🚀 行為預測MCP服務器

行為預測MCP服務器提供了由人工智能驅動的工具，可用於分析錢包行為預測、欺詐檢測和跑路風險預測。這些工具能幫助開發者和平臺保障DeFi用戶安全，監控流動性風險，並對錢包或合約的可信度進行評分。

🚀 快速開始

若你想使用行為預測MCP服務器提供的工具，需要先獲取API密鑰。你可以通過訪問 https://chainaware.ai/pricing 訂閱可用的計劃來請求訪問權限。獲取API密鑰後，就可以根據服務器提供的工具和接口進行開發和集成。

✨ 主要特性

AI驅動：利用人工智能算法，在欺詐行為發生前進行預測，準確率約達98%。
多場景適用：可用於錢包行為分析、欺詐檢測、跑路風險預測等多個場景。
遵循MCP協議：所有工具都遵循 Model Context Protocol (MCP)，可通過兼容MCP的客戶端使用。

📦 安裝指南

本項目沒有明確的安裝步驟，開發者可根據自身需求，通過MCP協議將相關工具集成到自己的項目中。

💻 使用示例

基礎用法

以下是使用Node.js和Python調用服務器工具的示例代碼。

Node.js示例

import { MCPClient } from "mcp-client";

const client = new MCPClient("https://prediction.mcp.chainaware.ai/");

const result = await client.call("predictive_rug_pull", {
  apiKey: "your_api_key",
  network: "BNB",
  walletAddress: "0x1234..."
});

console.log(result);

Python示例

from mcp_client import MCPClient

client = MCPClient("https://prediction.mcp.chainaware.ai/")

res = client.call("chat", {"query": "What is the rug pull risk of 0x1234?"})
print(res)

高級用法

在實際應用中，你可以根據不同的需求調用不同的工具，並根據工具的輸入輸出要求進行參數設置。例如，使用預測欺詐檢測工具時，需要提供API密鑰、區塊鏈網絡和錢包地址等參數。

📚 詳細文檔

🔧 可用工具

1. 預測欺詐檢測工具

ID：predictive_fraud
描述：該人工智能驅動的算法可在欺詐活動發生前預測給定錢包地址發生欺詐的可能性（準確率約98%），並進行反洗錢檢查。當用戶需要對區塊鏈地址進行風險評估或提前預警時可使用此工具。
輸入參數： | 屬性 | 詳情 | |------|------| | apiKey | 用於身份驗證的API密鑰，必須提供 | | network | 區塊鏈網絡，可選值為 ETH, BNB, POLYGON, TON, BASE, TRON, HAQQ，必須提供 | | walletAddress | 要評估的錢包地址，必須提供 |
輸出結果（JSON格式）：

{
    "message": "string",              // 人類可讀的狀態消息
    "walletAddress": "string",        // 十六進制地址 
    "status": "Fraud",                // 欺詐狀態 (Fraud,Not Fraud,New Address)
    "probabilityFraud": "0.00–1.00",  // 十進制概率
    "token": "string",                // 
    "lastChecked": "ISO‑8601 timestamp",
    "forensic_details": {             // 深度取證分析
    /* ...其他指標... */
    },
    "createdAt": "ISO‑8601 timestamp", 
    "updatedAt": "ISO‑8601 timestamp"
}

錯誤情況：
- 403 Unauthorized：apiKey 無效
- 400 Bad Request：network 或 walletAddress 格式錯誤
- 500 Internal Server Error：臨時下游故障

2. 預測行為分析工具

ID：predictive_behaviour
描述：該人工智能驅動的引擎可預測錢包地址的意圖或下一步可能的操作，分析其過去的鏈上歷史，並提供個性化的行動建議。當你需要進行下一步最佳行動預測、風險承受能力和經驗評估、類別細分或根據歷史模式提供自定義建議時可使用此工具。
輸入參數： | 屬性 | 詳情 | |------|------| | apiKey | 用於身份驗證的API密鑰，必須提供 | | network | 區塊鏈網絡，可選值為 ETH, BNB, BASE, HAQQ，必須提供 | | walletAddress | 要評估的錢包地址，必須提供 |
輸出結果（JSON格式）：

{
    "message":           "string",                    // 例如 “Success” 或錯誤信息  
    "walletAddress":     "string",                    // 回顯輸入  
    "status":            "string",                    // 欺詐狀態 (Fraud,Not Fraud,New Address)  
    "probabilityFraud":  "0.00–1.00",                 // 十進制欺詐分數  
    "lastChecked":       "ISO‑8601 timestamp",        // 例如 “2025‑01‑03T16:19:13.000Z”  
    "forensic_details":  { /* 取證指標字典 */ },  
    "categories":        [ { "Category":"string", "Count":int }, … ],  
    "riskProfile":       [ { "Category":"string", "Balance_age":float }, … ],  
    "segmentInfo":       "JSON‑string of segment counts",  
    "experience":        { "Type":"Experience", "Value":int },  
    "intention":         {                              
    "Type":"Intentions",  
    "Value": { "Prob_Trade":"High", "Prob_Stake":"Medium", … }  
    },  
    "protocols":         [ { "Protocol":"string","Count":int }, … ],  
    "recommendation":    { "Type":"Recommendation", "Value":[ "string", … ] },  
    "createdAt":         "ISO‑8601 timestamp",  
    "updatedAt":         "ISO‑8601 timestamp"  
}

錯誤情況：
- 403 Unauthorized：apiKey 無效
- 400 Bad Request：network 或 walletAddress 格式錯誤
- 500 Internal Server Error：臨時下游故障

3. 預測跑路風險檢測工具

ID：predictive_rug_pull
描述：該人工智能驅動的引擎可預測哪些流動性池或合約未來可能會發生“跑路”風險。當你需要在用戶向風險池存款前發出警告或監控鏈上智能合約安全時可使用此工具。
輸入參數： | 屬性 | 詳情 | |------|------| | apiKey | 用於身份驗證的API密鑰，必須提供 | | network | 區塊鏈網絡，可選值為 ETH, BNB, BASE, HAQQ，必須提供 | | walletAddress | 智能合約或流動性池地址，必須提供 |
輸出結果（JSON格式）：

{
  "message": "Success",
  "contractAddress": "0x1234...",
  "status": "Fraud",
  "probabilityFraud": 0.87,
  "lastChecked": "2025-10-25T12:45:00Z",
  "forensic_details": { /* 鏈上指標字典 */ }, 
  "createdAt": "2025-10-25T12:45:00Z",
  "updatedAt": "2025-10-25T12:45:00Z"
}