FortunaMCP サーバー
FortunaMCPは、高品質の乱数生成に特化した高度なMCPサーバーです。Fortuna C拡張機能を活用しており、この拡張機能は、高速ハードウェアベースのエントロピー生成に最適化された、堅牢でスレッドセーフなC++ RNGエンジンであるStormを直接ベースとしています。FortunaMCPは、幅広いAIアプリケーションに信頼性の高い乱数生成を提供します。
大規模言語モデルは自然言語処理に優れていますが、決定論的なアルゴリズムに依存しているため、真の予測不可能性が必要な場合には不十分です。一方、FortunaMCPは真のランダム性を提供します。この機能は、偏りのない予測不可能な結果が重要であり、LLM近似（幻覚）では到底対応できないシナリオにおいて、FortunaMCPを不可欠なものにしています。
FortunaMCPは、モンテカルロシミュレーション、複雑なシステムのモデリングと分析、インタラクティブなゲームメカニクスといったタスクに最適です。ブロックチェーン、セキュリティ、暗号化関連のタスクには適していません。
クレジット
開発者: Robert Sharp – Fortuna、Storm、FortunaMCP サーバーの作成者および管理者。
主催： Silicon Society – FortunaMCPサーバーを誇りを持ってホストし、AIエージェント向けに世界クラスの乱数生成を提供するというミッションをサポートしています。Silicon Societyは、学習の未来を大規模に構築しています。AIを活用したジョブシャドウイングは、仕事の現場に学びをもたらします。目標に合わせたパーソナライズされたガイダンスで、専門家の実践を追体験できます。 ウェイティングリストにご登録ください。
リファレンスデプロイメント
ツールの概要
サイコロ
**説明:**指定された数のサイコロを振るシミュレーションを行い、その合計を返します。標準的なRPGスタイルのサイコロ（2、4、6、8、10、12、20、30、100）の面数をサポートします。
**使用例:**サイコロの仕組みが不可欠なロールプレイング ゲーム、ボード ゲーム、シミュレーションに最適です。
例：
トリガー: 「6面ダイスを3つ振る」または「3d6を振る」
コール:
Fortuna.dice(rolls=3, sides=6)
ランダム範囲
**説明:**カスタム範囲で定義されたシーケンスからランダムな整数を返します。パラメータは整数範囲（-9223372036854775807～9223372036854775807）で制限され、ステップは0以外である必要があります。
**使用例:**非標準のステップまたは間隔が必要なカスタム間隔からのシミュレーションおよびサンプリングに最適です。
例：
トリガー: 「10 から 100 までの数字を 5 ずつ選択してください」
呼び出し:
Fortuna.random_range(start=10, stop=100, step=5)
ベルヌーイ変分
**説明:**指定された成功確率に基づいてブール値の結果を返すベルヌーイ試行を実行します。
**使用例:**コイントス、オン/オフ イベント、成功/失敗の結果のシミュレーションなど、バイナリ意思決定に役立ちます。
例：
トリガー: 「表が出る確率が 70% のコイントスをシミュレートする」
呼び出し:
Fortuna.bernoulli_variate(ratio_of_truth=0.7)
二項変量
**説明:**二項分布をモデル化し、一定回数のベルヌーイ試行における成功回数を返します。
**使用例:**統計シミュレーション、品質管理プロセス、成功率を決定する必要がある実験に役立ちます。
例：
トリガー: 「20 回のコイン投げで表が出る回数を、それぞれ 50% の確率で判定する」
呼び出し:
Fortuna.binomial_variate(number_of_trials=20, probability=0.5)
負の二項変量
**説明:**一連のベルヌーイ試行で目標の成功数を達成するまでの失敗数を計算します。
**使用例:**信頼性エンジニアリング、リスク評価、成功前に障害を追跡することが重要なシナリオに適用されます。
例：
トリガー: 「試行ごとに 40% の成功率で 5 回の成功の前に失敗を計算する」
呼び出し:
Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)
幾何学的変分
**説明:**幾何分布に従って、最初の成功までの失敗回数を決定します。
**ユースケース:**顧客獲得や品質テストなどのプロセスにおける待ち時間や初回発生イベントをモデル化するのに最適です。
例：
トリガー: 「成功率 25% で最初の成功を得るまでに何回失敗しますか?」
呼び出し:
Fortuna.geometric_variate(probability=0.25)
ポアソン変量
**説明:**予想発生回数 (λ) によって特徴付けられるポアソン分布からランダムな整数を生成します。
**ユースケース:**システム障害、ネットワーク トラフィック、顧客の到着など、時間の経過とともに発生するまれなイベントをモデル化するために不可欠です。
例：
トリガー: 「平均 4 つのイベントで間隔内のイベント数をシミュレートする」
呼び出し:
Fortuna.poisson_variate(mean=4.0)
ランダムフロート
**説明:**半開区間
[lower_limit, upper_bound)内で均一に分布する乱数 float を生成します。両方の境界は、-1.7976931348623157e+308 から 1.7976931348623157e+308 までの float の制限内です。**使用例:**シミュレーション、モンテカルロ法、または連続した均一なランダム性を必要とするあらゆるシナリオで使用されます。
例：
トリガー: 「0.0 から 1.0 の間のランダムな浮動小数点数を生成する」
呼び出し:
Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)
三角変量
**説明:**下限、上限、およびモードで定義された三角分布からランダムな浮動小数点数をサンプリングします。
**使用例:**プロジェクト管理の見積もり、リスク分析、または結果が中心値付近になる可能性が高いシナリオに最適です。
例：
トリガー: 「10 から 100 までの範囲で、最も可能性の高い値が 50 である結果をシミュレートする」
呼び出し:
Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)
ベータ変量
説明: 2つの正の形状パラメータを使用して、区間[0, 1]のベータ分布からランダムな浮動小数点数を抽出します。
**使用例:**ベイズ統計、比率のモデリング、および確率をシミュレートする必要があるあらゆるシナリオで広く使用されます。
例：
トリガー: 「形状パラメータ 2 と 5 でランダムな確率を生成する」
呼び出し:
Fortuna.beta_variate(alpha=2.0, beta=5.0)
パレート変量
**説明:**パレート分布からランダムな浮動小数点数を返します。これは、裾の重い現象のモデル化に最適です。出力は常に1以上になります。
**使用例:**べき乗法則の動作が観察される経済、保険、リスク管理に役立ちます。
例：
トリガー: 「形状パラメータ 1.5 のパレート分布値を生成する」
呼び出し:
Fortuna.pareto_variate(alpha=1.5)
フォン・ミーゼス変分
**説明:**円形または方向データに合わせて、フォン ミーゼス分布からランダムな角度を生成します。
**使用例:**気象学、ナビゲーション、角度や周期的な現象が関係するあらゆるアプリケーションでよく使用されます。
例：
トリガー: 「平均 0 ラジアン、濃度 1.0 のランダム角度を生成する」
呼び出し:
Fortuna.vonmises_variate(mu=0.0, kappa=1.0)
指数変量
**説明:**レート パラメータによって定義された指数分布からランダム フロートを生成し、独立したイベント間の時間をモデル化します。
**使用例:**キューイング モデルにおける有効期間、システム障害、到着間隔のシミュレーションに重要です。
例：
トリガー: 「次のイベントまでの時間を 0.5 のレートでシミュレートする」
呼び出し:
Fortuna.exponential_variate(lambda_rate=0.5)
ガンマ変量
**説明:**形状とスケールのパラメータによって決定されるガンマ分布からランダムな浮動小数点数を返します。
**使用例:**待機時間、信頼性分析、およびさまざまな継続的なプロセスのモデリングに使用されます。
例：
トリガー: 「形状 2.0、スケール 3.0 のガンマ変量を生成する」
呼び出し:
Fortuna.gamma_variate(shape=2.0, scale=3.0)
ワイブル変量
**説明:**ワイブル分布からランダムな浮動小数点数をサンプリングし、障害またはイベントまでの時間をモデル化します。
**使用例:**生存分析、信頼性工学、故障率推定に広く使用されています。
例：
トリガー: 「ワイブルパラメータの形状 1.5、スケール 100.0 で故障までの時間をシミュレートする」
呼び出し:
Fortuna.weibull_variate(shape=1.5, scale=100.0)
正規分布
**説明:**平均と標準偏差によって定義された正規 (ガウス) 分布からランダムな浮動小数点数を生成します。
**使用例:**統計モデリング、品質管理、ベル曲線の動作を必要とするシミュレーションの基礎。
例：
トリガー: 「平均 0、標準偏差 1 の正規分布値を生成する」
呼び出し:
Fortuna.normal_variate(mean=0.0, std_dev=1.0)
対数正規分布
**説明:**基礎となる正規分布から派生した対数正規分布からランダムな浮動小数点数を抽出します。
**使用例:**財務モデリング、株価シミュレーション、結果が乗算されるシナリオで使用されます。
例：
トリガー: 「対数平均 0、対数偏差 1 の対数正規変量を生成する」
呼び出し:
Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)
極値変量
**説明:**最大値または最小値をモデリングするために使用される極値 (Gumbel) 分布からランダムな浮動小数点数をサンプリングします。
**使用例:**リスク評価、異常気象の予測、エンジニアリングにおけるストレス テストに適しています。
例：
トリガー: 「場所 0、スケール 1.0 で極端なイベントをシミュレートする」
呼び出し:
Fortuna.extreme_value_variate(location=0.0, scale=1.0)
カイ二乗変量
**説明:**自由度に基づいてカイ二乗分布からランダムな浮動小数点数を生成します。
**使用例:**仮説検定、分散推定、適合度検定に不可欠です。
例：
トリガー: 「自由度 5 のカイ二乗変量を生成する」
呼び出し:
Fortuna.chi_squared_variate(degrees_of_freedom=5.0)
コーシー変分
**説明:**重い裾を特徴とするコーシー分布からランダムな浮動小数点数を返します。
**使用例:**堅牢な統計分析、信号処理、外れ値が予想されるシナリオに役立ちます。
例：
トリガー: 「位置 0、スケール 1.0 の Cauchy 変量を生成する」
呼び出し:
Fortuna.cauchy_variate(location=0.0, scale=1.0)
フィッシャーF変量
説明: 2 セットの自由度によって定義された Fisher F 分布からランダムな浮動小数点数を抽出します。
使用例: ANOVA テスト、分散分析、統計モデルの比較に適用されます。
例：
トリガー: 「自由度 5 と 10 の F 変量を生成する」
呼び出し:
Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)
スチューデントのt変量
**説明:**指定された自由度に基づいて、スチューデント t 分布からランダムな浮動小数点数を生成します。
**使用例:**小規模サンプルの統計分析、信頼区間の推定、仮説検定に不可欠です。
例：
トリガー: 「自由度 10 の Student t 変量を生成する」
呼び出し:
Fortuna.student_t_variate(degrees_of_freedom=10.0)