$ loading_
帮助分析时间序列中的因果依赖关系，支持因果发现研究与数据分析。
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.nexus-mcp-infra/transfer-entropy-api-sdk" MCP 服务： 执行：claude mcp add --transport http 'io-github-nexus-mcp-infra-transfer-entropy-api-sdk' 'https://test.railway.app'
请用该工具检测网站流量与转化率这两组时间序列之间是否存在因果依赖，并总结主要发现。
返回因果依赖检测结果，并给出简要结论说明两组指标可能的影响关系。
请检测温度、湿度和压力三组时间序列之间的因果依赖关系，并指出哪些变量可能相互影响。
输出各时间序列之间的因果依赖分析结果，便于进一步排查系统行为。
我有一组实验观测时间序列，请使用该工具检测变量之间的因果依赖，并整理成适合研究汇报的摘要。
提供因果依赖检测结果，并生成面向研究汇报的简要摘要。
数据分析师在观察流量、留存、转化等时间序列时，可用它识别潜在因果依赖，辅助判断指标之间的影响关系。
研究人员在处理实验或观测数据时，可用它检测时间序列变量之间的因果依赖，作为后续分析的参考依据。
开发者或数据团队在分析多路监测数据时，可借助它查看不同序列间是否存在依赖关系，帮助定位异常关联。
它用于检测时间序列中的因果依赖关系。根据名称看，它是一个 Transfer Entropy API SDK 形式的 MCP 工具。
从描述可知，它面向时间序列数据。更具体的数据格式和输入要求，见源码仓库。
当前没有提供文档节选，因此无法确认安装步骤、依赖或认证方式。具体接入方法见源码仓库。
帮助 AI 精确进行时区换算、工作日计算和 Cron 解析。
实时分析 NPM 包的安全、依赖与风险情报，辅助选型与审查。
为 AI 代理提供依赖情报，支持漏洞扫描、健康检查与升级规划。
用于构建依赖图并分析变更影响、模拟与安全风险
帮助开发团队智能检查并更新项目依赖，降低维护成本与版本风险。
提供哈希计算、编码转换、JWT 解码与 UUID 生成功能，便于快速处理安全与开发任务