annual-series-forecast-mcp

# Annual Series Forecast MCP 年度时间序列预测 MCP (Model Context Protocol)。基于 ARIMA 与 Holt 指数平滑，对按年排列的序列做同比增速与水平值联合预测。 适用于含 `year`、`growth_rate`（同比增速%）及可选 `value`（水平绝对值）的年度数据，例如宏观经济指标、行业统计等。测试用例中的 GDP 等指标只是典型场景之一。 与 `time-series-forecast-mcp` 的区别：本服务面向「年度 + 增速/水平值」结构化输入，内置模型族选择与近年加权均值组合；后者面向原始数值序列，提供 AR/MA/ARIMA/GARCH/指数平滑等多种单模型。 ## 安装与运行 ### 方式一：uvx（推荐，无需手动安装） 需先安装 [uv](https://docs.astral.sh/uv/)： ```bash # 本地试跑（stdio MCP 服务） uvx annual-series-forecast-mcp ``` 发布到 PyPI 后，其他机器可直接用包名运行；未发布前可指定源码路径： ```bash uvx --from /path/to/annual-series-forecast-mcp annual-series-forecast-mcp ``` ### 方式二：pip 安装 ```bash pip install annual-series-forecast-mcp annual-series-forecast-mcp ``` ### 方式三：源码开发 ```bash cd annual-series-forecast-mcp pip install -e ".[test]" python -m annual_series_forecast_mcp ``` ### Cursor / Claude Desktop 配置（uvx） 配置文件路径示例： - Windows: `%USERPROFILE%\.cursor\mcp.json` - macOS/Linux: `~/.cursor/mcp.json` ```json { "mcpServers": { "annual-series-forecast": { "command": "uvx", "args": ["annual-series-forecast-mcp"] } } } ``` 若使用本地源码目录（未发布到 PyPI）： ```json { "mcpServers": { "annual-series-forecast": { "command": "uvx", "args": [ "--from", "C:/local/code/ai-base-3/annual-series-forecast-mcp", "annual-series-forecast-mcp" ] } } } ``` ### 使用 python -m 的配置示例 ```json { "mcpServers": { "annual-series-forecast": { "command": "python", "args": ["-m", "annual_series_forecast_mcp"] } } } ``` ### 工具列表 #### forecast_next_year 基于历史年度时间序列预测下一期。 **参数**: - `history`: 历史记录列表（按年份升序），每项含 `year`；有水平值时含 `value`，否则含 `growth_rate` - `confidence_level`: 置信水平，默认 0.95 - `use_trend_blend`: 是否在结构模型与近年加权均值间做组合，默认 true - `recent_window`: 近年加权均值窗口（年），默认 7 - `holdout_years`: 滚动交叉验证留出年数，默认 5 - `forecast_level`: 是否预测水平值；`null` 时根据最近一期是否有 `value` 自动判断 - `p`, `d`, `q`: 手动指定 ARIMA …