🎲 FortunaMCP 服务器

FortunaMCP 是一个高级的 MCP 服务器，专门用于生成高质量的随机值。它利用了 Fortuna C 扩展，该扩展由 Storm 直接驱动——这是一个强大且线程安全的 C++ 随机数生成器引擎，优化了基于硬件的熵以实现高速运行。FortunaMCP 为各种人工智能应用提供了可靠的随机性。

大型语言模型在自然语言处理方面表现出色，但依赖于确定性算法，在需要真正的不可预测性时会显得不足。相比之下，FortunaMCP 提供了真实的随机性。这种能力使其在需要无偏、不可预测结果的关键场景中不可或缺，而大型语言模型的近似（幻觉）在这里是不够的。

FortunaMCP 完美适用于蒙特卡洛模拟、复杂系统建模与分析以及互动游戏机制等任务。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 服务器的创建者和维护者。
• 主机: 硅社会 – 欣然托管 FortunaMCP 服务器，并支持其使命：为人工智能代理提供世界级的随机值生成服务。硅社会正在构建大规模学习的未来。AI 动力的工作影子将学习带到工作发生的地方。跟随专业人士的实际操作，获得个性化指导，适应您的目标。加入候补名单。

参考部署: FortunaMCP Lite

• 骰子
• 随机范围
• 随机浮点数

工具概述

骰子

• 描述: 模拟投掷指定数量的骰子并返回它们的总和。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: 完美适用于角色扮演游戏、棋盘游戏或需要骰子机制的模拟。
• 触发词: "投掷三个六面骰子" 或 "投掷 3d6"
• 调用: Fortuna.dice(rolls=3, sides=6)

随机范围

• 描述: 返回从自定义范围内选择的随机整数。参数受整数限制（-9223372036854775807 到 9223372036854775807），步长必须是非零。
• 使用场景: 理想用于需要非标准步长或区间的自定义区间采样或模拟。
• 触发词: "从 10 到 100 中每隔 5 选一个数"
• 调用: Fortuna.random_range(start=10, stop=100, step=5)

随机浮点数

• 描述: 在半开区间 [下限, 上界) 内生成均匀分布的随机浮点数。两个边界都在浮点数限制内，即 -1.7976931348623157e+308 到 1.7976931348623157e+308。
• 使用场景: 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。
• 触发词: "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)

三角分布变量

• 描述: 从由下限、上限和众数组成的三角分布中抽样随机浮点数。
• 使用场景: 适用于项目管理估算、风险分析或结果最可能围绕中心值的任何场景。
• 触发词: "模拟一个最可能值为 50 的结果，范围从 10 到 100"
• 调用: Fortuna.triangular(lower_limit=10.0, upper_limit=100.0, mode=50.0)

伯努利分布变量

• 描述: 执行伯努利试验，根据提供的成功概率返回布尔结果。
• 使用场景: 适用于二元决策，如模拟硬币翻转、开关事件或成功/失败结果。
• 触发词: "模拟一枚有 70% 正面几率的硬币翻转"
• 调用: Fortuna.bernoulli_variate(ratio_of_truth=0.7)

二项分布变量

• 描述: 返回固定次数伯努利试验中的成功次数，模拟二项分布。
• 使用场景: 对统计模拟、质量控制过程和需要确定成功率的实验非常有用。
• 触发词: "确定 20 次硬币翻转中有多少次正面，每次正面几率为 50%"
• 调用: Fortuna.binomial_variate(number_of_trials=20, probability=0.5)

负二项分布变量

• 描述: 计算在一系列伯努利试验中达到目标成功次数前的失败次数。
• 使用场景: 应用于可靠性工程、风险评估和跟踪成功前的失败次数至关重要的场景。
• 触发词: "计算在每次试验成功率为 40% 的情况下，达到 5 次成功前的失败次数"
• 调用: Fortuna.negative_binomial_variate(number_of_trials=5, probability=0.4)

几何分布变量

• 描述: 确定首次成功前的失败次数，遵循几何分布。
• 使用场景: 适用于客户获取或质量测试等过程中的等待时间和首次出现事件的建模。
• 触发词: "在 25% 成功几率的情况下，首次成功前有多少次失败？"
• 调用: Fortuna.geometric_variate(probability=0.25)

泊松分布变量

• 描述: 从泊松分布生成一个随机整数，特征是预期发生的平均数（λ）。
• 使用场景: 对于随时间模拟罕见事件（如系统故障、网络流量或客户到达）至关重要。
• 触发词: "模拟在一个区间内的事件数，平均为 4 个事件"
• 调用: Fortuna.poisson_variate(mean=4.0)

贝塔分布变量

• 描述: 使用两个正形状参数从 [0, 1] 区间上的贝塔分布中抽取随机浮点数。
• 使用场景: 广泛应用于贝叶斯统计、比例建模和需要模拟概率的任何场景。
• 触发词: "生成具有形状参数 2 和 5 的随机概率"
• 调用: Fortuna.beta_variate(alpha=2.0, beta=5.0)

帕累托分布变量

• 描述: 从帕累托分布返回一个随机浮点数，适合建模重尾现象。输出总是大于或等于 1。
• 使用场景: 在经济学、保险和观察到幂律行为的风险管理中很有用。
• 触发词: "生成具有形状参数 1.5 的帕累托分布值"
• 调用: Fortuna.pareto_variate(alpha=1.5)

冯·米塞斯分布变量

• 描述: 产生一个来自冯·米塞斯分布的随机角度，适用于圆周或方向数据。
• 使用场景: 常见于气象学、导航和涉及角度或周期性现象的应用。
• 触发词: "生成一个具有 0 弧度均值和 1.0 集中度的随机角度"
• 调用: Fortuna.vonmises_variate(mu=0.0, kappa=1.0)

指数分布变量

• 描述: 从由速率参数定义的指数分布生成一个随机浮点数，模拟独立事件之间的时间。
• 使用场景: 对于模拟寿命、系统故障和排队模型中的到达时间至关重要。
• 触发词: "模拟下一个事件的时间，速率为 0.5"
• 调用: Fortuna.exponential_variate(lambda_rate=0.5)

伽玛分布变量

• 描述: 从伽玛分布返回一个随机浮点数，由形状和尺度参数决定。
• 使用场景: 用于建模等待时间、可靠性分析和各种连续过程。
• 触发词: "生成具有形状 2.0 和尺度 3.0 的伽玛变量"
• 调用: Fortuna.gamma_variate(shape=2.0, scale=3.0)

威布尔分布变量

• 描述: 从威布尔分布中抽样一个随机浮点数，该分布模拟直到故障或事件的时间。
• 使用场景: 广泛应用于生存分析、可靠性工程和故障率估计。
• 触发词: "模拟具有威布尔参数形状 1.5 和尺度 100.0 的故障时间"
• 调用: Fortuna.weibull_variate(shape=1.5, scale=100.0)

正态分布变量

• 描述: 从由均值和标准差定义的正态（高斯）分布生成一个随机浮点数。
• 使用场景: 统计建模、质量控制和需要钟形曲线行为的模拟的基础。
• 触发词: "生成一个具有均值 0 和标准差 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: 从一个由潜在正态分布派生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、股票价格模拟和结果呈乘法关系的场景。
• 触发词: "生成一个具有对数均值 0 和对数偏差 1 的对数正态变量"
• 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（古贝尔）分布中抽样一个随机浮点数，用于建模最大值或最小值。
• 使用场景: 适用于风险评估、极端天气预测和工程中的应力测试。
• 触发词: "模拟一个具有位置 0 和尺度 1.0 的极端事件"
• 调用: Fortuna.extreme_value_variate(location=0.0, scale=1.0)

卡方分布变量

• 描述: 根据自由度从卡方分布生成一个随机浮点数。
• 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: "生成一个具有 5 个自由度的卡方变量"
• 调用: Fortuna.chi_squared_variate(degrees_of_freedom=5.0)

科西分布变量

• 描述: 从一个具有重尾特征的科西分布返回一个随机浮点数。
• 使用场景: 用于鲁棒统计分析、信号处理和预期存在异常值的场景。
• 触发词: "生成一个具有位置 0 和尺度 1.0 的科西变量"
• 调用: Fortuna.cauchy_variate(location=0.0, scale=1.0)

费舍尔 F 分布变量

• 描述: 从由两组自由度定义的费舍尔 F 分布中抽取一个随机浮点数。
• 使用场景: 应用于方差分析、方差分析和比较统计模型。
• 触发词: "生成一个具有 5 和 10 自由度的费舍尔 F 变量"
• 调用: Fortuna.fisher_f_variate(degrees_of_freedom_1=5.0, degrees_of_freedom_2=10.0)

学生 t 分布变量

• 描述: 根据指定的自由度从学生 t 分布生成一个随机浮点数。
• 使用场景: 小样本统计分析、置信区间估计和假设检验的核心。
• 触发词: "生成一个具有 10 个自由度的学生 t 变量"
• 调用: Fortuna.student_t_variate(degrees_of_freedom=10.0)