Ephemeris Time-Series Forecasting

Ephemeris MCP 服务：面向 AI Agent 的时间序列基础模型（TSFM）预测

让 Claude、Cursor、ChatGPT 或任何 MCP 客户端能够预测带有预测区间的数值时间序列：销售额、需求、库存、网站流量、注册量、收入、能源负荷、价格、传感器读数、基础设施指标。

Ephemeris 在一个 API 密钥后提供一组开源权重的零样本时间序列基础模型（TSFM），并提供由这些模型组成的准确度加权集成：

模型	发布方	按名称使用
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

发送历史数据，获取分位数预测。无需训练、特征工程或 GPU。指定模型，让 Ephemeris 为你的数据路由到最合适的模型，或使用集成，即对这组模型进行准确度加权融合：

• TIME：得分与排行榜榜首相当（MASE 为 0.639，榜首为 0.638），且在 31 个模型中平均 MASE 排名最佳
• GIFT-Eval：相较于季节性朴素基线，CRPS 为 0.4662，优于它所集成的所有模型（排行榜上有少数条目，包括 TimesFM-3，得分更高）

使用各基准测试自己的评测工具进行评分。详情：ephemeris.cascade.industries/benchmarks。

工具

工具	功能
get_version	公共托管服务版本、可为空的构建提交，以及支持的构件架构；无需密钥或推理
forecast	一次调用预测 1 到 64 个序列：支持 route、ensemble 或 explicit 模式，任意分位数、可选协变量，以及最多 4096 个采样步的预测范围（受实时模型限制和 120,000 个输出值的预算约束）
describe_forecast	对已保存构件进行确定性解读；不执行新的推理
plot_forecast	根据已保存构件生成内嵌 PNG，亦可选择 SVG；不执行新的推理
list_models	实时模型组：健康状态、能力、预测范围限制、集成权重、价格
get_balance	可用余额
get_usage	最近的请求及各自的费用

获取 API 密钥

最快的方法是在终端中运行：

npx ephemeris-mcp login

这会在浏览器中打开 Ephemeris。登录（或注册），确认页面显示的代码与你的终端一致，然后批准。密钥会保存到 ~/.config/ephemeris/credentials，且只有你本人可读取；下方的 stdio 桥接会使用该密钥，MCP 配置中无需包含密钥。Ephemeris CLI（ephemeris auth login）和 savetokens 共用同一个文件。运行 npx ephemeris-mcp logout 可删除该文件；如需撤销密钥本身，请前往控制面板的 API keys 页面。

或者，在 ephemeris.cascade.industries 注册，并在控制面板中创建密钥（pc_live_...）。按预测次数付费，无需订阅：定价。

连接

远程服务（Streamable HTTP）：https://ephemeris.cascade.industries/api/mcp，请求头 Authorization: Bearer pc_live_...

Claude Code（插件：MCP 服务和预测技能）

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

系统会要求你输入一次 API 密钥；该密钥会存储在系统的安全凭据库中。

Claude Code（仅服务）

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

Cursor：点击一次，然后在 Cursor 的 MCP 设置中将 YOUR_EPHEMERIS_API_KEY 替换为你的密钥。也可以手动添加：

Cursor（.cursor/mcp.json）和大多数客户端

{
  "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 和其他仅运行本地（stdio）服务的客户端

运行 npx ephemeris-mcp login 后，无需在配置中填写密钥：

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

或者使用 "env": { "EPHEMERIS_API_KEY": "pc_live_your_key" } 显式传递密钥；显式传递的密钥优先于已保存的密钥。

Claude Code，使用已保存的密钥：claude mcp add ephemeris -- npx -y ephemeris-mcp

OpenAI Responses API、Anthropic Messages API、Codex、Gemini CLI：请参阅文档。

试用

连接后，可以试着询问：

• “这是我过去 18 个月的销售数据：……预测未来 6 个月，并给出 80% 区间。”
• “根据此 CSV 预测下周每小时的流量，并找出中位数预测值最高的时间步，但不要声称这是实际峰值的分布。”
• “使用集成模型预测未来 90 天的每日注册量；绘制中位数以及第 10 至第 90 百分位区间。”

更多内容请参阅 examples/prompts.md。不使用 MCP 时，只需调用一次 REST 接口即可进行相同的预测：examples/rest_forecast.py。

指南

• 如何为 Claude、Cursor 或任何 AI Agent 提供预测工具：各客户端的设置方法
• 在 LangChain、OpenAI Agents SDK 和 Claude API 中进行预测
• 为什么语言模型不擅长预测数值，以及可行的分工方式
• 我应该使用哪种时间序列基础模型？
• Chronos-2 与 TimesFM 2.5、Toto 2 和 TiRex-2 的比较
• 教程：商店销售额、电力负荷和太阳能、运维容量、传感器和 IoT
• 所有指南

参考资料

• 面向大模型的完整参考资料：llms-full.txt
• API 文档：ephemeris.cascade.industries/docs
• OpenAPI：openapi-m1.json
• 状态：ephemeris.cascade.industries/status

此仓库中的代码（插件清单、技能和 stdio 桥接程序）采用 MIT 许可证。模型各自遵循其许可证，详情见各模型页面。

已保存的预测与更新

在提交付费的 MCP forecast 请求前，保留一个 idempotency_key。如果结果不确定，请在服务端保留期限内使用该键和完全相同的输入重试；使用新键或已过期的键可能会再次收费。默认情况下，预测包含一个 ephemeris.forecast v1 工件，其中包含已提交的输入历史、响应、计费信息和提供的本地上下文。请将其私下保存在客户端；其中嵌入的 URN 不是永久下载链接，也不代表托管存储。

将完整的已保存对象作为 artifact 传递给 describe_forecast 或 plot_forecast；二者都不接受本地路径或 URL。绘图默认使用 PNG；使用 format: "svg" 可生成 SVG。这些需要身份验证的工具不会运行推理，也不会为新预测收费。更正提供的本地标签或绘制结果不需要再次预测。工件输入上限为 1 MiB；较大的本地工件请使用 CLI。如果 artifact_status 为 unavailable，请保留原始成功结果和原始请求，而不要付费重新运行。

如果已知，请在 context 中提供单位、时区、目标定义和测量语义。上下文会传递给托管服务，但不会作为模型输入发送。对于缺失的定义，请先询问；不要猜测。预测范围按采样步数计算。分位数区间是名义边际区间：它们不能证明覆盖率经过校准，也不能说明累积区间、路径概率或实际峰值分布。请区分已观测销售额与潜在需求，以及已知未来输入与情景假设。以 _mc 结尾的计费金额单位为毫积分（1000 mc = 1 积分）。

托管 MCP 更新会集中部署。如果客户端缓存了工具列表，请重新连接或开始新的对话。现有 npm 桥接会转发新工具；只有桥接本身发生变化时，才需要更新桥接包。客户端的传输支持以及图像／附件渲染能力各不相同。托管端点使用 Streamable HTTP；仅支持 SSE 的客户端需要兼容的传输支持。

版本诊断：使用 {} 调用 MCP get_version，即可获取托管服务端版本、可为空的构建提交信息以及支持的预测架构，不需要 API 密钥，也不产生推理费用。ephemeris-mcp --version 会离线报告已安装的 npm 桥接版本，而不是远程服务端版本。对于独立 CLI，请使用 ephemeris --version 或 ephemeris version --json。这些版本彼此独立。