KETI FLOW MCP
Enables querying optimal control values (angle for blowers, control for pumps) to minimize power given a required flow rate, using machine learning models trained on pump/fan operation data.
README
KETI FLOW MCP
송풍기/펌프 운전점 데이터를 서버 시작 시마다 학습하고, 에이전트가 MCP tool로 최적 제어값을 조회할 수 있게 하는 독립 MCP 서버입니다.
구조
KETI_FLOW_MCP/
├─ src/
│ ├─ train/
│ ├─ mcp_server/
│ ├─ mcp_tools/
│ └─ utils/
├─ data/
├─ tests/
├─ config/
│ └─ config.json
├─ main.py
├─ pyproject.toml
├─ uv.lock
├─ README.md
└─ .gitignore
src/mcp/는 Python MCP SDK의 mcp 패키지명과 충돌할 수 있어 사용하지 않습니다.
설치
cd C:\Users\keti\workspace\KETI_FLOW_MCP
uv sync
가상환경은 .venv/에 생성됩니다.
데이터
학습 데이터는 data/ 아래에 둡니다. 이 폴더는 기밀 데이터 위치이므로 git에서 추적하지 않습니다.
기본 설정은 다음 파일을 사용합니다.
data/blower/fan_training.csv
data/pump/pump_training.csv
기본 CSV 컬럼은 다음과 같습니다.
Flowrate,Head,Power,Angle,Speed
현재 MCP tool은 요구 유량 Flowrate를 입력받아 Power가 최소가 되는 Angle 값을 찾습니다.
설정
설정 파일은 config/config.json입니다.
주요 항목:
data.base_dir: 학습 데이터 기준 폴더machines.<name>.data_file: 장비별 CSV 경로flow_column: 유량 컬럼control_column: 최적화할 제어값 컬럼target_column: 최소화 또는 최대화할 목표 컬럼optimization:minimize또는maximizecandidate_count: 실시간 탐색 후보 개수respect_control_flow_range: 제어값별 학습 유량 범위를 엄격히 적용할지 여부
실행
uv run python main.py
서버는 실행 시 다음 순서로 동작합니다.
config/config.json로딩data/의 CSV 로딩- 송풍기/펌프 모델 메모리 학습
- MCP stdio 서버 시작
모델 파일과 LUT 파일은 생성하지 않습니다.
MCP Tools
get_optimal_blower_angle
입력:
{
"required_flow": 500.0
}
응답 예:
해당 유량에서 적절한 각도 제어 값은 49 입니다. 예측 Power: 2.739 kW
범위 밖 응답 예:
해당 유량은 학습 데이터 범위 내 값이 아닙니다. 지원 범위: 500 ~ 900
get_optimal_pump_control
입력:
{
"required_flow": 5.0
}
get_training_status
현재 서버 프로세스에 학습된 모델 상태, 데이터 파일, 행 수, 유량 범위를 반환합니다.
Codex 등록 예시
Codex MCP 설정에서 다음 형태로 등록합니다.
{
"mcpServers": {
"keti-flow": {
"command": "uv",
"args": [
"--directory",
"C:\\Users\\keti\\workspace\\KETI_FLOW_MCP",
"run",
"python",
"main.py"
]
}
}
}
Claude 등록 예시
Claude Desktop 설정 파일의 mcpServers에 다음 항목을 추가합니다.
{
"mcpServers": {
"keti-flow": {
"command": "uv",
"args": [
"--directory",
"C:\\Users\\keti\\workspace\\KETI_FLOW_MCP",
"run",
"python",
"main.py"
]
}
}
}
로컬 검증
tests/는 로컬 검증용 폴더이며 git에서 추적하지 않습니다.
간단한 smoke 검증:
uv run python -c "from src.mcp_server.server import build_runtime; r=build_runtime(); print(r.status())"
송풍기 예측 확인:
uv run python -c "from src.mcp_server.server import build_runtime; from src.mcp_tools.operation_tools import optimal_control_text; r=build_runtime(); print(optimal_control_text(r, 'blower', 500))"
git 추적 제외
다음 항목은 git에 포함하지 않습니다.
data/tests/.venv/- 모델 산출물 파일
- 로그와 로컬 출력물
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。