Ephemeris MCP 是一个 MCP（Model Context Protocol）服务器，为 AI 智能体提供时间序列基础模型（TSFM）预测能力。它让 Claude、Cursor、ChatGPT 或任何 MCP 客户端能够对数值时间序列进行带预测区间的概率预测。

用途

Ephemeris 面向需要数值预测的 AI 工作流，典型对象包括：销售、需求、库存、网站流量、注册量、收入、能源负荷、价格、传感器读数、基础设施指标等。用户发送历史数据，即可获得分位数预测结果，无需训练、无需特征工程、无需 GPU。

主要能力

在一个 API 密钥背后运行一组开放权重、零样本的时间序列基础模型（TSFM），包括 Chronos-2、TimesFM 2.5、Toto 2、TiRex-2 和 IBM Granite 模型。
提供按准确度加权的集成（ensemble），即对上述模型面板进行加权融合。
支持三种使用方式：指定某个模型、让 Ephemeris 自动路由到最适合数据的模型、或使用集成。
返回分位数预测（quantile forecasts），即带预测区间的结果。
基准表现：在 TIME 基准上达到领先水平（MASE 0.639，榜首为 0.638），在 31 个模型中拥有最佳平均 MASE 排名；在 GIFT-Eval 上 CRPS 为 0.4662，优于其融合的每一个模型（部分榜单条目，包括 TimesFM-3，得分更好）。评分使用各基准自带的测试框架。
提供 describe_forecast 和 plot_forecast 工具，可对已保存的预测结果进行描述或绘图（默认 PNG，可指定 SVG），这两个工具不运行推理、不产生新预测费用。
预测默认包含 ephemeris.forecast v1 工件（artifact），内含提交的输入历史、响应、计费信息和提供的本地上下文。
提供版本诊断：MCP get_version 可报告托管服务器版本、可空的构建提交和支持的预测模式，无需 API 密钥或推理费用。

使用方式

快速开始（终端）

在终端运行登录命令，会在浏览器中打开 Ephemeris。登录（或注册）后，确认页面显示的代码与终端一致并批准。密钥保存到 ~/.config/ephemeris/credentials，仅本人可读，stdio 桥接会使用它，MCP 配置中无需放置密钥。Ephemeris CLI（ephemeris auth login）和 savetokens 共享同一文件。npx ephemeris-mcp logout 可删除该文件；密钥本身可在仪表盘的 API keys 页面撤销。

也可在 ephemeris.cascade.industries 注册并在仪表盘创建密钥（pc_live_...）。按预测次数计费，无订阅。

远程服务器（Streamable HTTP）

地址：https://ephemeris.cascade.industries/api/mcp，请求头 Authorization: Bearer pc_live_...

各客户端接入

Claude Code（插件：MCP 服务器加一个预测技能）：会要求输入一次 API 密钥，存储在系统安全凭据存储中。
Claude Code（仅服务器）：claude mcp add ephemeris -- npx -y ephemeris-mcp（使用已保存的密钥）。
Cursor：可一键安装，然后在 Cursor 的 MCP 设置中将 YOUR_EPHEMERIS_API_KEY 替换为你的密钥；或手动添加到 .cursor/mcp.json。
VS Code：添加到 .vscode/mcp.json。
Claude Desktop 及其他仅运行本地（stdio）服务器的客户端：先执行 npx ephemeris-mcp login，配置中无需密钥；也可通过 "env": { "EPHEMERIS_API_KEY": "pc_live_your_key" } 显式传入密钥，其优先级高于已保存的密钥。
OpenAI Responses API、Anthropic Messages API、Codex、Gemini CLI：参见文档。

使用示例

连接后可提出如下请求：

“这是我过去 18 个月的销售数据：…… 预测未来 6 个月，给出 80% 区间。”
“根据这个 CSV 预测下周每小时的流量，并找出中位数预测最高的步骤，但不要声称这是实际峰值分布。”
“使用集成预测未来 90 天的每日注册量；绘制中位数以及第 10 到第 90 百分位带。”

更多示例见 examples/prompts.md。不使用 MCP 时，同样的预测可通过一次 REST 调用完成：examples/rest_forecast.py。

保存的预测与更新

在提交付费 MCP 预测前保留一个 idempotency_key。若结果不确定，可在服务器保留期内用相同输入和该键重试；新键或过期键可能产生额外费用。将完整保存的对象作为 artifact 传给 describe_forecast 或 plot_forecast；两者都不接受本地路径或 URL。工件输入限制为 1 MiB，更大的本地工件请使用 CLI。若 artifact_status 为 unavailable，请保留原始成功结果和原始请求，而不是付费重跑。

上下文与计费说明

已知时，请在 context 中提供单位、时区、目标定义和测量语义。上下文会到达托管服务，但不会作为模型输入发送。缺失定义应询问，不要猜测。horizon 计数的是采样步数。分位数带是名义边际区间：它们不建立校准覆盖率、累积区间、路径概率或实际峰值分布。请区分观察到的销售与潜在需求，以及已知未来输入与情景假设。计费金额以 _mc 结尾表示毫厘积分（1000 mc = 1 credit）。

更新与诊断

托管 MCP 更新集中部署。若客户端缓存了工具列表，请重新连接或开启新对话。现有 npm 桥接会转发新工具；仅当桥接本身变更时才需更新桥接包。客户端传输支持和图像/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：MCP get_version 传 {} 可报告托管服务器版本、可空的构建提交和支持的预测模式，无需 API 密钥或推理费用。ephemeris-mcp --version 离线报告已安装的 npm 桥接版本，而非远程服务器版本。独立 CLI 使用 ephemeris --version 或 ephemeris version --json。这些版本相互独立。

适用场景

销售、需求、库存预测
网站流量、注册量、收入预测
能源负荷、价格预测
传感器读数、基础设施指标预测
在 LangChain、OpenAI Agents SDK 和 Claude API 中进行预测

限制

分位数带为名义边际区间，不建立校准覆盖率、累积区间、路径概率或实际峰值分布。
上下文会到达托管服务，但不会作为模型输入发送。
工件输入限制为 1 MiB。
客户端传输支持和图像/附件渲染能力各不相同；仅支持 SSE 的客户端需要兼容的传输支持。
按预测次数计费，无订阅；重试可能产生额外费用。
仓库中的代码（插件清单、技能和 stdio 桥接）为 MIT 许可；各模型保留其自身许可，详见各模型页面。

ephemeris-mcp

工具介绍

用途