FortunaMCP Server

🎲 FortunaMCP Server

FortunaMCP は、高品質な乱数の生成に特化した高度な MCP サーバーです。Storm を直接利用する Fortuna C-extension を活用しています。Storm は、高速なハードウェアベースのエントロピーに最適化された、堅牢でスレッドセーフな C++ RNG エンジンです。FortunaMCP は、幅広い AI アプリケーションに信頼性の高い乱数を提供します。

LLM は自然言語処理に優れていますが、真の予測不可能性が必要な場面では不十分な決定論的アルゴリズムに依存しています。一方、FortunaMCP は本物の乱数を提供します。この機能は、偏りのない予測不可能な結果が不可欠で、LLM による近似（ハルシネーション）では対応できないシナリオで欠かせません。

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などのタスクに最適です。ブロックチェーン、セキュリティ、暗号化を目的としたタスクには対応していません。

クレジット

• 開発者： Fortuna、Storm、FortunaMCP server の開発者およびメンテナーである Robert Sharp。
• ホスト： Silicon Society — FortunaMCP server を誇りを持ってホスティングし、AI エージェント向けに世界水準の乱数生成を提供するという使命を支援しています。Silicon Society は、大規模な学びの未来を築いています。AI を活用したジョブシャドウイングにより、実際の仕事の現場で学べます。目標に合わせて調整されるパーソナライズされたガイダンスを受けながら、プロフェッショナルの仕事ぶりを見学できます。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：FortunaMCP Lite

• サイコロ
• 乱数範囲
• 乱数浮動小数点数

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、出目の合計を返します。面の数が {2, 4, 6, 8, 10, 12, 20, 30, 100} の標準的な RPG 形式のサイコロに対応しています。
• 用途： サイコロの仕組みが欠かせない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。
• トリガー： 「6 面のサイコロを 3 個振って」または「3d6 を振って」
• 呼び出し： Fortuna.dice(rolls=3, sides=6)

乱数範囲

• 説明： カスタム範囲で定義された数列から選択したランダムな整数を返します。パラメーターは整数の範囲（-9223372036854775807 ～ 9223372036854775807）内で指定し、ステップは 0 以外である必要があります。
• 用途： 標準外のステップや区間が必要なシミュレーションや、カスタム区間からのサンプリングに最適です。
• トリガー： 「10 から 100 まで、5 ずつの間隔で数を選んで」
• 呼び出し： Fortuna.random_range(start=10, stop=100, step=5)

乱数浮動小数点数

• 説明： 半開区間 [lower_limit, upper_bound) 内で一様分布するランダムな浮動小数点数を生成します。両方の境界値は、浮動小数点数の範囲である -1.7976931348623157e+308 ～ 1.7976931348623157e+308 内で指定します。
• 用途： シミュレーション、モンテカルロ法、または連続一様乱数が必要なあらゆるシナリオで使用します。
• トリガー： 「0.0 から 1.0 までのランダムな浮動小数点数を生成して」
• 呼び出し： Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)

三角分布変量

• 説明： 下限、上限、最頻値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。
• 用途： 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最も高いシナリオに最適です。
• トリガー： 「最も可能性の高い値が 50 で、範囲が 10 から 100 の結果をシミュレーションして」
• 呼び出し： Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

ベルヌーイ変量

• 説明： 指定した成功確率に基づいて、真偽値の結果を返すベルヌーイ試行を実行します。
• ユースケース： コイン投げ、オン／オフのイベント、成功／失敗の結果など、二者択一の意思決定のシミュレーションに役立ちます。
• トリガー：「表が出る確率を70％として、コイン投げをシミュレーションしてください」
• 呼び出し： Fortuna.bernoulli_variate(ratio_of_truth=0.7)

二項変量

• 説明： 固定回数のベルヌーイ試行における成功回数を返し、二項分布をモデル化します。
• ユースケース： 成功率を調べる統計シミュレーション、品質管理プロセス、実験に役立ちます。
• トリガー：「1回あたり表が出る確率を50％として、コインを20回投げたときの表の回数を求めてください」
• 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回数に達するまでの失敗回数を計算します。
• ユースケース： 信頼性工学、リスク評価、成功するまでの失敗回数を追跡することが重要なシナリオで使用されます。
• トリガー：「1回あたりの成功率を40％として、5回成功するまでの失敗回数を計算してください」
• 呼び出し： Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

幾何変量

• 説明： 幾何分布に従って、最初に成功するまでの失敗回数を求めます。
• ユースケース： 顧客獲得や品質検査などのプロセスにおける待ち時間や初回発生イベントのモデル化に最適です。
• トリガー：「成功率が25％の場合、最初に成功す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： 発生回数の期待値（λ）で特徴づ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、顧客の来訪など、時間経過に伴うまれなイベントのモデル化に不可欠です。
• トリガー：「平均発生回数が4回の区間で、イベント数をシミュレーションしてください」
• 呼び出し： Fortuna.poisson_variate(mean=4.0)

ベータ変量

• 説明： 2つの正の形状パラメーターを使用し、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。
• ユースケース： ベイズ統計、比率のモデル化、確率をシミュレーションする必要があるあらゆるシナリオで広く使用されます。
• トリガー：「形状パラメーターを2と5として、ランダムな確率を生成してください」
• 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。裾の重い現象のモデル化に適しており、出力は常に1以上です。
• ユースケース： べき乗則の挙動が見られる経済、保険、リスク管理で役立ちます。
• トリガー：「形状パラメーターを1.5として、パレート分布に従う値を生成してください」
• 呼び出し： Fortuna.pareto_variate(alpha=1.5)

フォン・ミーゼス変量

• 説明： 円周データや方向データに適したフォン・ミーゼス分布から、ランダムな角度を生成します。
• ユースケース： 気象学、航法、角度や周期的な現象を扱うあらゆる用途でよく使用されます。
• トリガー：「平均を0ラジアン、集中度を1.0として、ランダムな角度を生成してください」
• 呼び出し： Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

指数変量

• 説明： 独立したイベント間の時間をモデル化する、レートパラメーターで定義された指数分布からランダムな浮動小数点数を生成します。
• ユースケース： 待ち行列モデルにおける寿命、システム障害、イベント間の到着時間のシミュレーションに不可欠です。
• トリガー：「レートを0.5として、次のイベントまでの時間をシミュレーションしてください」
• 呼び出し： Fortuna.exponential_variate(lambda_rate=0.5)

ガンマ乱数

• 説明： 形状パラメーターと尺度パラメーターで決まるガンマ分布から、ランダムな浮動小数点数を返します。
• 用途： 待ち時間のモデル化、信頼性分析、およびさまざまな連続プロセスで使用します。
• トリガー：「形状 2.0、尺度 3.0 のガンマ乱数を生成」
• 呼び出し： Fortuna.gamma_variate(shape=2.0, scale=3.0)

ワイブル乱数

• 説明： 故障またはイベントまでの時間をモデル化するワイブル分布から、ランダムな浮動小数点数をサンプリングします。
• 用途： 生存分析、信頼性工学、故障率の推定で広く使用します。
• トリガー：「形状パラメーター 1.5、尺度パラメーター 100.0 のワイブル分布で故障までの時間をシミュレーション」
• 呼び出し： Fortuna.weibull_variate(shape=1.5, scale=100.0)

正規乱数

• 説明： 平均と標準偏差で定義される正規（ガウス）分布から、ランダムな浮動小数点数を生成します。
• 用途： 統計モデリング、品質管理、釣鐘型の挙動を必要とするシミュレーションの基礎となります。
• トリガー：「平均 0、標準偏差 1 の正規分布に従う値を生成」
• 呼び出し： Fortuna.normal_variate(mean=0.0, std_dev=1.0)

対数正規乱数

• 説明： 基となる正規分布から導かれる対数正規分布から、ランダムな浮動小数点数を抽出します。
• 用途： 金融モデリング、株価シミュレーション、および結果が乗法的となるシナリオで使用します。
• トリガー：「対数平均 0、対数偏差 1 の対数正規乱数を生成」
• 呼び出し： Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)

極値乱数

• 説明： 最大値または最小値のモデル化に使用する極値（ガンベル）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。
• 用途： リスク評価、異常気象の予測、工学分野でのストレステストに適しています。
• トリガー：「位置 0、尺度 1.0 で極端なイベントをシミュレーション」
• 呼び出し： Fortuna.extreme_value_variate(location=0.0, scale=1.0)

カイ二乗乱数

• 説明： 自由度に基づくカイ二乗分布から、ランダムな浮動小数点数を生成します。
• 用途： 仮説検定、分散の推定、適合度検定に不可欠です。
• トリガー：「自由度 5 のカイ二乗乱数を生成」
• 呼び出し： Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

コーシー乱数

• 説明： 裾の重い分布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。
• 用途： ロバスト統計解析、信号処理、外れ値が予想されるシナリオで役立ちます。
• トリガー：「位置 0、尺度 1.0 のコーシー乱数を生成」
• 呼び出し： Fortuna.cauchy_variate(location=0.0, scale=1.0)

フィッシャー F 乱数

• 説明： 2 組の自由度で定義されるフィッシャー F 分布から、ランダムな浮動小数点数を抽出します。
• 用途： 分散分析（ANOVA）検定、分散分析、統計モデルの比較に適用します。
• トリガー：「自由度 5 と 10 のフィッシャー F 乱数を生成」
• 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 乱数

• 説明： 指定された自由度に基づくスチューデントの t 分布から、ランダムな浮動小数点数を生成します。
• 用途： 小標本の統計解析、信頼区間の推定、仮説検定に不可欠です。
• トリガー：「自由度 10 のスチューデントの t 乱数を生成」
• 呼び出し： Fortuna.student_t_variate(degrees_of_freedom=10.0)