FortunaMCP 서버

FortunaMCP는 고품질 난수 생성을 전담하는 고급 MCP 서버입니다. Fortuna C 확장 기능을 활용하며, Storm은 고속 하드웨어 기반 엔트로피에 최적화된 강력하고 스레드 안전 C++ RNG 엔진입니다. FortunaMCP는 다양한 AI 애플리케이션에 안정적인 난수 생성 기능을 제공합니다.

대규모 언어 모델은 자연어 처리에 탁월하지만, 진정한 예측 불가능성이 요구되는 상황에서는 기대에 미치지 못하는 결정론적 알고리즘에 의존합니다. 반면, FortunaMCP는 진정한 무작위성을 제공합니다. 이러한 기능은 편향되지 않고 예측 불가능한 결과가 중요하고 LLM 근사(환각)로는 충분하지 않은 상황에서 FortunaMCP의 필수 기능을 제공합니다.

FortunaMCP는 몬테카를로 시뮬레이션, 복잡한 시스템 모델링 및 분석, 인터랙티브 게임 메커니즘과 같은 작업에 완벽하게 적합합니다. 블록체인, 보안 또는 암호화 관련 작업에는 적합하지 않습니다.

크레딧

• 개발자: 로버트 샤프 – Fortuna, Storm, FortunaMCP 서버의 제작자이자 유지 관리자.
• 호스트: Silicon Society – FortunaMCP 서버를 자랑스럽게 호스팅하고 AI 에이전트를 위한 세계적 수준의 랜덤 값 생성을 제공한다는 사명을 지원합니다. Silicon Society는 대규모 학습의 미래를 구축하고 있습니다. AI 기반 잡 섀도잉을 통해 실제 업무 현장에서 학습을 실현합니다. 목표에 맞춰 맞춤형 가이드를 제공하는 전문가의 실제 사례를 따라가 보세요. 대기자 명단 에 등록하세요.

참조 배포

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

도구 개요

주사위

• 설명: 지정된 개수의 주사위를 굴리는 시뮬레이션을 수행하고 그 합을 반환합니다. {2, 4, 6, 8, 10, 12, 20, 30, 100} 면의 표준 RPG 스타일 주사위를 지원합니다.
• 사용 사례: 주사위 메커니즘이 필수적인 롤플레잉 게임, 보드 게임 또는 시뮬레이션에 적합합니다.
• 예:
  • 트리거: "6면체 주사위 3개를 굴립니다" 또는 "6면체 주사위 3개를 굴립니다"
  • 호출: Fortuna.dice(rolls=3, sides=6)

무작위 범위

• 설명: 사용자 지정 범위로 정의된 시퀀스에서 선택된 임의의 정수를 반환합니다. 매개변수는 정수 한계(-9223372036854775807 ~ 9223372036854775807)로 제한되며, 단계는 0이 아니어야 합니다.
• 사용 사례: 비표준 단계나 간격이 필요한 사용자 정의 간격에서 시뮬레이션과 샘플링을 수행하는 데 이상적입니다.
• 예:
  • 트리거: "10에서 100까지 5단계로 숫자를 선택하세요"
  • 호출: Fortuna.random_range(start=10, stop=100, step=5)

베르누이 변량

• 설명: 제공된 성공 확률에 따라 부울 결과를 반환하는 베르누이 시행을 실행합니다.
• 사용 사례: 동전 던지기, 켜짐/꺼짐 이벤트, 성공/실패 결과 등을 시뮬레이션하는 등 이진 의사결정에 유용합니다.
• 예:
  • 트리거: "앞면이 나올 확률이 70%인 동전 던지기를 시뮬레이션합니다"
  • 호출: Fortuna.bernoulli_variate(ratio_of_truth=0.7)

이항 변량

• 설명: 이항 분포를 모델링하여 고정된 횟수의 베르누이 시행에서 성공한 횟수를 반환합니다.
• 사용 사례: 통계적 시뮬레이션, 품질 관리 프로세스, 성공률을 파악해야 하는 실험에 유용합니다.
• 예:
  • 트리거: "50% 확률로 동전 던지기 20번에서 앞면이 나오는 횟수를 구하세요"
  • 호출: Fortuna.binomial_variate(number_of_trials=20, probability=0.5)

음이항 변량

• 설명: 베르누이 시행 시리즈에서 목표 성공 횟수를 달성하기 전에 실패하는 횟수를 계산합니다.
• 사용 사례: 신뢰성 엔지니어링, 위험 평가 및 성공하기 전에 실패를 추적하는 것이 중요한 시나리오에 적용됩니다.
• 예:
  • 트리거: "시도당 40% 성공률로 5번 성공하기 전에 실패 횟수를 계산하세요"
  • 호출: Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

기하학적 변량

• 설명: 기하학적 분포에 따라 첫 번째 성공 전 실패 횟수를 결정합니다.
• 사용 사례: 고객 확보나 품질 테스트 등의 프로세스에서 대기 시간과 첫 번째 발생 이벤트를 모델링하는 데 이상적입니다.
• 예:
  • 트리거: "25%의 성공률을 기록한 첫 번째 성공 전에 몇 번의 실패가 있었나요?"
  • 호출: Fortuna.geometric_variate(probability=0.25)

푸아송 변량

• 설명: 기대 발생 횟수(λ)를 특징으로 하는 포아송 분포에서 난수 정수를 생성합니다.
• 사용 사례: 시스템 장애, 네트워크 트래픽, 고객 도착 등 시간 경과에 따른 드문 이벤트를 모델링하는 데 필수적입니다.
• 예:
  • 트리거: "평균 4개 이벤트로 간격 내 이벤트 수 시뮬레이션"
  • 호출: Fortuna.poisson_variate(mean=4.0)

랜덤 플로트

• 설명: 반개방 구간 [lower_limit, upper_bound) 내에서 균일하게 분포된 난수 부동 소수점을 생성합니다. 두 범위 모두 부동 소수점 한계값인 -1.7976931348623157e+308에서 1.7976931348623157e+308 사이에 있습니다.
• 사용 사례: 시뮬레이션, 몬테카를로 방법 또는 연속적인 균일한 무작위성이 필요한 모든 시나리오에서 사용됩니다.
• 예:
  • 트리거: "0.0과 1.0 사이의 난수 부동 소수점 생성"
  • 호출: Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)

삼각형 변량

• 설명: 하한, 상한, 최빈값으로 정의된 삼각 분포에서 무작위 부동 소수점을 샘플링합니다.
• 사용 사례: 프로젝트 관리 추정, 위험 분석 또는 결과가 중심 값을 중심으로 나타날 가능성이 가장 높은 모든 시나리오에 적합합니다.
• 예:
  • 트리거: "10~100 범위에서 가장 가능성 있는 값 50으로 결과를 시뮬레이션합니다."
  • 호출: Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

베타 변이체

• 설명: 두 개의 양의 모양 매개변수를 사용하여 [0, 1] 구간의 베타 분포에서 난수를 그립니다.
• 사용 사례: 베이지안 통계, 비율 모델링 및 확률을 시뮬레이션해야 하는 모든 시나리오에서 널리 사용됩니다.
• 예:
  • 트리거: "모양 매개변수 2와 5를 사용하여 무작위 확률을 생성합니다"
  • 호출: Fortuna.beta_variate(alpha=2.0, beta=5.0)

파레토 변수

• 설명: 파레토 분포에서 난수 부동 소수점을 반환합니다. 이는 꼬리가 두꺼운 현상을 모델링하는 데 적합합니다. 출력은 항상 1 이상입니다.
• 사용 사례: 거듭제곱 법칙 행동이 관찰되는 경제, 보험, 위험 관리에 유용합니다.
• 예:
  • 트리거: "모양 매개변수 1.5를 사용하여 파레토 분포 값을 생성합니다"
  • 호출: Fortuna.pareto_variate(alpha=1.5)

폰 미제스 변량

• 설명: 원형 또는 방향 데이터에 맞게 폰 미제스 분포에서 무작위 각도를 생성합니다.
• 사용 사례: 기상학, 항해 및 각도나 주기적 현상이 관련된 모든 응용 분야에서 일반적입니다.
• 예:
  • 트리거: "평균이 0라디안이고 농도가 1.0인 임의의 각도를 생성합니다"
  • 호출: Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

지수 변량

• 설명: 독립적인 이벤트 사이의 시간을 모델링하여 비율 매개변수로 정의된 지수 분포에서 난수 부동 소수점을 생성합니다.
• 사용 사례: 대기열 모델에서 수명, 시스템 오류, 도착 간격 시간을 시뮬레이션하는 데 중요합니다.
• 예:
  • 트리거: "다음 이벤트까지의 시간을 0.5의 비율로 시뮬레이션"
  • 호출: Fortuna.exponential_variate(lambda_rate=0.5)

감마 변량

• 설명: 모양과 크기 매개변수에 의해 결정되는 감마 분포에서 난수 부동 소수점을 반환합니다.
• 사용 사례: 대기 시간 모델링, 신뢰성 분석 및 다양한 연속 프로세스에 사용됩니다.
• 예:
  • 트리거: "모양 2.0, 크기 3.0의 감마 변량 생성"
  • 호출: Fortuna.gamma_variate(shape=2.0, scale=3.0)

와이불 변량

• 설명: 실패나 이벤트가 발생할 때까지의 시간을 모델링하는 Weibull 분포에서 난수를 샘플링합니다.
• 사용 사례: 생존 분석, 신뢰성 엔지니어링, 실패율 추정에 널리 사용됩니다.
• 예:
  • 트리거: "Weibull 매개변수 모양 1.5 및 크기 100.0을 사용하여 실패까지의 시간 시뮬레이션"
  • 호출: Fortuna.weibull_variate(shape=1.5, scale=100.0)

정규 변량

• 설명: 평균과 표준 편차로 정의된 정규(가우스) 분포에서 무작위 부동 소수점을 생성합니다.
• 사용 사례: 종형 곡선 동작이 필요한 통계적 모델링, 품질 관리 및 시뮬레이션의 기본입니다.
• 예:
  • 트리거: "평균 0, 표준 편차 1인 정규 분포 값 생성"
  • 호출: Fortuna.normal_variate(mean=0.0, std_dev=1.0)

로그 정규 변량

• 설명: 기본 정규 분포에서 파생된 로그 정규 분포에서 무작위 부동 소수점을 그립니다.
• 사용 사례: 재무 모델링, 주가 시뮬레이션, 결과가 곱셈적으로 나타나는 시나리오에서 사용됩니다.
• 예:
  • 트리거: "로그 평균 0, 로그 편차 1을 갖는 로그 정규 변량 생성"
  • 호출: Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)

극단값 변수

• 설명: 최대값 또는 최소값을 모델링하는 데 사용되는 극단값(Gumbel) 분포에서 무작위 부동 소수점을 샘플링합니다.
• 사용 사례: 엔지니어링 분야의 위험 평가, 극한 기상 예측, 스트레스 테스트에 적합합니다.
• 예:
  • 트리거: "위치 0, 축척 1.0으로 극한 이벤트 시뮬레이션"
  • 호출: Fortuna.extreme_value_variate(location=0.0, scale=1.0)

카이제곱 변량

• 설명: 자유도에 따라 카이제곱 분포에서 난수 부동 소수점을 생성합니다.
• 사용 사례: 가설 검정, 분산 추정, 적합도 검정에 필수적입니다.
• 예:
  • 트리거: "자유도가 5인 카이제곱 변량 생성"
  • 호출: Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

코시 변량

• 설명: 두꺼운 꼬리가 특징인 코시 분포에서 무작위 부동 소수점을 반환합니다.
• 사용 사례: 강력한 통계 분석, 신호 처리 및 이상치가 예상되는 시나리오에 유용합니다.
• 예:
  • 트리거: "위치 0, 축척 1.0의 코시 변량 생성"
  • 호출: Fortuna.cauchy_variate(location=0.0, scale=1.0)

피셔 F 변이체

• 설명: 두 개의 자유도로 정의된 Fisher F 분포에서 무작위 부동 소수점을 그립니다.
• 사용 사례: ANOVA 테스트, 분산 분석 및 통계 모델 비교에 적용됩니다.
• 예:
  • 트리거: "자유도가 5와 10인 F 변수 생성"
  • 호출: Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)

학생의 t 변수

• 설명: 지정된 자유도에 따라 학생용 t-분포에서 난수 부동 소수점을 생성합니다.
• 사용 사례: 소표본 통계 분석, 신뢰 구간 추정, 가설 검정에 필수적입니다.
• 예:
  • 트리거: "자유도가 10인 학생의 t 변수 생성"
  • 호출: Fortuna.student_t_variate(degrees_of_freedom=10.0)