如果你曾经玩过一个竞争性的TCG——Magic:The Construction, Pokémon, Lorcana——你知道这种感觉.
你花了三个小时整理名单 你在这里再增加一块地 把生物换成魔咒 然后游戏开始,在两个回合之内,你意识到你的甲板从根本上被打破了,因为你错过了你的第三次着陆或者只画出高成本的威胁.
传统的修补方法包括电子表格, 手动超几何计算, 祈祷你没有弄乱Excel中的公式。
更糟糕的是,问LLM '我的甲板好吗? ' 问一个LLM 你的甲板是否良好 是危险的领土。
多数模型会根据关键词产生一种自信的幻觉.
他们可能会告诉你有24个土地在60卡牌甲板上 感觉"平衡",因为他们在训练期间见过类似的文字.
但"感觉平衡"不是数学证据.
它没有说明击出Turn 3对Turn 4的具体差异.
我想弥补概率确定性与代理推理之间的差距。
这促使我开发出TCG Mana Curve分析器,一个MCP服务器,专门设计将组合数学的举重从模型的重量上移出,并进入一个定型引擎.
为什么标准LLMs在Deckbuilding Math Standard Large Language Models是预测引擎,而不是计算器.
虽然它们在算术上越来越好,但他们却与复杂的组合方法相搏,这些组合方法涉及没有替换的采样(这正是甲板上抽取的卡片).
当您询问 LLM 绘制一个特定的组合块的概率时, 它基本上是预测从它的训练数据来看哪些数字看起来是正确的。
它理解概率的概念,但缺乏高取量优化所需的精度.
在职业游戏中,一致性的5%差异是一级型和板凳手的区别.
TCG Mana Curve分析器通过通过 MCP 工具在引擎盖下使用超几何分布逻辑来解决这个问题.
与其让克洛德猜你是否会撞上你的第四次着陆,不如通过结构化的工具呼叫提供参数.
工具集: 从内向移入数据 服务器暴露出将任何AI代理转换为专业甲板建设顾问的三个主要切入点: 分析 开通 手: 这计算了在最初的7张卡片中看到特定组合的确切可能性.
如果运行了4个关键的功用咒语,你并不想怀疑它是否罕见;你想知道在开口器中完全有~40.2%的机会看到它.
知道你有72.4%的机会 在24块地上撞击第三次土地 改变你对这个特定配置的分量 优化 land count:这解决了甲板建设中最常见的错误——相对平均马纳值(AMV)和伦敦穆利根等穆利根规则的误差资源计算.
它通过计算维持曲线所需的理想密度来去除猜想工作.
真实世界应用:"伦敦穆利根因子"(The London Mulligan ein) A细节 被许多临时玩家所忽略的是具有攻击性的穆利根规则如何影响甲板数学.
与静态电子表格不同,使用这种工具说明这些制约因素,可能很容易迅速重复。
你可以请一个这样的特工: “用伦敦的Mulligan来计算一个60卡牌甲板的平均马纳值为3.2的最佳土地计数是什么?” 结果不仅仅是一个受过教育的猜测;它是一个被模拟结果所支撑的被计算出的建议(如迁移到26个地).
我如何看待MCP的部署 很多人谈论建立MCP服务器 作为个人自动化的小副项目。
这很好,直到你尝试分享它们 或者依赖它们 任何任务关键。
当我们建造温克修斯时 我们的目标是确保