Servidor FortunaMCP

FortunaMCP es un servidor MCP avanzado dedicado a generar valores aleatorios de alta calidad. Utiliza la extensión Fortuna C, impulsada directamente por Storm, un motor RNG C++ robusto y seguro para subprocesos, optimizado para entropía de hardware de alta velocidad. FortunaMCP proporciona aleatoriedad confiable para una amplia gama de aplicaciones de IA.

Los modelos de lenguaje grandes destacan en el procesamiento del lenguaje natural, pero se basan en algoritmos deterministas que resultan insuficientes cuando se requiere una verdadera imprevisibilidad. Por el contrario, FortunaMCP ofrece una aleatoriedad genuina. Esta capacidad lo hace indispensable en escenarios donde los resultados imparciales e impredecibles son cruciales, y donde las aproximaciones LLM (alucinaciones) simplemente no son suficientes.

FortunaMCP es ideal para tareas como simulaciones de Monte Carlo, modelado y análisis de sistemas complejos y mecánicas de juego interactivas. No está diseñado para tareas relacionadas con blockchain, seguridad o cifrado.

Créditos

• Desarrollador: Robert Sharp – creador y mantenedor del servidor Fortuna, Storm y FortunaMCP.
• Anfitrión: Silicon Society : nos enorgullecemos de alojar el servidor FortunaMCP y apoyar su misión de ofrecer generación de valor aleatorio de primera clase para agentes de IA. Silicon Society construye el futuro del aprendizaje a escala. Observación de trabajo impulsada por IA que lleva el aprendizaje al lugar de trabajo. Sigue a los profesionales en acción con orientación personalizada que se adapta a tus objetivos. Inscríbete en la lista de espera .

Implementación de referencia

• FortunaMCP https://fortuna-mcp.siliconsociety.org/sse

Descripción general de las herramientas

Dados

• Descripción: Simula el lanzamiento de un número específico de dados y devuelve la suma total. Compatible con dados de estilo RPG estándar con caras {2, 4, 6, 8, 10, 12, 20, 30, 100}.
• Casos de uso: Perfecto para juegos de rol, juegos de mesa o simulaciones donde la mecánica de dados es esencial.
• Ejemplo:
  • Desencadenante: "Tira tres dados de seis caras" o "Tira 3d6"
  • Llamada: Fortuna.dice(rolls=3, sides=6)

Rango aleatorio

• Descripción: Devuelve un entero aleatorio seleccionado de una secuencia definida por un rango personalizado. Los parámetros están limitados por los límites de enteros (-9223372036854775807 a 9223372036854775807) y el paso debe ser distinto de cero.
• Casos de uso: Ideal para simulaciones y muestreos de intervalos personalizados donde se requieren pasos o intervalos no estándar.
• Ejemplo:
  • Desencadenante: "Elige un número del 10 al 100 en pasos de 5"
  • Llamada: Fortuna.random_range(start=10, stop=100, step=5)

Variante de Bernoulli

• Descripción: Ejecuta una prueba de Bernoulli que devuelve un resultado booleano basado en la probabilidad de éxito proporcionada.
• Casos de uso: útil para la toma de decisiones binarias, como simular lanzamientos de monedas, eventos de encendido/apagado o resultados de éxito/fracaso.
• Ejemplo:
  • Desencadenante: "Simula un lanzamiento de moneda con un 70 % de probabilidad de que salga cara".
  • Llamada: Fortuna.bernoulli_variate(ratio_of_truth=0.7)

Variante binomial

• Descripción: Devuelve el número de éxitos en un número fijo de ensayos de Bernoulli, modelando una distribución binomial.
• Casos de uso: Valioso para simulaciones estadísticas, procesos de control de calidad y experimentos donde es necesario determinar tasas de éxito.
• Ejemplo:
  • Desencadenante: "Determinar el número de caras en 20 lanzamientos de moneda con un 50% de probabilidad cada uno"
  • Llamada: Fortuna.binomial_variate(number_of_trials=20, probability=0.5)

Variante binomial negativa

• Descripción: Calcula el número de fallos antes de alcanzar un número objetivo de éxitos en una serie de ensayos de Bernoulli.
• Casos de uso: Se aplica en ingeniería de confiabilidad, evaluación de riesgos y escenarios donde el seguimiento de fallas antes del éxito es crucial.
• Ejemplo:
  • Desencadenante: "Calcular los fallos antes de 5 éxitos con una tasa de éxito del 40 % por intento"
  • Llamada: Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

Variante geométrica

• Descripción: Determina el número de fallos antes del primer éxito, siguiendo una distribución geométrica.
• Casos de uso: Ideal para modelar tiempos de espera y eventos de primera ocurrencia en procesos como adquisición de clientes o pruebas de calidad.
• Ejemplo:
  • Desencadenante: "¿Cuántos fracasos antes del primer éxito con una tasa de éxito del 25%?"
  • Llamada: Fortuna.geometric_variate(probability=0.25)

Variante de Poisson

• Descripción: Genera un entero aleatorio a partir de una distribución de Poisson, caracterizado por el número esperado de ocurrencias (λ).
• Casos de uso: Esenciales para modelar eventos poco frecuentes a lo largo del tiempo, como fallas del sistema, tráfico de red o llegadas de clientes.
• Ejemplo:
  • Desencadenante: "Simular el número de eventos en un intervalo con un promedio de 4 eventos"
  • Llamada: Fortuna.poisson_variate(mean=4.0)

Flotador aleatorio

• Descripción: Produce un valor flotante aleatorio uniformemente distribuido dentro del intervalo semiabierto [lower_limit, upper_bound) . Ambos límites están dentro de los límites flotantes de -1,7976931348623157e+308 a 1,7976931348623157e+308.
• Casos de uso: Se utiliza en simulaciones, métodos de Monte Carlo o cualquier escenario que requiera aleatoriedad uniforme continua.
• Ejemplo:
  • Desencadenante: "Generar un punto flotante aleatorio entre 0,0 y 1,0"
  • Llamada: Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)

Variante triangular

• Descripción: Muestrea un flotante aleatorio de una distribución triangular definida por un límite inferior, un límite superior y un modo.
• Casos de uso: Excelente para estimaciones de gestión de proyectos, análisis de riesgos o cualquier escenario donde los resultados tengan más probabilidades de girar en torno a un valor central.
• Ejemplo:
  • Desencadenante: "Simular un resultado con un valor más probable de 50, con un rango de 10 a 100"
  • Llamada: Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

Variante beta

• Descripción: Dibuja un flotante aleatorio de una distribución beta en el intervalo [0, 1] utilizando dos parámetros de forma positivos.
• Casos de uso: Ampliamente utilizado en estadísticas bayesianas, modelado de proporciones y cualquier escenario donde sea necesario simular probabilidades.
• Ejemplo:
  • Desencadenante: "Generar una probabilidad aleatoria con parámetros de forma 2 y 5"
  • Llamada: Fortuna.beta_variate(alpha=2.0, beta=5.0)

Pareto Variate

• Descripción: Devuelve un valor flotante aleatorio de una distribución de Pareto, ideal para modelar fenómenos de cola pesada. El resultado siempre es mayor o igual a 1.
• Casos de uso: Útil en economía, seguros y gestión de riesgos donde se observan comportamientos de ley de potencia.
• Ejemplo:
  • Desencadenante: "Generar un valor distribuido según Pareto con el parámetro de forma 1.5"
  • Llamada: Fortuna.pareto_variate(alpha=1.5)

Variante de Von Mises

• Descripción: Produce un ángulo aleatorio a partir de una distribución de Von Mises, adaptado para datos circulares o direccionales.
• Casos de uso: Comunes en meteorología, navegación y cualquier aplicación que involucre ángulos o fenómenos periódicos.
• Ejemplo:
  • Desencadenante: "Generar un ángulo aleatorio con una media de 0 radianes y una concentración de 1,0"
  • Llamar: Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

variable exponencial

• Descripción: Genera un flotante aleatorio a partir de una distribución exponencial definida por un parámetro de tasa, modelando el tiempo entre eventos independientes.
• Casos de uso: Fundamentales para simular duraciones de vida, fallas del sistema y tiempos entre llegadas en modelos de colas.
• Ejemplo:
  • Disparador: "Simular el tiempo hasta el próximo evento con una tasa de 0,5"
  • Llamada: Fortuna.exponential_variate(lambda_rate=0.5)

Variante gamma

• Descripción: Devuelve un valor flotante aleatorio de una distribución gamma, determinado por parámetros de forma y escala.
• Casos de uso: Se utiliza para modelar tiempos de espera, análisis de confiabilidad y en varios procesos continuos.
• Ejemplo:
  • Desencadenante: "Generar una variante gamma con forma 2.0 y escala 3.0"
  • Llamada: Fortuna.gamma_variate(shape=2.0, scale=3.0)

Variante de Weibull

• Descripción: Muestrea un flotante aleatorio de una distribución Weibull, que modela el tiempo hasta que se produce una falla o un evento.
• Casos de uso: Ampliamente utilizado en análisis de supervivencia, ingeniería de confiabilidad y estimación de tasa de fallas.
• Ejemplo:
  • Desencadenante: "Simular el tiempo hasta el fallo con parámetros Weibull de forma 1,5 y escala 100,0"
  • Llamada: Fortuna.weibull_variate(shape=1.5, scale=100.0)

Variante normal

• Descripción: Genera un flotante aleatorio a partir de una distribución normal (gaussiana) definida por una media y una desviación estándar.
• Casos de uso: Fundamental para modelado estadístico, control de calidad y simulaciones que requieren comportamiento de curva de campana.
• Ejemplo:
  • Desencadenante: "Generar un valor distribuido normalmente con media 0 y desviación estándar 1"
  • Llamada: Fortuna.normal_variate(mean=0.0, std_dev=1.0)

Variante logarítmica normal

• Descripción: Extrae un valor flotante aleatorio de una distribución log-normal derivada de una distribución normal subyacente.
• Casos de uso: Se utiliza en modelos financieros, simulaciones de precios de acciones y escenarios donde los resultados son multiplicativos.
• Ejemplo:
  • Desencadenante: "Generar una variable logarítmica normal con media logarítmica de 0 y desviación logarítmica de 1"
  • Llamada: Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)

Variable de valor extremo

• Descripción: Muestrea un flotante aleatorio de una distribución de valores extremos (Gumbel), utilizado para modelar máximos o mínimos.
• Casos de uso: Adecuado para evaluación de riesgos, predicciones climáticas extremas y pruebas de estrés en ingeniería.
• Ejemplo:
  • Desencadenante: "Simular un evento extremo con ubicación 0 y escala 1.0"
  • Llamada: Fortuna.extreme_value_variate(location=0.0, scale=1.0)

Variante de chi-cuadrado

• Descripción: Genera un flotante aleatorio a partir de una distribución de chi-cuadrado en función de los grados de libertad.
• Casos de uso: esenciales para pruebas de hipótesis, estimación de varianza y pruebas de bondad de ajuste.
• Ejemplo:
  • Desencadenante: "Generar una variable de chi-cuadrado con 5 grados de libertad"
  • Llamada: Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

Variante de Cauchy

• Descripción: Devuelve un flotante aleatorio de una distribución de Cauchy, caracterizada por colas pesadas.
• Casos de uso: útil en análisis estadísticos robustos, procesamiento de señales y escenarios donde se esperan valores atípicos.
• Ejemplo:
  • Desencadenante: "Generar una variable de Cauchy con ubicación 0 y escala 1.0"
  • Llamada: Fortuna.cauchy_variate(location=0.0, scale=1.0)

Variante Fisher F

• Descripción: Extrae un punto flotante aleatorio de una distribución F de Fisher definida por dos conjuntos de grados de libertad.
• Casos de uso: Se aplica en pruebas ANOVA, análisis de varianza y comparación de modelos estadísticos.
• Ejemplo:
  • Desencadenante: "Generar una variable F con grados de libertad 5 y 10"
  • Llamada: Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)

Variante t de Student

• Descripción: Produce un punto flotante aleatorio a partir de una distribución t de Student en función de los grados de libertad especificados.
• Casos de uso: Integral para el análisis estadístico de muestras pequeñas, la estimación del intervalo de confianza y la prueba de hipótesis.
• Ejemplo:
  • Desencadenante: "Generar una variable t de Student con 10 grados de libertad"
  • Llamada: Fortuna.student_t_variate(degrees_of_freedom=10.0)