Ephemeris Time-Series Forecasting

Ephemeris MCP サーバー：AI エージェント向け時系列基盤モデル（TSFM）による予測

Claude、Cursor、ChatGPT、または任意の MCP クライアントで、売上、需要、在庫、ウェブトラフィック、登録数、収益、エネルギー負荷、価格、センサーの測定値、インフラ指標などの数値時系列を予測区間付きで予測できるようにします。

Ephemeris は、オープンウェイトのゼロショット時系列基盤モデル（TSFM）群と、それらを精度に応じて重み付けしたアンサンブルを、1 つの API キーで利用できるようにします。

モデル	公開元	名前での指定
Chronos-2	Amazon	chronos2
TimesFM 2.5	Google Research	timesfm25
Toto 2	Datadog	toto2-313m
TiRex-2	NXAI	tirex2
PatchTST-FM r2	IBM Granite	patchtst-fm-r2
FlowState r1	IBM Granite	flowstate-r1

過去のデータを送信すると、分位点予測が返されます。トレーニング、特徴量エンジニアリング、GPU は不要です。モデルを指定するか、Ephemeris にデータに最適なモデルへのルーティングを任せるか、モデル群を精度に応じて重み付けしたブレンドであるアンサンブルを利用できます。

• TIME：リーダーボード最上位と同等の成績（MASE 0.639、首位は 0.638）で、31 モデル中、平均 MASE 順位が最高
• GIFT-Eval：季節ナイーブモデルを相手に CRPS 0.4662 を達成し、ブレンド対象のすべてのモデルを上回ります（TimesFM-3 を含む一部のリーダーボード掲載モデルは、これより高いスコアを記録しています）

各ベンチマーク独自の評価ハーネスを使用してスコアを算出しています。詳細：ephemeris.cascade.industries/benchmarks。

ツール

ツール	説明
get_version	公開ホストサーバーのバージョン、null 許容のビルドコミット、対応するアーティファクトスキーマを取得します。キーも推論も不要です
forecast	1 回の呼び出しで 1～64 系列を予測します。route、ensemble、explicit の各モード、任意の分位点、オプションの共変量に対応し、最大 4096 サンプリングステップ先まで予測できます（稼働中のモデル制限および出力値 120,000 個の上限に従います）
describe_forecast	保存済みアーティファクトを決定論的に解釈します。新たな推論は行いません
plot_forecast	保存済みアーティファクトから、デフォルトでインライン PNG を生成します。オプションで SVG も指定できます。新たな推論は行いません
list_models	稼働中のモデル群のヘルス状態、機能、予測期間の上限、アンサンブルの重み、価格を取得します
get_balance	利用可能なクレジットを取得します
get_usage	最近のリクエストと、それぞれの料金を取得します

API キーを取得する

ターミナルから取得するのが最も簡単です。

npx ephemeris-mcp login

ブラウザーで Ephemeris が開きます。サインイン（または新規登録）し、ページに表示されたコードがターミナルのコードと一致することを確認して、承認してください。キーは ~/.config/ephemeris/credentials に保存され、読み取れるのはあなただけです。下記の stdio ブリッジはこのキーを使用するため、MCP の設定にキーを含める必要はありません。Ephemeris CLI（ephemeris auth login）と savetokens も同じファイルを共有します。npx ephemeris-mcp logout でキーを削除できます。キー自体は、ダッシュボードの API キーページで取り消してください。

または、ephemeris.cascade.industries で新規登録し、ダッシュボードでキー（pc_live_...）を作成してください。サブスクリプションはなく、予測ごとの従量課金です：料金。

接続

リモートサーバー（Streamable HTTP）：https://ephemeris.cascade.industries/api/mcp、ヘッダー Authorization: Bearer pc_live_...

Claude Code（プラグイン：MCP サーバーと予測スキル）

/plugin marketplace add TensorLink-AI/ephemeris-mcp
/plugin install ephemeris@ephemeris

API キーを一度だけ求められます。キーはシステムの安全な認証情報ストアに保存されます。

Claude Code（サーバーのみ）

claude mcp add --transport http ephemeris https://ephemeris.cascade.industries/api/mcp \
  --header "Authorization: Bearer pc_live_your_key"

Cursor：からワンクリックで追加し、Cursor の MCP 設定で YOUR_EPHEMERIS_API_KEY を自分のキーに置き換えます。または、手動で追加します。

Cursor（.cursor/mcp.json）とほとんどのクライアント

{
  "mcpServers": {
    "ephemeris": {
      "url": "https://ephemeris.cascade.industries/api/mcp",
      "headers": { "Authorization": "Bearer pc_live_your_key" }
    }
  }
}

VS Code（.vscode/mcp.json）

{
  "servers": {
    "ephemeris": {
      "type": "http",
      "url": "https://ephemeris.cascade.industries/api/mcp",
      "headers": { "Authorization": "Bearer pc_live_your_key" }
    }
  }
}

Claude Desktop など、ローカル（stdio）サーバーのみを実行するクライアント

npx ephemeris-mcp login の実行後、設定ファイルにキーを記述する必要はありません。

{
  "mcpServers": {
    "ephemeris": {
      "command": "npx",
      "args": ["-y", "ephemeris-mcp"]
    }
  }
}

または、"env": { "EPHEMERIS_API_KEY": "pc_live_your_key" } でキーを明示的に渡せます。このキーは保存済みのキーより優先されます。

Claude Code（保存済みのキーを使用）：claude mcp add ephemeris -- npx -y ephemeris-mcp

OpenAI Responses API、Anthropic Messages API、Codex、Gemini CLI：ドキュメントを参照してください。

試してみる

接続したら、次のように尋ねてください。

• 「過去 18 か月分の売上データです。80% 区間で今後 6 か月を予測してください。」
• 「この CSV から来週の時間別トラフィックを予測し、実際のピーク分布を断定せずに、予測値の中央値が最も高いステップを特定してください。」
• 「アンサンブルを使って今後 90 日間の日別登録数を予測し、中央値と 10～90 パーセンタイルの範囲をプロットしてください。」

詳しくはexamples/prompts.mdを参照してください。MCP を使わない場合も、REST 呼び出し 1 回で同じ予測ができます：examples/rest_forecast.py。

ガイド

• Claude、Cursor、その他の AI エージェントに予測ツールを使わせる方法：各クライアントのセットアップ
• LangChain、OpenAI Agents SDK、Claude API での予測
• 言語モデルが数値予測を苦手とする理由と効果的な役割分担
• どの時系列基盤モデルを使うべきか？
• Chronos-2、TimesFM 2.5、Toto 2、TiRex-2 の比較
• チュートリアル：店舗の売上、電力負荷と太陽光発電、運用キャパシティ、センサーと IoT
• すべてのガイド

リファレンス

• LLM 向けの完全なリファレンス：llms-full.txt
• API ドキュメント：ephemeris.cascade.industries/docs
• OpenAPI：openapi-m1.json
• ステータス：ephemeris.cascade.industries/status

このリポジトリのコード（プラグインマニフェスト、スキル、stdio ブリッジ）は MIT ライセンスです。各モデルにはそれぞれ独自のライセンスがあり、モデルのページに記載されています。

保存済みの予測と更新

有料の MCP forecast を送信する前に、idempotency_key を保持してください。結果が不確かな場合は、サーバーの保持期間内に同じキーを使って、入力を一切変更せずに再試行してください。新しいキーや期限切れのキーを使うと、再度課金されることがあります。予測にはデフォルトで ephemeris.forecast v1 アーティファクトが含まれます。アーティファクトには、送信した入力履歴、レスポンス、課金情報、指定したローカルコンテキストが含まれます。クライアント側で非公開に保存してください。埋め込まれた URN は永続的なダウンロードリンクでも、ホストされたストレージでもありません。

保存済みオブジェクト全体を artifact として describe_forecast または plot_forecast に渡してください。どちらもローカルパスや URL は受け付けません。プロットの形式はデフォルトで PNG です。SVG を使うには format: "svg" を指定してください。これらの認証が必要なツールは推論を実行せず、新しい予測に対する課金もありません。指定したローカルラベルの修正や結果のプロットに、予測を再実行する必要はありません。アーティファクト入力の上限は 1 MiB です。それより大きなローカルアーティファクトには CLI を使用してください。artifact_status が unavailable の場合は、再実行に課金するのではなく、成功した生の結果と元のリクエストを保持してください。

単位、タイムゾーン、対象の定義、測定上の意味が分かっている場合は、context に指定してください。コンテキストはホストされたサービスに届きますが、モデル入力には送信されません。不明な定義は確認し、推測しないでください。ホライズンはサンプリングステップ数を表します。分位帯は名目上の周辺区間であり、較正されたカバレッジ、累積区間、経路確率、実際のピーク分布を示すものではありません。観測された売上と潜在需要を区別し、既知の将来入力とシナリオ上の仮定を区別してください。末尾が _mc の課金額はミリクレジットです（1000 mc = 1 credit）。

ホストされた MCP の更新は中央でデプロイされます。クライアントがツール一覧をキャッシュしている場合は、再接続するか、新しい会話を開始してください。既存の npm ブリッジは新しいツールを転送します。ブリッジ自体に変更がある場合に限り、ブリッジパッケージの更新が必要です。クライアントのトランスポート対応状況や画像・添付ファイルの表示方法は異なります。ホストされたエンドポイントは Streamable HTTP を使用します。SSE のみをサポートするクライアントには、互換性のあるトランスポート対応が必要です。

バージョン診断：MCP の get_version に {} を指定すると、API キーや推論の課金なしで、ホストされたサーバーのバージョン、NULL 許容のビルドコミット、サポートされている予測スキーマが報告されます。ephemeris-mcp --version は、インストール済みの npm ブリッジのバージョンをオフラインで報告するもので、リモートサーバーのバージョンではありません。スタンドアロン CLI では、ephemeris --version または ephemeris version --json を使用してください。これらのバージョンはそれぞれ独立しています。