FortunaMCP Server

🎲 FortunaMCP 服务

FortunaMCP 是一款先进的 MCP 服务，专用于生成高质量随机值。它采用 Fortuna C 扩展，该扩展由 Storm 直接驱动。Storm 是一款强大、线程安全的 C++ 随机数生成引擎，针对高速硬件熵进行了优化。FortunaMCP 为各类 AI 应用提供可靠的随机性。

大模型擅长自然语言处理，但依赖确定性算法，在需要真正不可预测性时就显得不足。相比之下，FortunaMCP 能提供真正的随机性。这项能力让它在需要无偏、不可预测结果的场景中不可或缺，而大模型的近似结果（幻觉）根本无法胜任。

FortunaMCP 非常适合蒙特卡洛模拟、复杂系统建模与分析，以及交互式游戏机制等任务。它不适用于区块链、安全或加密相关任务。

致谢

• 开发者： Robert Sharp——Fortuna、Storm 和 FortunaMCP 服务的创建者与维护者。
• 托管方： Silicon Society——自豪地托管 FortunaMCP 服务，并支持其为 AI Agent 提供世界一流随机值生成能力的使命。Silicon Society 正在构建规模化学习的未来。AI 驱动的跟岗学习将学习带到工作发生的地方。通过个性化指导，跟随专业人士实际工作，指导内容会根据你的目标进行调整。立即注册加入候补名单。

参考部署：FortunaMCP Lite

• 骰子
• 随机范围
• 随机浮点数

工具概览

骰子

• 描述： 模拟掷指定数量的骰子，并返回点数总和。支持标准 RPG 风格的骰子，面数为 {2, 4, 6, 8, 10, 12, 20, 30, 100}。
• 使用场景： 非常适合需要骰子机制的角色扮演游戏、桌游或模拟。
• 触发示例：“掷三个六面骰”或“掷 3d6”
• 调用： Fortuna.dice(rolls=3, sides=6)

随机范围

• 描述： 从自定义范围定义的序列中返回一个随机整数。参数受整数范围限制（-9223372036854775807 至 9223372036854775807），且步长必须非零。
• 使用场景： 适用于模拟，以及需要非标准步长或区间的自定义范围采样。
• 触发示例：“以 5 为步长，从 10 到 100 选择一个数字”
• 调用： Fortuna.random_range(start=10, stop=100, step=5)

随机浮点数

• 描述： 在半开区间 [lower_limit, upper_bound) 内生成均匀分布的随机浮点数。两个边界均在浮点数范围 -1.7976931348623157e+308 至 1.7976931348623157e+308 内。
• 使用场景： 可用于模拟、蒙特卡洛方法，或任何需要连续均匀随机性的场景。
• 触发示例：“生成一个介于 0.0 和 1.0 之间的随机浮点数”
• 调用： Fortuna.random_float(lower_limit=0.0, upper_bound=1.0)

三角分布随机变量

• 描述： 从由下限、上限和众数定义的三角分布中采样一个随机浮点数。
• 使用场景： 非常适合项目管理估算、风险分析，或结果最可能集中在某个中心值附近的场景。
• 触发示例：“模拟一个最可能值为 50、范围为 10 到 100 的结果”
• 调用： Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

伯努利随机变量

• 描述： 根据给定的成功概率执行伯努利试验，并返回布尔结果。
• 使用场景： 适用于二元决策，例如模拟抛硬币、开关事件或成功／失败结果。
• 触发语句： “模拟一次抛硬币，正面朝上的概率为 70%”
• 调用： Fortuna.bernoulli_variate(ratio_of_truth=0.7)

二项分布随机变量

• 描述： 返回固定次数的伯努利试验中的成功次数，用于模拟二项分布。
• 使用场景： 适用于统计模拟、质量控制流程，以及需要确定成功率的实验。
• 触发语句： “模拟抛 20 次硬币，每次正面朝上的概率为 50%，计算正面朝上的次数”
• 调用： Fortuna.binomial_variate(number_of_trials=20, probability=0.5)

负二项分布随机变量

• 描述： 计算一系列伯努利试验中，在达到目标成功次数之前的失败次数。
• 使用场景： 适用于可靠性工程、风险评估，以及跟踪成功前失败次数至关重要的场景。
• 触发语句： “每次试验成功率为 40%，计算取得 5 次成功前的失败次数”
• 调用： Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

几何分布随机变量

• 描述： 根据几何分布确定首次成功前的失败次数。
• 使用场景： 适用于对等待时间和首次发生事件建模，例如客户获取或质量测试流程。
• 触发语句： “成功率为 25%，首次成功前会失败多少次？”
• 调用： Fortuna.geometric_variate(probability=0.25)

泊松分布随机变量

• 描述： 从泊松分布中生成一个随机整数，该分布由预期发生次数（λ）定义。
• 使用场景： 适用于对一段时间内的稀有事件建模，例如系统故障、网络流量或客户到访。
• 触发语句： “模拟某个时间间隔内的事件次数，平均为 4 次”
• 调用： Fortuna.poisson_variate(mean=4.0)

Beta 分布随机变量

• 描述： 使用两个正形状参数，从区间 [0, 1] 上的 Beta 分布中抽取一个随机浮点数。
• 使用场景： 广泛用于贝叶斯统计、比例建模，以及需要模拟概率的各种场景。
• 触发语句： “使用形状参数 2 和 5 生成一个随机概率”
• 调用： Fortuna.beta_variate(alpha=2.0, beta=5.0)

Pareto 分布随机变量

• 描述： 从 Pareto 分布中返回一个随机浮点数，适用于对重尾现象建模。输出始终大于或等于 1。
• 使用场景： 适用于观察到幂律行为的经济学、保险和风险管理领域。
• 触发语句： “使用形状参数 1.5 生成一个符合 Pareto 分布的值”
• 调用： Fortuna.pareto_variate(alpha=1.5)

Von Mises 分布随机变量

• 描述： 从 Von Mises 分布中生成一个随机角度，适用于圆形或方向性数据。
• 使用场景： 常用于气象学、导航，以及涉及角度或周期性现象的应用。
• 触发语句： “生成一个均值为 0 弧度、集中参数为 1.0 的随机角度”
• 调用： Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

指数分布随机变量

• 描述： 根据速率参数定义的指数分布生成一个随机浮点数，用于模拟独立事件之间的间隔时间。
• 使用场景： 对寿命、系统故障以及排队模型中的到达间隔时间进行模拟时至关重要。
• 触发语句： “模拟速率为 0.5 时到下一事件发生前的时间”
• 调用： Fortuna.exponential_variate(lambda_rate=0.5)

伽马分布变量

• 描述： 返回一个由形状和尺度参数决定的伽马分布随机浮点数。
• 使用场景： 用于模拟等待时间、进行可靠性分析以及各种连续过程。
• 触发词： “生成一个形状参数为 2.0、尺度参数为 3.0 的伽马分布变量”
• 调用： Fortuna.gamma_variate(shape=2.0, scale=3.0)

威布尔分布变量

• 描述： 从威布尔分布中抽取一个随机浮点数，该分布用于描述发生故障或事件前的时间。
• 使用场景： 广泛用于生存分析、可靠性工程和故障率估算。
• 触发词： “使用形状参数 1.5 和尺度参数 100.0，通过威布尔分布模拟故障发生时间”
• 调用： Fortuna.weibull_variate(shape=1.5, scale=100.0)

正态分布变量

• 描述： 根据均值和标准差生成一个正态（高斯）分布随机浮点数。
• 使用场景： 是统计建模、质量控制以及需要钟形曲线行为的模拟的基础。
• 触发词： “生成一个均值为 0、标准差为 1 的正态分布值”
• 调用： Fortuna.normal_variate(mean=0.0, std_dev=1.0)

对数正态分布变量

• 描述： 从由底层正态分布导出的对数正态分布中抽取一个随机浮点数。
• 使用场景： 用于金融建模、股价模拟以及结果具有乘法特性的场景。
• 触发词： “生成一个对数均值为 0、对数偏差为 1 的对数正态分布变量”
• 调用： Fortuna.log_normal_variate(log_mean=0.0, log_deviation=1.0)

极值分布变量

• 描述： 从极值（Gumbel）分布中抽取一个随机浮点数，该分布用于模拟最大值或最小值。
• 使用场景： 适用于风险评估、极端天气预测和工程压力测试。
• 触发词： “使用位置参数 0 和尺度参数 1.0 模拟一个极端事件”
• 调用： Fortuna.extreme_value_variate(location=0.0, scale=1.0)

卡方分布变量

• 描述： 根据自由度生成一个卡方分布随机浮点数。
• 使用场景： 对假设检验、方差估计和拟合优度检验至关重要。
• 触发词： “生成一个自由度为 5 的卡方分布变量”
• 调用： Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

柯西分布变量

• 描述： 返回一个柯西分布随机浮点数，其特点是具有重尾。
• 使用场景： 适用于稳健统计分析、信号处理以及预期会出现异常值的场景。
• 触发词： “生成一个位置参数为 0、尺度参数为 1.0 的柯西分布变量”
• 调用： Fortuna.cauchy_variate(location=0.0, scale=1.0)

Fisher F 分布变量

• 描述： 从由两组自由度定义的 Fisher F 分布中抽取一个随机浮点数。
• 使用场景： 用于 ANOVA 检验、方差分析和统计模型比较。
• 触发词： “生成一个自由度为 5 和 10 的 Fisher F 分布变量”
• 调用： Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)

Student’s t 分布变量

• 描述： 根据指定的自由度生成一个 Student’s t 分布随机浮点数。
• 使用场景： 是小样本统计分析、置信区间估计和假设检验的重要组成部分。
• 触发词： “生成一个自由度为 10 的 Student’s t 分布变量”
• 调用： Fortuna.student_t_variate(degrees_of_freedom=10.0)