随机数生成服务

要解决的问题

在大模型应用里，"随机"是个常见却容易出错的环节。直接用宿主语言的 random 模块生成令牌、会话 ID、抽奖结果或密钥材料，得到的往往不是密码学安全的随机数：伪随机序列一旦状态泄露就可被预测，用于 token 生成或二次验证时会带来安全风险。而自行对接外部随机源服务，又会遇到协议不统一、参数处理散落在模型侧、返回结构难以复用等问题。

这个技能把随机数生成封装成一个 MCP 协议的加密安全服务，由 Agent 负责意图理解与参数提取，代码只负责调用 API，避免让模型自己拼随机逻辑。

能力与工作方式

核心能力是覆盖常见的随机生成场景，工具集包括：

• generate_random_integer：指定区间内的加密安全整数，可选生成数量
• generate_random_float：浮点数，支持区间、数量与小数位精度
• generate_random_bytes：随机字节，可选长度与输出编码
• generate_uuid：UUID v4
• generate_random_string：随机字符串，可指定长度与字符集
• generate_random_choice：从列表中随机抽取，可控制是否允许重复
• generate_random_boolean：布尔值，可配置为真的概率

工作流程是典型的 Agent 路由模式：模型先检查 API 密钥是否已配置；缺失时通过 AskUserQuestion 向用户索取，而不是自行搜索或编造数据；拿到后用 scripts.config.set_api_key 保存。随后根据用户意图选择工具，提取参数，缺失时继续追问，最后以关键字参数调用 scripts.tools 中的函数。返回的是包含 raw、success、message 的 dict，整理 raw 部分后展示即可。

适用边界与注意点

• API 密钥是硬性前置条件，没有密钥整个流程无法启动；密钥获取入口在官方站点
• 本技能不替代服务端的安全实践，生成的随机数仍要按用途正确保存和传输
• 参数缺失时模型应当追问，而不是用默认值默默兜底，尤其是区间类参数
• 工具返回的 raw 是原始 JSON 数据，展示前的整理工作属于模型侧职责

适合需要在对话流程中安全生成标识符、令牌、抽样结果的场景，不适合离线批处理或强确定性要求的科学计算。