Prophet MCP Server

Prophet MCP服务器

使用Meta的Prophet进行SEO的统计流量预测。作为MCP服务器连接到Claude Desktop。

我用486天的真实GSC数据测试了Claude、ARIMA和Prophet。这三家公司在标题数字上的差距都在10%以内，但Prophet提供了最严格的置信区间（比ARIMA窄34%），并量化了其他公司都无法比拟的每周季节性。

完整的结果报告： 我测试了3种预测SEO流量的方法

Prophet forecast with confidence bands and weekly seasonality

Weekly seasonality decomposition

它做什么

连接后，Claude Desktop中提供了三个工具。

forecast_from_csv 读取CSV文件并自动检测日期和值列。适用于Google Search Console导出即用型。将其指向任何带有日期列和数字列的CSV。

预报图表 生成另存为HTML文件的交互式Plotly图表。包括历史数据、预测线、95%置信区间、趋势线和事件注释。在浏览器中自动打开。可缩放、可平移、可下载为PNG格式。

事件注释

这三个工具都接受事件注释。这些告诉Prophet可能影响您流量的已知事件：算法更新、网站迁移、内容启动、重定向，以及任何导致流量激增或下降的事件。

先知不只是把这些作为标记。它将它们视为统计模型中的特殊事件，通过防止模型将事件驱动的变化视为有机模式来提高预测准确性。

Forecast my daily clicks for the next 30 days using Prophet with these events:
- 2026-01-15: March core update (window_after: 14)
- 2026-02-20: site migration (window_before: 3, window_after: 21)
- 2026-03-01: new blog section launched (window_after: 7)

每个事件接受：

• 日期：发生的时间（YYYY-MM-DD）
• 标签：简短描述
• 窗前：事件可能产生影响的前几天（默认值：1）
• 窗口_之后：事件发生几天后，它可能会产生影响（默认值：3）

您还可以使用以下命令从CSV文件加载事件 events_csv 参数在 forecast_from_csvCSV需要 date 和 label 列，可选 window_before 和 window_after 柱。

交互式图表

这 forecast_chart 该工具使用Plotly生成交互式HTML图表。

Pull my daily clicks for the last 90 days and create a Prophet forecast chart for the next 30 days

该图表包括：

• 历史数据作为散点
• 带有阴影95%置信区间的预测线
• 整个范围内的虚线趋势线
• 带有标签的事件注释的红色垂直标记
• 使用精确值悬停工具提示
• 已另存为 prophet_forecast.html （或指定自定义路径）

输出示例

请Claude提取您的GSC数据，并使用Prophet进行预测。它自动锁住工具。

提取我过去90天的每日点击量，并使用Prophet预测未来30天

Prophet forecast output in Claude Desktop

你可以得到趋势方向、有上限和下限的每日预测，以及每周的季节性细分，准确显示哪些日子表现最佳。

示例提示

• “提取我过去90天的每日点击量，并使用Prophet预测未来30天”
• “使用Prophet从该CSV预测未来30天”
• “提取我过去90天的每日印象，并使用Prophet预测未来90天”
• “在过去90天内，每天只点击/博客/我的帖子/，并使用Prophet预测未来60天”
• “用这些事件预测我30天的点击量：2026-01-15的核心更新，2026-02-20的迁移”
• “为我未来60天的每日点击量创建一个Prophet预测图表”

在提示中包含“使用Prophet”，这样克劳德就可以将计算路由到MCP服务器，而不是估计数字本身。

设置

1.安装依赖项

pip3 install prophet mcp pandas plotly

2.克隆仓库

git clone https://github.com/Suganthan-Mohanadasan/prophet-mcp-server.git

3.添加到克劳德桌面

打开克劳德桌面设置，转到开发人员>编辑配置。

macOS

{
  "mcpServers": {
    "prophet-forecast": {
      "command": "python3",
      "args": ["/absolute/path/to/prophet-mcp-server/server.py"]
    }
  }
}

视窗

{
  "mcpServers": {
    "prophet-forecast": {
      "command": "python",
      "args": ["C:\\absolute\\path\\to\\prophet-mcp-server\\server.py"]
    }
  }
}

将路径替换为您克隆仓库的位置。保存文件并重新启动Claude Desktop。

4.验证

转到“设置”>“开发人员”。你应该看看 先知预言 佩戴跑步徽章。

Prophet server running in Claude Desktop

与其他MCP服务器配合使用

Prophet通过Claude与其他MCP服务器连接。如果您还连接了GSC MCP或BigQuery MCP，Claude会从一台服务器提取数据并将其传递给Prophet进行预测。一个提示，两个工具，无需手动处理数据。

需求

• Python 3.8+
• 无需GPU
• 适用于Mac、Windows和Linux
• 在典型的SEO数据集上运行不到2秒
• 所有数据都保留在您的机器上
• Plotly是可选的（仅需要 forecast_chart)

运作原理

Prophet将您的时间序列分解为趋势、每周季节性和每年季节性（365天以上的数据）。它以95%的置信区间向前预测这些成分。Meta的数据科学团队在自己的业务预测中使用了相同的方法。

添加事件注释时，Prophet会将它们作为额外的回归因子包含在模型中。这意味着算法更新带来的流量激增不会影响你的基线预测。该模型将事件的影响与有机趋势分开学习，为您提供更清晰的预测。

博客文章

Claude、ARIMA和Prophet与真实数据和结果的全面比较： 我测试了3种预测SEO流量的方法。以下是实际有效的方法。

许可证

Apache 2.0