mcpField
F
FutureSearch MCP Server

FutureSearch MCP Server

ローカル
github.comデータ・分析57今日更新

FutureSearch MCP Server について

FutureSearch MCP Server は、確率・日付・数値の予測や、選択肢ごとの結果分析をアシスタントに提供します。表の行ごとのウェブ調査や、非同期での結果取得にも対応しています。

主な機能

  1. 01二値・数値・日付・カテゴリ予測
  2. 02選択肢ごとの結果比較
  3. 03複数エージェントによる並列調査
  4. 04CSVの行ごとのウェブ調査
  5. 05参照リストの検索と取り込み
  6. 06タスクの追跡とCSVへの出力

活用シーン

  1. 01将来の出来事の確率や時期を推定
  2. 02予算別の予測結果を比較
  3. 03CSV内の企業リストを調査
  4. 04複数の観点から詳しく調査

MCP 対応

MCP サーバーは、予測、意思決定分析、ウェブ調査、参照リスト、タスク管理のツールを MCP クライアントに公開します。ホスト型リモートサーバーを利用する方法と、ローカルで実行する方法があります。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定
{
"mcpServers": {
"futuresearch-futuresearch": {
"command": "uvx",
"args": [
"futuresearch-mcp"
],
"env": {
"FUTURESEARCH_API_KEY": "<FUTURESEARCH_API_KEY>"
}
}
}
}
起動コマンドuvx futuresearch-mcp
設定が必要な環境変数
FUTURESEARCH_API_KEYシークレットAPI key for the FutureSearch service, found at https://futuresearch.ai/app/api-key

ローカルサーバーにはマシン上の実行環境(Node.js 18 以上など)が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
pypifuturesearch-mcp0.27.0

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

FutureSearch MCP サーバー

ほとんどのユーザーは、MCP サーバーをローカルで実行する必要はありません。ホスト型のリモートサーバー https://mcp.futuresearch.ai/mcp をご利用ください。OAuth で認証するため、API キーは不要です。セットアップガイドをご覧ください。以下の手順は、API キーが必要なセルフホストまたは高度なユースケース向けです。

FutureSearch の MCP(Model Context Protocol)サーバーです。検証可能な AI 予測を提供します。FutureSearch は、未来に関する質問を確率、日付、数値に変換します。その精度は、株式、予測市場、公開ベンチマーク、予測トーナメントに関する公開実績を通じて検証できます(markets.futuresearch.ai、evals.futuresearch.ai)。

このサーバーを使うと、アシスタントは未来に関する質問への確率、日付または数値や、自分または他の人の意思決定の結果を予測できます。また、単一の質問、またはテーブルのすべての行に対して、ウェブ調査エージェントを実行できます。

ホスト型サーバーでは、行を data としてインラインで渡すか、アップロード済みの artifact_id を指定します。stdio 経由でサーバーを自分で実行する場合、ツールはローカル CSV ファイルの絶対パスも受け付け、指定したパスに結果を書き込みます。

MCP 呼び出しでの意思決定では、結果ごとに1行を用意し、選択肢を示す列と、予測者が context から参照できない情報を指定します。

{
  "tool": "futuresearch_decision",
  "arguments": {
    "data": [
      {
        "question": "How many sitting parliamentarians will be listed on ControlAI's campaign statement on December 31, 2028?",
        "grant": ["$0 (no grant)", "$250k", "$1M"]
      }
    ],
    "alternatives_field": "grant",
    "forecast_type": "numeric",
    "output_field": "parliamentarians",
    "units": "parliamentarians",
    "context": "We are a family foundation deciding this quarter how much to give ControlAI. The gift would be unrestricted and announced publicly, and no other funder is waiting on our decision."
  }
}

インストール

サーバーには FutureSearch API キーが必要です。futuresearch.ai/app/api-key で取得できます($20 分の無料クレジット)。

Claude Desktop

GitHub Releases ページから最新の .mcpb バンドルをダウンロードし、ダブルクリックして Claude Desktop にインストールします。セットアップ中に FutureSearch API キーの入力を求められます。バンドルのインストール後は、Claude Desktop 内の Chat、Cowork、Code から FutureSearch を利用できます。

Cursor

Cursor を開く前に、ターミナルのシェルで環境変数を設定してください。その後、シェルから Cursor を開き直す必要がある場合があります。または、"${env:FUTURESEARCH_API_KEY}" をハードコードする代わりに、Cursor の設定に API キーを直接ハードコードすることもできます。

export FUTURESEARCH_API_KEY=your_key_here
手動設定

上記のようにシェル環境に API キーを設定するか、以下の設定に直接ハードコードしてください。環境変数の展開方法は MCP クライアントによって異なる場合があります。

export FUTURESEARCH_API_KEY=your_key_here

これを MCP 設定に追加してください。uv がインストールされている場合:

{
  "mcpServers": {
    "futuresearch": {
      "command": "uvx",
      "args": ["futuresearch-mcp"],
      "env": {
        "FUTURESEARCH_API_KEY": "${FUTURESEARCH_API_KEY}"
      }
    }
  }
}

または、pip でインストールし(できれば venv 内に)、uvx の代わりに "command": "futuresearch-mcp" を使用してください。

ワークフロー

すべての操作は非同期パターンに従います。

  1. 開始 - futuresearch_agent などの操作ツールを呼び出して、タスクを開始します。タスク ID を返してすぐに終了します。
  2. 監視 - futuresearch_progress(task_id) を繰り返し呼び出して、ステータスを確認します。ポーリング頻度を抑えるため、ツールは約12秒間ブロックします。
  3. 取得 - 完了したら、futuresearch_results(task_id, output_path) を呼び出して、結果を CSV に保存します。

利用可能なツール

futuresearch_forecast

未来に関する質問を予測します。5つのモードがあります。二値確率、数値パーセンタイル、日付パーセンタイル、カテゴリ別(指定された結果ごとに1つの確率)、しきい値指定(指定された各しきい値条件ごとに1つの確率)です。

Parameters:
- forecast_type: "binary", "numeric", "date", "categorical", or "thresholded"
- context: (optional) What is true for the whole call: facts about who is deciding and their situation, and any instructions that apply to every row.
- effort_level: (optional) "low" or "high" (default; required for categorical/thresholded)
- output_field: Name of the forecast quantity (required for numeric/date)
- units: Units of the forecast quantity (required for numeric)
- categories_field: Column with each row's outcomes as a JSON array of strings (required for categorical)
- thresholds_field: Column with each row's threshold conditions as a JSON array (required for thresholded)

例:「米国連邦準備制度理事会は2027年7月より前に利下げするでしょうか?」

futuresearch_decision

意思決定の結果を予測します。各選択肢で同じ結果を予測します。たとえば、「これに0ドル、30万ドル、または200万ドルを投資した場合、いつ出荷されますか?」などです。意思決定はユーザー自身のものでも、企業、規制当局、政府など、ほかの誰かのものでもかまいません。「もし」の内容が誰かの意思決定である場合は、condition を指定した futuresearch_forecast ではなく、このツールを使用してください。

入力には、質問(各行に結果を1つ)と、その行の選択肢を示す列が必要です。意思決定がユーザー自身のものである場合は、ユーザーについてすでにわかっている情報を context に入力してください。規模、予算、タイムライン、試したこと、何もしなかった場合に起きることなどです。予測ツールはこれらの情報を調べられません。

Parameters:
- data: Inline data as a list of row objects
- artifact_id: Alternatively, an artifact ID from a previous upload
- alternatives_field: Name of the column holding each row's alternatives as a JSON array
- forecast_type: "binary" (default), "numeric", or "date": the outcome type forecast under each alternative
- output_field: Name of the quantity being forecast (required for numeric and date)
- units: Units for the outcome (required for numeric)
- context: (optional) What is true for the whole call: facts about who is deciding and their situation, and any instructions that apply to every row.
- intervention: (optional) Intervention assumptions

data または artifact_id のどちらか一方を指定してください。両方は指定しないでください。

例:この README の冒頭にある意思決定の呼び出し。

futuresearch_multi_agent

並列で詳細な調査を行います。行ごとに複数の専門エージェントを割り当て、それぞれ異なる切り口から調査した後、結果を統合します。たとえば「ヨーロッパのAIスタートアップをすべて列挙する」など、各行のコストよりも網羅性や深さを重視する場合や、異なる情報源、地域、手法を並行して調査することで回答の質が高まる場合に使用してください。

Parameters:
- task: What to research per row.
- directions: (optional) Up to 6 explicit research angles. Each should be a detailed, self-contained brief, not a short title. Auto-generated from task if omitted.
- response_schema: (optional) Output structure for the synthesized result. Defaults to {"answer": string}.
- effort_level: (optional) "low" (3 agents per row), "medium" (4, default), "high" (2 frontier agents, deeper but slower).
futuresearch_agent

CSV の各行について、ウェブ調査エージェントを実行します。

Parameters:
- task: Natural language description of research task
- input_csv: Absolute path to input CSV
- response_schema: (optional) JSON schema for custom response fields

例:「この企業の最新の資金調達ラウンドと主な投資家を調べる」

futuresearch_browse_lists

有名な組織や項目をまとめた、利用可能な参照リスト(S&P 500、FTSE 100、国、大学など)を閲覧します。

Parameters:
- search: (optional) Search term to match list names
- category: (optional) Filter by category (e.g. "Finance", "Geography")
futuresearch_use_list

参照リストをセッションにインポートし、他の futuresearch ツールで使用できるように artifact_id を提供します。

Parameters:
- artifact_id: artifact_id from futuresearch_browse_lists results
futuresearch_upload_data

URL またはローカルファイルからデータをアップロードします。処理ツールで使用する artifact_id を返します。

Parameters:
- source: HTTP(S) URL (Google Sheets supported) or local CSV path (stdio mode only)
- session_id / session_name: (optional)
futuresearch_progress

実行中のタスクの進行状況を確認します。

Parameters:
- task_id: The task ID returned by an operation tool

ステータスを返すまで約12秒待機します。タスクが完了するまで繰り返し呼び出してください。

futuresearch_results

完了したタスクの結果を取得して保存します。

Parameters:
- task_id: The task ID of the completed task
- output_path: Full absolute path to output CSV file (must end in .csv)

futuresearch_progress がステータス「completed」を報告した後にのみ呼び出してください。

futuresearch_cancel

実行中のタスクをキャンセルします。

Parameters:
- task_id: Task ID to cancel
非推奨のツール

futuresearch_rank、futuresearch_classify、futuresearch_merge、futuresearch_dedupe は非推奨で、削除される予定です。現在は引き続き使用できます。

開発

cd futuresearch-mcp
uv sync
uv run pytest

MCP のレジストリへの公開について:

mcp-name: io.github.futuresearch/futuresearch-mcp

ライセンス

MIT - LICENSE.txt を参照してください

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

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。