FortunaMCP 服务器

FortunaMCP 是一款先进的 MCP 服务器，专用于生成高质量的随机值。它利用 Fortuna C 扩展，该扩展直接由 Storm 提供支持。Storm 是一款强大、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 为各种 AI 应用提供可靠的随机性。

大型语言模型擅长自然语言处理，但依赖于确定性算法，而这些算法在需要真正的不可预测性时却显得力不从心。相比之下，FortunaMCP 则能够提供真正的随机性。这种能力使其在需要无偏且不可预测的结果，且 LLM 近似值（幻觉）无法满足需求的场景中变得不可或缺。

FortunaMCP 非常适合蒙特卡洛模拟、复杂系统建模与分析以及交互式游戏机制等任务。它不适用于区块链、安全或加密相关的任务。

致谢

• 开发者： Robert Sharp – Fortuna、Storm 和 FortunaMCP 服务器的创建者和维护者。
• 主办方： Silicon Society——自豪地托管 FortunaMCP 服务器，并支持其为 AI 代理提供世界一流的随机值生成能力的使命。Silicon Society 正在构建规模化学习的未来。AI 驱动的职业跟班，将学习带到工作现场。跟随专业人士的实际行动，获得根据您的目标定制的个性化指导。注册候补名单。

参考部署

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

工具概述

骰子

• **描述：**模拟掷指定数量的骰子并返回其总和。支持标准 RPG 风格骰子，面数为 {2, 4, 6, 8, 10, 12, 20, 30, 100}。
• **用例：**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游戏。
• 例子：
  • 触发条件： “掷三个六面骰子”或“掷 3d6”
  • 调用： Fortuna.dice(rolls=3, sides=6)

随机范围

• **描述：**返回从自定义范围定义的序列中选取的随机整数。参数受整数范围（-9223372036854775807 至 9223372036854775807）约束，且步长必须非零。
• **用例：**非常适合需要非标准步骤或间隔的自定义间隔的模拟和采样。
• 例子：
  • 触发器： “以 5 为步长，从 10 到 100 中选择一个数字”
  • 调用： Fortuna.random_range(start=10, stop=100, step=5)

伯努利变量

• **描述：**执行伯努利试验，根据提供的成功概率返回布尔结果。
• **用例：**适用于二元决策，例如模拟抛硬币、开/关事件或成功/失败结果。
• 例子：
  • 触发器： “模拟抛硬币，正面概率为 70%”
  • 调用： Fortuna.bernoulli_variate(ratio_of_truth=0.7)

二项式变量

• **描述：**返回固定次数的伯努利试验的成功次数，以二项分布为模型。
• **用例：**对于需要确定成功率的统计模拟、质量控制流程和实验很有价值。
• 例子：
  • 触发器： “确定 20 次抛硬币中正面朝上的次数，每次抛硬币的概率为 50%”
  • 调用： Fortuna.binomial_variate(number_of_trials=20, probability=0.5)

负二项式变量

• **描述：**计算一系列伯努利试验中达到目标成功次数之前的失败次数。
• **用例：**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。
• 例子：
  • 触发器： “计算 5 次成功之前的失败次数，每次试验的成功率为 40%”
  • 调用： Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

几何变量

• **描述：**按照几何分布确定第一次成功之前的失败次数。
• **用例：**非常适合对客户获取或质量测试等过程中的等待时间和首次发生事件进行建模。
• 例子：
  • 触发器： “在第一次成功率为 25% 的情况下，需要失败多少次？”
  • 调用： Fortuna.geometric_variate(probability=0.25)

泊松变量

• **描述：**根据泊松分布生成一个随机整数，以预期出现次数 (λ) 为特征。
• **用例：**对于模拟一段时间内的罕见事件至关重要，例如系统故障、网络流量或客户到达。
• 例子：
  • 触发器： “模拟间隔内事件的数量，平均为 4 个事件”
  • 调用： Fortuna.poisson_variate(mean=4.0)

随机浮点数

• **描述：**生成半开区间[lower_limit, upper_bound)内均匀分布的随机浮点数。上下限均在 -1.7976931348623157e+308 到 1.7976931348623157e+308 的浮点数范围内。
• **用例：**用于模拟、蒙特卡罗方法或任何需要连续均匀随机性的场景。
• 例子：
  • 触发器： “生成 0.0 到 1.0 之间的随机浮点数”
  • 调用： Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)

三角变量

• **描述：**从由下限、上限和模式定义的三角分布中采样一个随机浮点数。
• **用例：**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场景。
• 例子：
  • 触发器： “模拟最可能值为 50 的结果，范围从 10 到 100”
  • 调用： Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

Beta变量

• **描述：**使用两个正形状参数从区间 [0, 1] 上的 beta 分布中绘制一个随机浮点数。
• **用例：**广泛用于贝叶斯统计、建模比例以及任何需要模拟概率的场景。
• 例子：
  • 触发器： “生成形状参数为 2 和 5 的随机概率”
  • 调用： Fortuna.beta_variate(alpha=2.0, beta=5.0)

帕累托变量

• **描述：**返回帕累托分布的随机浮点数，非常适合建模重尾现象。输出始终大于或等于 1。
• **用例：**在观察到幂律行为的经济学、保险和风险管理中很有用。
• 例子：
  • 触发器： “生成形状参数为 1.5 的帕累托分布值”
  • 调用： Fortuna.pareto_variate(alpha=1.5)

冯·米塞斯变量

• **描述：**根据冯·米塞斯分布产生随机角度，适合圆形或方向数据。
• **用例：**常见于气象学、导航以及任何涉及角度或周期现象的应用。
• 例子：
  • 触发器： “生成一个平均值为 0 弧度、浓度为 1.0 的随机角度”
  • 调用： Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

指数变量

• **描述：**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。
• **用例：**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。
• 例子：
  • 触发器： “以 0.5 的速率模拟到下一个事件的时间”
  • 调用： Fortuna.exponential_variate(lambda_rate=0.5)

伽马变量

• **描述：**返回由形状和比例参数确定的伽马分布的随机浮点数。
• **用例：**用于建模等待时间、可靠性分析以及各种连续过程。
• 例子：
  • 触发器： “生成形状为 2.0、尺度为 3.0 的伽马变量”
  • 调用： Fortuna.gamma_variate(shape=2.0, scale=3.0)

威布尔变量

• **描述：**从威布尔分布中抽取一个随机浮点数，用于模拟故障或事件发生的时间。
• **用例：**广泛用于生存分析、可靠性工程和故障率估计。
• 例子：
  • 触发器： “使用威布尔参数形状 1.5 和尺度 100.0 模拟失效时间”
  • 调用： Fortuna.weibull_variate(shape=1.5, scale=100.0)

正态变量

• **描述：**根据平均值和标准差定义的正态（高斯）分布生成随机浮点数。
• **用例：**统计建模、质量控制和需要钟形曲线行为的模拟的基础。
• 例子：
  • 触发器： “生成一个平均值为 0、标准差为 1 的正态分布值”
  • 调用： Fortuna.normal_variate(mean=0.0, std_dev=1.0)

对数正态变量

• **描述：**从源自底层正态分布的对数正态分布中绘制随机浮点数。
• **用例：**用于金融建模、股票价格模拟以及结果具有乘法性的场景。
• 例子：
  • 触发器： “生成对数均值为 0、对数差值为 1 的对数正态变量”
  • 调用： Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)

极值变量

• **描述：**从极值（Gumbel）分布中抽取一个随机浮点数，用于对最大值或最小值进行建模。
• **用例：**适用于风险评估、极端天气预报和工程压力测试。
• 例子：
  • 触发器： “模拟位置 0、规模 1.0 的极端事件”
  • 调用： Fortuna.extreme_value_variate(location=0.0, scale=1.0)

卡方变量

• **描述：**根据自由度从卡方分布生成随机浮点数。
• **用例：**对于假设检验、方差估计和拟合优度检验至关重要。
• 例子：
  • 触发器： “生成具有 5 个自由度的卡方变量”
  • 调用： Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

柯西变量

• **描述：**返回柯西分布的随机浮点数，其特点是尾部较重。
• **用例：**在稳健统计分析、信号处理和预期出现异常值的场景中很有用。
• 例子：
  • 触发器： “生成位置为 0、尺度为 1.0 的柯西变量”
  • 调用： Fortuna.cauchy_variate(location=0.0, scale=1.0)

Fisher F 变量

• **描述：**从由两组自由度定义的 Fisher F 分布中绘制一个随机浮点数。
• **用例：**应用于方差分析测试、方差分析和比较统计模型。
• 例子：
  • 触发器： “生成自由度为 5 和 10 的 F 变量”
  • 调用： Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)

学生t变量

• **描述：**根据指定的自由度，从学生 t 分布中生成一个随机浮点数。
• **用例：**小样本统计分析、置信区间估计和假设检验的组成部分。
• 例子：
  • 触发器： “生成具有 10 个自由度的学生 t 变量”
  • 调用： Fortuna.student_t_variate(degrees_of_freedom=10.0)