dice(rolls=3, sides=6)
随机范围
- 说明： 返回从自定义范围定义的序列中选择的随机整数。参数受整数限制（-9223722036854775807到9223372036854775807）的约束，步长必须为非零。
- 使用案例： 非常适合从需要非标准步骤或间隔的自定义间隔进行模拟和采样。
- 触发： “按5步从10到100中选择一个数字”
- 电话：
Fortuna.random_range(start=10, stop=100, step=5)
随机浮动
- 说明： 在半开区间内产生均匀分布的随机浮点数
[lower_limit, upper_bound)这两个界限都在-1.7976931348623157e+308到1.797693134863157e+308的浮动范围内。 - 使用案例： 用于模拟、蒙特卡洛方法或任何需要连续均匀随机性的场景。
- 触发： “生成介于0.0和1.0之间的随机浮点数”
- 电话：
Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)
三角变量
- 说明： 从由下限、上限和模式定义的三角形分布中采样随机浮点数。
- 使用案例： 非常适合项目管理估算、风险分析或任何结果最有可能围绕中心值的情况。
- 触发： 模拟一个最有可能值为50的结果，范围从10到100
- 电话：
Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)
伯努利变量
- 说明： 执行伯努利试验，根据提供的成功概率返回布尔结果。
- 使用案例： 可用于二元决策，例如模拟掷硬币、开/关事件或成功/失败结果。
- 触发： “模拟抛硬币，有70%的机会获得正面”
- 电话：
Fortuna.bernoulli_variate(ratio_of_truth=0.7)
二项式变异
- 说明： 返回固定数量的伯努利试验中的成功次数，模拟二项分布。
- 使用案例： 对于需要确定成功率的统计模拟、质量控制过程和实验非常有价值。
- 触发： “确定20次抛硬币中头部的数量，每次抛硬币的几率为50%”
- 电话：
Fortuna.binomial_variate(number_of_trials=20, probability=0.5)
负二项式方差
- 说明： 计算在一系列伯努利试验中达到目标成功次数之前的失败次数。
- 使用案例： 应用于可靠性工程、风险评估以及在成功之前跟踪故障至关重要的场景。
- 触发： “在5次成功之前计算失败，每次试验的成功率为40%”
- 电话：
Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)
几何变量
- 说明： 按照几何分布确定第一次成功之前的失败次数。
- 使用案例： 非常适合在客户获取或质量测试等流程中建模等待时间和首次发生事件。
- 触发： “在25%的成功率下，在第一次成功之前有多少次失败？”
- 电话：
Fortuna.geometric_variate(probability=0.25)
泊松变量
- 说明： 根据泊松分布生成随机整数，其特征是预期出现次数（λ）。
- 使用案例： 对于随时间推移对罕见事件进行建模至关重要，例如系统故障、网络流量或客户到达。
- 触发： “以平均4个事件模拟间隔内的事件数”
- 电话：
Fortuna.poisson_variate(mean=4.0)
贝塔变异体
- 说明： 使用两个正形状参数从区间\[0,1\]上的贝塔分布中绘制随机浮点数。
- 使用案例： 广泛应用于贝叶斯统计、建模比例以及需要模拟概率的任何场景。
- 触发： “使用形状参数2和5生成随机概率”
- 电话：
Fortuna.beta_variate(alpha=2.0, beta=5.0)
帕累托变量
- 说明： 从帕累托分布返回一个随机浮点数，非常适合建模重尾现象。输出始终大于或等于1。
- 使用案例： 在观察幂律行为的经济学、保险学和风险管理中很有用。
- 触发： “使用形状参数1.5生成帕累托分布值”
- 电话：
Fortuna.pareto_variate(alpha=1.5)
冯·米塞斯变奏曲
- 说明： 根据Von Mises分布产生随机角度，为圆形或定向数据量身定制。
- 使用案例： 在气象学、航海以及涉及角度或周期性现象的任何应用中都很常见。
- 触发： “生成平均值为0弧度、浓度为1.0的随机角度”
- 电话：
Fortuna.vonmises_variate(mu=0.0, kappa=1.0)
指数变量
- 说明： 根据速率参数定义的指数分布生成随机浮点数，对独立事件之间的时间进行建模。
- 使用案例： 对于模拟排队模型中的寿命、系统故障和到达间隔时间至关重要。
- 触发： “以0.5的速率模拟直到下一个事件的时间”
- 电话：
Fortuna.exponential_variate(lambda_rate=0.5)
伽马变阻器
- 说明： 根据形状和比例参数确定的gamma分布返回随机浮点数。
- 使用案例： 用于模拟等待时间、可靠性分析和各种连续过程。
- 触发： “生成形状为2.0、刻度为3.0的伽马变量”
- 电话：
Fortuna.gamma_variate(shape=2.0, scale=3.0)
Weibull Variate
- 说明： 从威布尔分布中随机抽取一个浮点数，该分布模拟了故障或事件发生前的时间。
- 使用案例： 广泛应用于生存分析、可靠性工程和故障率估算。
- 触发： “使用Weibull参数形状1.5和比例100.0模拟故障前的时间”
- 电话：
Fortuna.weibull_variate(shape=1.5, scale=100.0)
正态变量
- 说明： 根据由均值和标准差定义的正态（高斯）分布生成随机浮点数。
- 使用案例： 统计建模、质量控制和需要钟形曲线行为的模拟的基础。
- 触发： “生成平均值为0、标准偏差为1的正态分布值”
- 电话：
Fortuna.normal_variate(mean=0.0, std_dev=1.0)
对数正态变量
- 说明： 从从基础正态分布导出的对数正态分布中绘制随机浮点数。
- 使用案例： 用于财务建模、股票价格模拟以及结果具有乘法性的场景。
- 触发： “生成对数均值为0、对数偏差为1的对数正态变量”
- 电话：
Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)
极值变化
- 说明： 从极值（Gumbel）分布中采样随机浮点数，用于建模最大值或最小值。
- 使用案例： 适用于工程中的风险评估、极端天气预测和压力测试。
- 触发： “模拟位置为0、规模为1.0的极端事件”
- 电话：
Fortuna.extreme_value_variate(location=0.0, scale=1.0)
卡方变异
- 说明： 根据自由度从卡方分布生成随机浮点数。
- 使用案例： 对于假设检验、方差估计和拟合优度检验至关重要。
- 触发： “生成一个具有5个自由度的卡方变量”
- 电话：
Fortuna.chi_squared_variate(degrees_of_freedom=5.0)
柯西变奏曲
- 说明： 从柯西分布返回一个随机浮点数，其特征是重尾。
- 使用案例： 在稳健的统计分析、信号处理和预期异常值的场景中很有用。
- 触发： “生成位置为0、标度为1.0的柯西变量”
- 电话：
Fortuna.cauchy_variate(location=0.0, scale=1.0)
Fisher F Variate
- 说明： 从由两组自由度定义的Fisher F分布中绘制随机浮点数。
- 使用案例： 应用于方差分析、方差分析和比较统计模型。
- 触发： “生成自由度为5和10的Fisher F变量”
- 电话：
Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)
学生情绪多变
- 说明： 根据指定的自由度，从Student的t分布中生成随机浮点数。
- 使用案例： 小样本统计分析、置信区间估计和假设检验不可或缺。
- 触发： “生成具有10个自由度的学生t变量”
- 电话：
Fortuna.student_t_variate(degrees_of_freedom=10.0)