VolatiAI MCP について
VolatiAI は、パブリックドメインの業界時系列データを相関分析し、各主張に不確実性、出典、安定性の情報を付けます。業界横断シグナルを慎重に解釈する分析担当者向けで、根拠がない場合や空の結果も明示します。
主な機能
- 01トレンド除去残差のペア相関分析
- 02多重検定補正と置換検定
- 03相関係数の信頼区間表示
- 04出典関係と安定性の分類
- 05名前付き判定による主張状態の提示
活用シーン
- 01公開データにおける業界間の関係評価
- 02相関の多重検定補正の確認
- 03同一指標の検証と業界横断の洞察の区別
- 04日次シグナルの安定性と根拠なし結果の確認
設定
リモートサーバーはインストール不要です。クライアントを選んで設定をコピーするか、ワンクリックで導入できます。
https://volatiai-mcp.fourieranalys.workers.dev/mcpclaude mcp add --transport http christianscode1994-volatiai https://volatiai-mcp.fourieranalys.workers.dev/mcp{"mcpServers":{"christianscode1994-volatiai":{"type":"http","url":"https://volatiai-mcp.fourieranalys.workers.dev/mcp"}}}Cursor で開く{"servers":{"christianscode1994-volatiai":{"type":"http","url":"https://volatiai-mcp.fourieranalys.workers.dev/mcp"}}}VS Code で開く{"mcpServers":{"christianscode1994-volatiai":{"type":"http","url":"https://volatiai-mcp.fourieranalys.workers.dev/mcp"}}}{"mcpServers":{"christianscode1994-volatiai":{"serverUrl":"https://volatiai-mcp.fourieranalys.workers.dev/mcp"}}}コマンドはターミナルで実行し、JSON は各クライアントの MCP 設定に貼り付けて再起動します。認可が必要なサーバーは初回接続時にログインを求めます。
ツール
詳細
VolatiAI
パブリックドメインデータの相関分析。すべての主張に、それぞれの不確実性が示されます。
ライブ版:https://christianscode1994.github.io/VolatiAI/
機能
VolatiAI は、パブリックドメインの情報源(米国政府、EU オープンデータ、CC0)から約500件のセクター時系列データを収集し、トレンド除去後の残差についてペアごとの相関を計算して、すべての主張とともに以下を報告します。
- p値とBenjamini-Hochberg調整済みp値
- 順列検定のp値(仮定に依存しません)
- 相関係数のFisherの95%信頼区間
- 出所の分類(同一量か、セクター横断的な洞察か)
- 日ごとの安定性スコア
- 名前付き判定:confirm:provenance、surface、suppress:、dispute:
システムが何かを検証できない場合、その事実を明示的に返します(空の推移性、空のドリフト、no_evidence判定)。空の結果も情報であり、情報がないことを意味するわけではありません。
ライブエンドポイント
- ダッシュボード:https://christianscode1994.github.io/VolatiAI/
- 方法論:https://christianscode1994.github.io/VolatiAI/methodology.html
- APIドキュメント:https://christianscode1994.github.io/VolatiAI/api.html
- ライブJSON:https://sector-slow.fourieranalys.workers.dev/_correlation
- パイプラインの状態:https://sector-slow.fourieranalys.workers.dev/health?full=1
リポジトリ構成
workers/sector-slow/src/ — ワーカーのソース(Cloudflare Workers) index.js — コレクター、エンドポイント、統計的誠実性レイヤー arbitration.js — 純粋な統計関数(pearson、detrend、arbitrate)
scripts/ — データパイプライン briefing.py — /signal データから docs/briefing.json を生成 find_candidates.py — 出所候補の検出
tests/ — ユニットテスト(Python + Node) test_briefing.py — 17件のテスト test_find_candidates.py — 10件のテスト arbitration.mjs — 20件のテスト correlation_pvalue.mjs — correlationPValue の動作を記録した6件のテスト
docs/ — 静的サイト(GitHub Pages) index.html — ダッシュボード methodology.html — 各項目の説明 api.html — インタラクティブなAPIリファレンス
config/ — レジストリ active_sectors.json — セクターレジストリ semantic_registry.json — 同一量グループ provenance.json — セクターごとの出所情報
テストの実行
python3 tests/test_briefing.py
python3 tests/test_find_candidates.py
node tests/arbitration.mjs
node tests/correlation_pvalue.mjs
設計原則
- 空の結果にも誠実であること。報告するものがない場合は、そのことを明示します。
- パブリックドメインのみを使用すること。すべてのデータソースは、米国政府、EU オープンデータ、CC0、またはCC-BYです。
- 多重検定補正を必須とすること。BH-FDRのq=0.05を最低基準とします。
- 出所は制御手段であり、洞察ではありません。同一量のペアはパイプラインを検証します。
- 生のパーセンテージではなく、対数変化率を使うこと。ウィンドウの長さが比較を歪めないようにします。
ステータス
- ワーカー:5つのcronシャードでデプロイ済み(毎日03:17~03:57 UTC)
- テスト:8ファイルにわたる105件。すべてローカルで合格
- スナップショット署名:Ed25519モジュールの準備完了(
workers/sector-slow/src/signing.js)、15件中15件合格。11月8日に配線予定(cronデータが3日分以上必要)。検証:scripts/verify_signature.py
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。