Predictalot

predictalot

1つのHTTPサービス、2種類のモデルファミリー、手間いらず。

• 基盤時系列 — ゼロショット予測モデル5種（chronos-2、timesfm-2.5、moirai-2、toto-1、sundial-base-128m）。コンテキストウィンドウを渡すと、分位点またはサンプルパスによる予測を取得できます。学習ステップは不要です。/v1/timeseries/<type>/ にモダリティ別のエンドポイントを6つ用意しています。
• モデルのライフサイクル — POST /v1/models/unload を呼び出すと、メモリ上の基盤モデルの重みとランタイムキャッシュがすべて解放されます。予測リクエストの本文で "unload": true を指定すると、そのモデルを使用した並行予測が完了した後に、モデルの終了がスケジュールされます。
• 表形式ML — 教師あり学習器9種（lightgbm、xgboost、hist-gbt、random-forest、logistic、mlp、svm-rbf、knn、naive-bayes）とメタ学習器3種（calibrated、stacking、diversified）。お客様が設計した特徴量で学習し、modelId でサーバー側に保存して、最新のスナップショットで予測します。/v1/tabular/ から利用できます。
• MCP — /mcp でストリーミング可能なHTTPツールを提供します。（FMタイプ、モデル）の組み合わせごとに名前付きツールを1つ用意し、タイプごとのアンサンブルと一覧表示にも対応しています。表形式のエンドポイントは、現時点ではHTTPのみです。

クイックスタート

docker run -d --name predictalot \
  -v $HOME/predictalot-models:/models \
  -e PREDICTALOT_AUTH_TOKENS=changeme \
  -p 8080:8080 \
  psyb0t/predictalot:latest

# Zero-shot FM forecast
curl -s http://localhost:8080/v1/timeseries/univariate/forecast \
  -H "Authorization: Bearer changeme" -H "Content-Type: application/json" \
  -d '{"model":"chronos-2","context":[[10,11,12,13,14,15,16,17,18,19,20]],"config":{"horizon":5}}' | jq

# Train + persist a tabular model on your own features
curl -s http://localhost:8080/v1/tabular/train \
  -H "Authorization: Bearer changeme" -H "Content-Type: application/json" \
  -d '{"modelId":"my-model","backend":"lightgbm","target":[[100,101,99,...]],
       "features":[{"rsi":[55,58,...],"macd":[0.3,0.4,...]}],
       "config":{"mode":"direction","horizon":3,"nEstimators":400}}' | jq

# Then forecast on the latest snapshot
curl -s http://localhost:8080/v1/tabular/forecast \
  -H "Authorization: Bearer changeme" -H "Content-Type: application/json" \
  -d '{"modelId":"my-model","features":[{"rsi":[58],"macd":[0.4]}]}' | jq

# Release all resident foundation-model memory when it is no longer needed
curl -s -X POST http://localhost:8080/v1/models/unload \
  -H "Authorization: Bearer changeme" | jq

ドキュメント

ドキュメント	内容
docs/timeseries.md	基盤時系列API。5モデルすべて（機能、モデルごとの特記事項、各モデルの推奨用途）、6種類すべての予測タイプ、weights と memberOverrides を指定できるタイプごとのアンサンブル、呼び出しごとの拡張用 extra、/models の一覧。
docs/tabular.md	表形式ML API。9バックエンドすべて（各バックエンドの推奨用途）、3つのモード（方向／値／分位点）、tier-1/2/3の設定項目、3つのメタ学習器（calibrated／stacking／diversified）、ストレージの構成。
docs/mcp.md	MCP ストリーミング可能HTTPサーバー：ツールの命名、引数、現在の対象範囲（FMのみ）。
docs/configuration.md	PREDICTALOT_* 環境変数の一覧。
docs/architecture.md	sundial向けマルチvenvサイドカーパターン、CPU版とCUDA版のイメージ、マルチステージビルド。
docs/accuracy.md	学術データセットと実世界のデータセットを使ったベンチマークのsMAPEとレイテンシ。性能が劣るモデルを含む、率直な所見。
docs/errors.md	エラー仕様：400／401／404／413／422／503の形式。

バージョンごとの変更点はCHANGELOG.mdに記載されています。

エージェントとの連携

スキルは、.agents/skills/ を読み込むエージェント（peenなど）で利用でき、以下のクライアントにもネイティブにインストールできます。

Claude Code

claude plugin marketplace add psyb0t/agents
claude plugin install predictalot@psyb0t

Claude CodeではpredictalotのURLと、認証が有効な場合はトークンの入力を求められます。トークンはOSのキーチェーンに保存されます。

Codex

codex plugin marketplace add psyb0t/agents
codex plugin add predictalot@psyb0t

マーケットプレイスからインストールすると、スキルは $predictalot:predictalot として呼び出されます。また、.agents/skills/ を含むリポジトリでは、インストールしなくてもCodexがスキルを自動的に認識し、$predictalot として呼び出せます。

OpenClaw

スキルはリリースごとにClawHubに公開されます。

openclaw skills install @psyb0t/predictalot

ローカルstdioに対応するMCPクライアントでは、@psyb0t/predictalotプラグインがpredictalotの/mcpエンドポイントにブリッジします。

openclaw plugins install clawhub:@psyb0t/predictalot

次に、PREDICTALOT_URL（サーバーで認証が必要な場合はPREDICTALOT_AUTH_TOKENSも）を設定してください。

ライセンス

コード：WTFPL（LICENSEを参照）。.agents/plugins/predictalot/内のMCPプラグインはMITライセンスです（独自のLICENSE）。 基盤モデルのライセンスは、それぞれの上流ライセンスに従います — chronos-2 / timesfm-2.5 / toto-1 / sundial-base-128m：Apache 2.0、moirai-2：CC-BY-NC-4.0（非商用）。表形式データのバックエンドは、それぞれの上流ライセンスに従います — lightgbm / xgboost / scikit-learn：寛容なライセンスです。商用利用の前に、それぞれ確認してください。