API ВЕГА
English

Прогнозирование спроса

Прогнозирует спрос на каждый товар — при необходимости с разбивкой по регионам или каналам — на основе истории продаж с дневной, недельной или месячной детализацией. Для каждого значения указывает диапазон прогноза. Выбирает наиболее подходящую модель по результатам бэктестирования, учитывает товары с низким и нерегулярным спросом с помощью Croston/SBA и не строит прогноз, если история слишком короткая. Передаёт данные о спросе за время поставки серверу Inventory Intelligence & Optimizer для расчёта страхового запаса. Считывает данные из Excel, Tally и CSV, в том числе с нестандартными названиями столбцов.

Название в реестреai.saifs/demand-forecasting
Конечная точкаhttps://demand-forecaster-mcp.saifs.ai/mcp
ТранспортStreamable HTTP (удалённый сервер, установка не требуется)
АутентификацияOAuth 2.1 — PKCE (S256) и динамическая регистрация клиента; при первом подключении клиент открывает страницу входа
ИздательSAIFS AI

Установка

VS Code / GitHub Copilot

Добавьте конфигурацию в .vscode/mcp.json (для рабочей области) или в пользовательский mcp.json:

{
  "servers": {
    "saifs-demand-forecasting": {
      "type": "http",
      "url": "https://demand-forecaster-mcp.saifs.ai/mcp"
    }
  }
}

Затем запустите сервер в представлении MCP и войдите в систему, когда появится запрос.

Claude (claude.ai, Desktop)

Откройте Settings → Connectors → Добавить пользовательский коннектор и вставьте:

https://demand-forecaster-mcp.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-demand-forecasting https://demand-forecaster-mcp.saifs.ai/mcp

Другие MCP-клиенты

Укажите адрес https://demand-forecaster-mcp.saifs.ai/mcp и выберите транспорт Streamable HTTP. Сервер возвращает ответ 401 с запросом аутентификации

WWW-Authenticate: Bearer … resource_metadata=…, поэтому клиенты с поддержкой OAuth выполняют вход автоматически.

Инструменты

ИнструментНазначение
demand_forecasterСтроит прогноз спроса на основе строк продаж (достаточно указать дату и количество; SKU, регион, канал и срок поставки — необязательные поля). Поддерживает до 200 товаров и 2 500 строк. Возвращает прогнозы с интервалами, выбранную модель и оценку по результатам бэктестирования, а также спрос за время поставки для планирования повторного заказа.
demand_forecaster_get_engineДля больших файлов с данными о продажах возвращает готовый к запуску скрипт Python, который строит такие же прогнозы локально: данные не покидают компьютер пользователя.

Примеры запросов

  • «Вот экспорт продаж из Tally. Сколько единиц каждого товара мы продадим за следующие 13 недель?»

  • «Какие товары продаются медленно и чего от них ожидать в следующем месяце?»

  • «Спрогнозируй месячный спрос на запасную часть SP-220 с 95%-м диапазоном.»

Поддержка