想象一下，如果你能将 LLM 变成一个模拟器

将 AgentTorch 转换为 MCP 服务器的接口 - 构建、评估和分析模拟。

特性

• 暗黑模式 UI: 现代暗黑界面，呵护您的眼睛
• 类 Claude 聊天界面: 与模拟系统进行自然的交互
• 实时可视化: 查看模拟进度和种群动态
• LLM 驱动的分析: 获取关于模拟行为的智能洞察
• 示例提示: 通过预先编写的问题和场景快速入门

设置

1. 确保您已安装所需的 Python 包：

   pip install -r requirements.txt
   

2. 确保您已设置 ANTHROPIC_API_KEY 环境变量：

   export ANTHROPIC_API_KEY=your_api_key_here
   

3. 验证数据目录是否存在于正确的位置：

   services/data/18x25/
   

运行服务器

使用以下命令启动服务器：

python server.py

然后通过 http://localhost:8000 访问界面

如何使用

1. 提出问题: 在输入框中键入问题或选择一个示例提示
2. 运行模拟: 点击 "运行模拟 & 分析" 开始该过程
3. 观看模拟: 查看实时日志和进度更新
4. 查看结果: 完成后，将显示种群图表
5. 获取分析: LLM 将根据您的问题自动分析结果

示例提示

该界面包含几个您可以尝试的示例提示：

• 当捕食者数量增加时，猎物种群会发生什么？
• 食物的可用性如何影响捕食者-猎物的动态？
• 在这个生态系统中出现了什么涌现行为？
• 分析种群水平随时间的振荡
• 如果草的营养价值翻倍会发生什么？

项目结构

├── server.py           # 主 FastAPI 服务器
├── requirements.txt    # 依赖项
├── static/             # 静态 CSS 文件
│   └── styles.css      # 暗黑模式样式
├── templates/          # HTML 模板
│   └── index.html      # 带有聊天界面的主 UI
├── services/           # 服务层
│   ├── simulation.py   # 使用 AgentTorch 的模拟服务
│   ├── llm.py          # 使用 Claude API 的 LLM 服务
│   └── data/           # 模拟数据文件
│       └── 18x25/      # 特定于网格大小的数据文件

技术说明

• 该模拟使用 AgentTorch 框架和提供的 config.yaml
• WebSockets 启用模拟期间的实时更新
• 该 UI 旨在在桌面和移动设备上都能良好运行
• LLM 分析由 Claude API 提供支持