MCP 服务器

Google OR-Tools server

MCP-ORTools 通过 MCP 将 Google 的 OR-Tools 约束编程求解器与大型语言模型集成，使 AI 模型能够： * 提交和验证约束模型 * 设置模型参数 * 求解约束满足和优化问题 * 检索和分析解决方案

README

MCP-ORTools

一个使用 Google OR-Tools 进行约束求解的模型上下文协议 (MCP) 服务器实现。专为通过标准化约束模型规范与大型语言模型一起使用而设计。

概述

MCP-ORTools 通过模型上下文协议将 Google 的 OR-Tools 约束编程求解器与大型语言模型集成，使 AI 模型能够：

提交和验证约束模型
设置模型参数
解决约束满足和优化问题
检索和分析解决方案

安装

安装软件包：

pip install git+https://github.com/Jacck/mcp-ortools.git

配置 Claude Desktop 在 %APPDATA%\Claude\claude_desktop_config.json (Windows) 或 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 创建配置文件：

{
  "mcpServers": {
    "ortools": {
      "command": "python",
      "args": ["-m", "mcp_ortools.server"]
    }
  }
}

模型规范

模型以 JSON 格式指定，包含三个主要部分：

variables: 定义变量及其域
constraints: 使用 OR-Tools 方法的约束列表
objective: 可选的优化目标

约束语法

约束必须使用 OR-Tools 方法语法：

.__le__() 小于或等于 (<=)
.__ge__() 大于或等于 (>=)
.__eq__() 等于 (==)
.__ne__() 不等于 (!=)

使用示例

简单优化模型

{
    "variables": [
        {"name": "x", "domain": [0, 10]},
        {"name": "y", "domain": [0, 10]}
    ],
    "constraints": [
        "(x + y).__le__(15)",
        "x.__ge__(2 * y)"
    ],
    "objective": {
        "expression": "40 * x + 100 * y",
        "maximize": true
    }
}

背包问题

示例：选择价值为 [3,1,2,1] 和权重为 [2,2,1,1] 的物品，总重量限制为 2。

{
    "variables": [
        {"name": "p0", "domain": [0, 1]},
        {"name": "p1", "domain": [0, 1]},
        {"name": "p2", "domain": [0, 1]},
        {"name": "p3", "domain": [0, 1]}
    ],
    "constraints": [
        "(2*p0 + 2*p1 + p2 + p3).__le__(2)"
    ],
    "objective": {
        "expression": "3*p0 + p1 + 2*p2 + p3",
        "maximize": true
    }
}

其他约束示例：

{
    "constraints": [
        "p0.__eq__(1)",         // 必须选择物品 p0
        "p1.__ne__(p2)",        // 不能同时选择 p1 和 p2
        "(p2 + p3).__ge__(1)"   // 必须至少选择 p2 或 p3 中的一个
    ]
}

特性

完整的 OR-Tools CP-SAT 求解器支持
基于 JSON 的模型规范
支持：
- 整数和布尔变量 (domain: [min, max])
- 使用 OR-Tools 方法语法的线性约束
- 线性优化目标
- 超时和求解器参数
- 二元约束和关系
- 投资组合选择问题
- 背包问题

约束中支持的操作

基本算术：+, -, *
比较：.le(), .ge(), .eq(), .ne()
变量的线性组合
通过约束组合的二元逻辑

开发

要设置开发环境：

git clone https://github.com/Jacck/mcp-ortools.git
cd mcp-ortools
pip install -e .

模型响应格式

求解器以 JSON 格式返回解决方案：

{
    "status": "OPTIMAL",
    "solve_time": 0.045,
    "variables": {
        "p0": 0,
        "p1": 0,
        "p2": 1,
        "p3": 1
    },
    "objective_value": 3.0
}