fispro-mcp

Serveur MCP pour FisPro, le logiciel libre de systèmes d'inférence floue développé par l'INRAE et l'Institut Agro (Serge Guillaume, Brigitte Charnomordic).

Il permet à un assistant compatible MCP — Claude Desktop, Claude Code, Cursor, VS Code… — de lire vos fichiers .fis, d'exécuter des inférences, et surtout d'expliquer quelles règles se déclenchent et pourquoi. C'est là tout l'intérêt : la logique floue produit des modèles interprétables, encore faut-il pouvoir interroger cette interprétabilité en langage naturel.

Vous  : Pourquoi mon système recommande 55 minutes d'arrosage à 15 % d'humidité et 32 °C ?
Claude: [explain_inference] Une seule règle se déclenche, R1 (« SI humidite_sol est sec
        ET temperature est chaude »), avec une force de 0,625 — le sol est « sec » à 62,5 %
        et la température « chaude » à 100 %. Comme aucune autre règle n'est active, la
        sortie vaut exactement le conséquent de R1, soit 55.

Deux dialectes .fis

Le format .fis existe en deux variantes, et le serveur lit les deux — le dialecte est détecté à la lecture et exposé dans describe_fis.

	MATLAB	FisPro natif
Écrit par	Fuzzy Logic Toolbox, exports tiers	le logiciel FisPro lui-même
Compteurs	NumInputs, NumMFs	Ninputs, NMFs, Nexceptions
Opérateur ET	AndMethod dans [System]	Conjunction dans [System]
Défuzzification	DefuzzMethod dans [System]	Defuzzification dans [Output*]
Agrégation	AggMethod	Disjunction dans [Output*]
Sous-ensemble	MF1='sec':'trimf',[0 0 40]	MF1='sec','triangular',[0 0 40]
Règle	1 2, 4 (1) : 1	1, 2, 4.000 ,
Formes	trimf, trapmf, gaussmf, gbellmf, si, sd	triangular, trapezoidal, SemiTrapezoidalInf/Sup, door

En dialecte FisPro, une sortie Nature='crisp' porte ses conclusions directement dans les règles (Sugeno d'ordre 0) ; une sortie Nature='fuzzy' se défuzzifie sur une surface. Disjunction décide du sort des règles qui partagent une conclusion : max les fusionne au degré le plus fort, sum les additionne — un choix qui change le résultat, pas un détail.

Les opérateurs area, MeanMax, MaxCrisp et sugeno de FisPro sont calculés analytiquement, sans discrétisation. Sur le contrôleur de chauffage de référence, les dix combinaisons possibles donnent la même valeur que le moteur C++ officiel, au dernier chiffre affiché.

Deux moteurs, deux usages

	Moteur R (FisPro sur CRAN)	Moteur Python (intégré)
Rôle	inférence faisant foi	introspection et explication
Socle	bibliothèque C++ officielle	réimplémentation lisible
Dépendances	R ≥ 3.6 + paquet FisPro	aucune
Explique le raisonnement	non	oui

Par défaut (backend="auto"), le serveur utilise R s'il est disponible et bascule sinon sur Python en le signalant. Les résultats numériques restent donc traçables.

Installation

git clone https://github.com/Kofi04/fispro-mcp.git
cd fispro-mcp
pip install -e .

Backend R (recommandé, optionnel) :

install.packages("FisPro")

Configuration du client

Dans claude_desktop_config.json (Claude Desktop) ou tout autre client MCP :

{
  "mcpServers": {
    "fispro": {
      "command": "fispro-mcp",
      "env": {
        "FISPRO_MCP_ROOT": "/chemin/vers/vos/modeles"
      }
    }
  }
}

Pour Claude Code, voir la procédure d'ajout de serveurs MCP dans la documentation officielle.

Variables d'environnement

Variable	Défaut	Rôle
FISPRO_MCP_ROOT	.	Racine autorisée. Aucun fichier hors de cette arborescence n'est lisible.
FISPRO_MCP_RSCRIPT	Rscript	Exécutable R à utiliser
FISPRO_MCP_R_TIMEOUT	120	Délai maximal d'un appel R, en secondes

Outils exposés

Outil	Ce qu'il fait
check_environment	Racine autorisée, disponibilité de R et du paquet FisPro
list_fis	Inventaire des .fis avec entrées, sorties et nombre de règles
describe_fis	Variables, partitions floues, opérateurs, règles rédigées en français
infer	Sorties pour un vecteur d'entrées (backend auto / r / python)
explain_inference	Degrés d'appartenance et règles déclenchées, triées par force
infer_dataset	Inférence par lot sur un CSV, avec export optionnel
validate_fis	Audit : sous-ensembles inutilisés, prémisses dupliquées, partitions non fortes, trous de la base de règles

Toutes les réponses d'inférence portent un champ warnings : ce sont les anomalies relevées à la lecture du fichier (règle tronquée, section inconnue…). Elles ne font pas échouer le calcul mais peuvent le fausser — lisez-les avant d'exploiter un résultat.

Ce que validate_fis contrôle exactement

• Partitions : la somme des degrés d'appartenance est échantillonnée en 101 points sur le domaine de chaque entrée. Un creux signale une partition non forte, une somme nulle une zone qu'aucun sous-ensemble ne représente, une somme supérieure à 1 un recouvrement excessif.
• Base de règles : l'espace d'entrée est balayé sur une grille (budget de 4096 points, réparti sur les axes) pour repérer les régions où aucune règle ne se déclenche — celles où le système ne sait rien répondre.
• Cohérence : sous-ensembles jamais employés en prémisse, prémisses dupliquées, plages invalides.

S'y ajoutent une ressource fispro://systems (inventaire) et une invite audit_prompt (audit guidé d'un modèle).

Exemple

Le dépôt contient tests/data/irrigation.fis, un système Sugeno à deux entrées (humidité du sol, température) et une sortie (durée d'arrosage) :

FISPRO_MCP_ROOT=tests/data fispro-mcp

Limites, en toute franchise

• Le lecteur .fis reste le maillon fragile. Les deux dialectes sont couverts et les 15 fichiers d'exemple livrés avec FisPro se lisent sans avertissement, mais le format admet des variantes que ce lecteur ne connaît peut-être pas. Tout ce qu'il ne comprend pas atterrit dans warnings plutôt que d'être deviné en silence — lisez-les. Si vos fichiers déclenchent des avertissements, ouvrez une issue avec un extrait anonymisé : c'est la contribution la plus utile au projet.
• Le moteur Python couvre un sous-ensemble des fonctions d'appartenance : trimf, trapmf, gaussmf, gbellmf, si, sd, universal côté MATLAB ; triangular, trapezoidal, SemiTrapezoidalInf/Sup, door côté FisPro ; et les conséquents constant / linear. Les formes sinus, discrete et gaussian de FisPro ne sont pas implémentées : elles lèvent une erreur explicite plutôt que de renvoyer un nombre faux.
• MeanMax a un cas limite connu. L'opérateur est reproduit comme la moyenne de l'alpha-coupe de la conclusion la mieux notée, écrêtée à min(1, degré). Sur les 150 lignes du jeu iris et les onze systèmes d'exemple de FisPro, une seule inférence diverge (configfpa.fis, ligne 107, 2,00 contre 2,49) : deux conclusions y sont presque à égalité et FisPro semble alors agréger différemment. Les autres opérateurs sont exacts.
• Côté Mamdani MATLAB, la défuzzification reste discrétisée. La grille est adaptée à la finesse de la partition de sortie, mais centroid demeure une approximation ; attendez-vous à un écart de l'ordre du pas de grille. Les systèmes en dialecte FisPro, eux, ne passent pas par la grille.
• Pas d'apprentissage automatique. Induction de règles, génération de partitions, réduction d'espace : ces algorithmes vivent dans la bibliothèque C++ et ne sont pas exposés par le paquet R. Les brancher demanderait un binding pybind11 ou un appel aux exécutables en ligne de commande — c'est la prochaine étape naturelle du projet.
• Le serveur lit et calcule ; il n'écrit pas de .fis. Concevez vos systèmes dans FisPro, exploitez-les ici.

Développement

pip install -e ".[dev]"
pytest          # sans dépendance à R
ruff check .

Arborescence :

src/fispro_mcp/   config.py, fis_model.py, inference.py, r_backend.py, server.py
tests/            tests unitaires + tests/data/irrigation.fis

Licence

Code de ce serveur : MIT (voir LICENSE).

FisPro lui-même est distribué sous licence CeCILL et n'est pas redistribué ici : le backend R appelle une installation que vous réalisez vous-même. Si vous publiez des travaux s'appuyant sur FisPro, citez Guillaume & Charnomordic, Fuzzy Inference Systems: an integrated modelling environment for collaboration between expert knowledge and data using FisPro, Expert Systems with Applications 39(10), 2012.

Ce projet n'est pas affilié à l'INRAE ni aux auteurs de FisPro.