Random Number

Servidor MCP Random Number

Utilitários essenciais de geração de números aleatórios da biblioteca padrão do Python, incluindo operações pseudorrandômicas e criptograficamente seguras para inteiros, floats, seleções ponderadas, embaralhamento de listas e geração de tokens seguros.

Procurando a versão de habilidade de agente? random-number-skills implementa a mesma estratégia de geração de números aleatórios como uma habilidade de agente em vez de um servidor MCP.

Vídeo de Demonstração

https://github.com/user-attachments/assets/303a441a-2b10-47e3-b2a5-c8b51840e362

Ferramentas

Ferramenta	Finalidade	Função Python
random_int	Gerar inteiros aleatórios	random.randint()
random_float	Gerar floats aleatórios	random.uniform()
random_choices	Escolher itens de uma lista (pesos opcionais)	random.choices()
random_shuffle	Retornar uma nova lista com itens embaralhados	random.sample()
random_sample	Escolher k itens únicos da população	random.sample()
secure_token_hex	Gerar tokens hexadecimais criptograficamente seguros	secrets.token_hex()
secure_random_int	Gerar inteiros criptograficamente seguros	secrets.randbelow()

Configuração

Claude Desktop

Adicione isto ao seu arquivo de configuração do Claude Desktop:

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "random-number": {
      "command": "uvx",
      "args": ["random-number-mcp"]
    }
  }
}

Referência de Ferramentas

random_int

Gere um inteiro aleatório entre low e high (inclusive).

Parâmetros:

• low (int): Limite inferior (inclusive)
• high (int): Limite superior (inclusive)

Exemplo:

{
  "name": "random_int",
  "arguments": {
    "low": 1,
    "high": 100
  }
}

random_float

Gere um float aleatório entre low e high.

Parâmetros:

• low (float, opcional): Limite inferior (padrão: 0.0)
• high (float, opcional): Limite superior (padrão: 1.0)

Exemplo:

{
  "name": "random_float",
  "arguments": {
    "low": 0.5,
    "high": 2.5
  }
}

random_choices

Escolha k itens de uma população com reposição, opcionalmente ponderados.

Parâmetros:

• population (lista): Lista de itens para escolher
• k (int, opcional): Número de itens para escolher (padrão: 1)
• weights (lista, opcional): Pesos para cada item (padrão: pesos iguais)

Exemplo:

{
  "name": "random_choices",
  "arguments": {
    "population": ["red", "blue", "green", "yellow"],
    "k": 2,
    "weights": [0.4, 0.3, 0.2, 0.1]
  }
}

random_shuffle

Retorne uma nova lista com itens em ordem aleatória.

Parâmetros:

• items (lista): Lista de itens para embaralhar

Exemplo:

{
  "name": "random_shuffle",
  "arguments": {
    "items": [1, 2, 3, 4, 5]
  }
}

random_sample

Escolha k itens únicos da população sem reposição.

Parâmetros:

• population (lista): Lista de itens para escolher
• k (int): Número de itens para escolher

Exemplo:

{
  "name": "random_sample",
  "arguments": {
    "population": ["a", "b", "c", "d", "e"],
    "k": 2
  }
}

secure_token_hex

Gere um token hexadecimal aleatório criptograficamente seguro.

Parâmetros:

• nbytes (int, opcional): Número de bytes aleatórios (padrão: 32)

Exemplo:

{
  "name": "secure_token_hex",
  "arguments": {
    "nbytes": 16
  }
}

secure_random_int

Gere um inteiro aleatório criptograficamente seguro abaixo de upper_bound.

Parâmetros:

• upper_bound (int): Limite superior (exclusivo)

Exemplo:

{
  "name": "secure_random_int",
  "arguments": {
    "upper_bound": 1000
  }
}

Considerações de Segurança

Este pacote fornece tanto funções pseudorrandômicas padrão (adequadas para simulações, jogos, etc.) quanto funções criptograficamente seguras (adequadas para tokens, chaves, etc.):

• Funções padrão (random_int, random_float, random_choices, random_shuffle): Usam o módulo random do Python - rápidas, mas não criptograficamente seguras
• Funções seguras (secure_token_hex, secure_random_int): Usam o módulo secrets do Python - mais lentas, mas criptograficamente seguras

Desenvolvimento

Pré-requisitos

• Python 3.10+
• Gerenciador de pacotes uv

Configuração

# Clone the repository
git clone https://github.com/example/random-number-mcp
cd random-number-mcp

# Install dependencies
uv sync --dev

# Run tests
uv run pytest

# Run linting
uv run ruff check --fix
uv run ruff format

# Type checking
uv run mypy src/

Configuração do Cliente MCP

{
  "mcpServers": {
    "random-number-dev": {
      "command": "uv",
      "args": [
        "--directory",
        "<path_to_your_repo>/random-number-mcp",
        "run",
        "random-number-mcp"
      ]
    }
  }
}

Nota: Substitua <path_to_your_repo>/random-number-mcp pelo caminho absoluto para o seu repositório clonado.

Compilação

# Build package
uv build

# Test installation
uv run --with dist/*.whl random-number-mcp

Lista de Verificação de Lançamento

1. Atualizar Versão:

   • Incremente o número version em pyproject.toml, src/random_number_mcp/__init__.py e server.json.

2. Atualizar Changelog:

   • Adicione uma nova entrada em CHANGELOG.md para o lançamento.

     • Rascunhe notas com agente de codificação usando contexto git diff.

     Update the @CHANGELOG.md for the latest release.
     List all significant changes, bug fixes, and new features.
     Here's the git diff:
     [GIT_DIFF]
     

   • Faça commit junto com quaisquer outras alterações pendentes.

3. Criar Lançamento no GitHub:

   • Rascunhe um novo lançamento na interface do GitHub.
     • Marque o lançamento usando a interface.
   • O fluxo de trabalho do GitHub compilará e publicará automaticamente o pacote no PyPI.

Testando com o MCP Inspector

Para explorar e/ou desenvolver este servidor, use o utilitário npm do MCP Inspector:

# Install MCP Inspector
npm install -g @modelcontextprotocol/inspector

# Run local development server with the inspector
npx @modelcontextprotocol/inspector uv run random-number-mcp

# Run PyPI production server with the inspector
npx @modelcontextprotocol/inspector uvx random-number-mcp

Registro MCP

mcp-name: io.github.zazencodes/random-number-mcp

Licença

Licença MIT - consulte o arquivo LICENSE para detalhes.