Prophet MCP

Prophet MCP服务器

开源 模型上下文协议（MCP） 服务器设计用于 时间序列预测.

由...驱动 Meta的先知，该服务器使LLM能够从历史数据中生成准确的预测、趋势分析和置信区间，从而将原始数据转化为AI工作流程中可操作的见解。

注： 这个项目是 sendgrid mcp 服务器经过重新设计，通过MCP协议提供强大的预测能力。

______________________________________________________________________

🚀 关键能力

1.预测建模

杠杆 Meta的先知 基于历史数据预测未来趋势。自动处理季节性、异常值和趋势变化。

2.增长模式选择

为您的场景选择正确的预测模型：

• 线性 （默认）：无边界直线趋势——非常适合没有自然上限的指标。
• 物流 （S曲线）：饱和增长，尊重 cap （最大）和可选 floor （min）——非常适合市场份额、采用率或容量有限的系统等指标。

3.多频预测

通过以下方式支持每日、每小时、每周和每月的时间序列 freq 参数——使用与输入数据匹配的频率。

4.LLM友好输出

以针对大型语言模型优化的结构化、两部分格式返回数据：

• content[0] --文本摘要： 具有趋势方向的简明英语分析（例如。， *“上升+26.1%”*)，统计细分、增长模型详细信息和完整的预测数据表。
• content[1] --Chart.js配置： 正确的JSON有效载荷(chartjs_config:{...})已准备好可视化——无需正则表达式解析。

5.高级交互式可视化

每个响应都包含一个Chart.js配置：

• 🟣 靛蓝渐变 置信带 （上下限之间的阴影）
• 🔵 纯蓝色 拟合线 历史模型拟合
• 🔵 淡蓝色 预测线 使用钻石标记进行未来预测
• 🔴 珊瑚 实际值 带有白色边框的圆形标记
• 📍 垂直 “预测→“注释 标记预测开始的位置
• 🔴 红色/🟠 橙色虚线 盖/地板线 物流增长
• 🌙 高级 暗黑主题 采用玻璃造型

6.稳健的错误处理

输入验证，并显示以下内容的明确错误消息：

• 数据数组为空或不匹配
• 增长模型值无效
• 缺失 cap 物流增长
• 无效 floor >= cap 组合

______________________________________________________________________

📖 运作原理

┌─────────────────────────────────────────────────────────────┐
│  1. LLM sends historical data (dates + values) via MCP     │
│  2. User selects growth model (linear or logistic)          │
│  3. Prophet model learns patterns and generates forecast    │
│  4. Response contains two content items:                    │
│     ├── content[0]: Human-readable summary + data table     │
│     └── content[1]: Chart.js JSON config for visualization  │
└─────────────────────────────────────────────────────────────┘

______________________________________________________________________

📊 响应格式

MCP tools/call 响应返回 两个内容项:

content\[0\]--文本摘要

### Prophet Forecast Data ###

Growth model used: LOGISTIC (cap=120, floor=30)

Summary of forecast metrics:
  - Historical Period: 2025-02-01 to 2025-03-02
  - Trend Direction: UPWARD (+26.1% vs historical mean)

Date | yhat | yhat_lower | yhat_upper
-------------------------------------
2025-03-03 | 79.56 | 76.93 | 81.98
...

content\[1\]--Chart.js JSON

chartjs_config:{"type":"line","data":{"labels":[...],"datasets":[...]},"options":{...}}

这是前缀为的有效JSON chartjs_config: --解析为：

cfg_json = content[1]["text"][len("chartjs_config:"):]
config = json.loads(cfg_json)

______________________________________________________________________

🛠️ 工具： forecast_time_series

输入参数

何时使用每种增长模型

输出列

______________________________________________________________________

📂 项目结构

Prophet_mcp/
├── app.py                       # Flask server — MCP endpoint, auth, JSON-RPC routing
├── mcp_helper.py                # Core engine — Prophet forecasting, summary, Chart.js config
├── requirements.txt             # Python dependencies
├── Procfile                     # Cloud deployment (gunicorn)
├── README.md                    # This file
├── .gitignore                   # Git exclusions
└── examples/                    # Local testing utilities (not required for deployment)
    ├── plot_forecast.py         # Basic forecast test with Chart.js visualization
    └── test_gcp_marketing.py    # Real-world marketing scenario (30-day conversions)

______________________________________________________________________

📦 安装和设置

先决条件

• 蟒蛇 或Miniconda（建议用于Prophet依赖项）
• Python 3.11+

1.环境设置

# Create environment
conda create -n prophet-mcp python=3.11
conda activate prophet-mcp

# Install dependencies
pip install -r requirements.txt

Windows用户： 先知要求 CmdStan。如果您遇到问题，请参阅 Prophet安装指南 或通过conda安装： conda install -c conda-forge prophet.

2.配置

服务器使用承载令牌身份验证。设置 MCP_TOKEN 环境变量：

# Set your token (required)
export MCP_TOKEN="your-secure-token-here"

______________________________________________________________________

🏃‍♂️ 运行服务器

本地开发

MCP_TOKEN="your-token" python app.py

生产（云）

gunicorn app:app

• 服务器URL: http://localhost:3000
• MCP端点： POST http://localhost:3000/mcp
• 健康检查： GET /health

环境变量

认证

全部 /mcp 请求必须包含标头：

Authorization: Bearer 

示例API调用（cURL）

curl -X POST http://localhost:3000/mcp \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer " \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "forecast_time_series",
      "arguments": {
        "ds": ["2025-01-01","2025-01-02","2025-01-03","2025-01-04","2025-01-05",
               "2025-01-06","2025-01-07","2025-01-08","2025-01-09","2025-01-10"],
        "y": [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
        "periods": 5,
        "growth": "logistic",
        "cap": 25,
        "floor": 5
      }
    },
    "id": 1
  }'

______________________________________________________________________

🧪 测试和可视化

基本测试

MCP_TOKEN="your-token" python examples/plot_forecast.py

营销预测测试（30天真实场景）

MCP_TOKEN="your-token" python examples/test_gcp_marketing.py

这两个脚本将：

1. 呼叫MCP服务器的API
2. 从以下位置提取Chart.js配置 content[1]
3. 生成具有高级深色主题的交互式HTML图表
4. 在默认浏览器中打开它

______________________________________________________________________

☁️ 云部署

要部署到Google Cloud Run（或任何云提供商），您需要：

app.py
mcp_helper.py
requirements.txt
Procfile

这 examples/ 文件夹仅用于本地测试，生产中不需要。

服务器绑定到 0.0.0.0 并阅读 PORT 自动环境变量以实现云兼容性。

______________________________________________________________________

🔐 安全

• 所有人的承载令牌身份验证 /mcp 端点
• 令牌可通过以下方式配置 MCP_TOKEN 环境变量（无默认值，必须显式设置）
• 默认情况下禁用调试模式（通过启用 MCP_DEBUG=true)
• JSON-RPC错误处理与正确的错误代码
• 所有工具参数的输入验证
• 源代码中未存储敏感数据

______________________________________________________________________

📄 依赖项

______________________________________________________________________

📄 许可证

MIT许可证

______________________________________________________________________

👥 贡献

欢迎投稿！请随时提交拉取请求。

作者 普拉迪普·钱德拉·卡拉什蒂\ 原始基地： sendgrid mcp