rhino-gh-spatial-mcp

rhino-gh-spatial-mcp

An MCP server for spatial reasoning and performance evaluation in Rhino/Grasshopper. It reads scenes into a spatial graph, computes geometric metrics like south-facing area and shape factor, and runs an evaluate-adjust-recompute loop via existing rhinomcp geometry commands.

Category
访问服务器

README

rhino-gh-spatial-mcp

空间推理 + 性能评估层,构建在 jingcheng-chen/rhinomcp 之上(见 rhino-gh-spatial-mcp-brief.md)。

rhinomcp 负责"怎么操作"(建几何、连 GH 组件、设 slider、求解、截图)。这个仓库只加一层:把场景读成结构化的空间关系 (spatial_graph),算几个纯几何性能指标 (performance_report),并跑一个 evaluate → adjust → recompute → re-evaluate 的闭环。不重写任何几何创建 / GH 连线逻辑 —— 所有会改变 Rhino 文档的操作,都是直接调用 rhinomcp 已有的 GH 命令(gh_set_parameter_value / gh_run_solution / gh_add_component / gh_connect_components 等)。

架构

Agent (Claude Code / Cursor / ...)
   │  MCP (stdio)                     │ MCP (stdio)
   ▼                                  ▼
rhinomcp 的 Python MCP Server    rhino-gh-spatial-mcp (本仓库)
   │  TCP  127.0.0.1:1999            │  TCP 127.0.0.1:1999 (同一个端口)
   └──────────────┬───────────────────┘
                   ▼
         Rhino 8 内的 rhinomcp 插件 (mcpstart 后监听)
                   │
                   ▼
             Rhino + Grasshopper

两个 MCP server 是两个独立进程,都作为 TCP client 连到 Rhino 插件里同一个监听 socket(rhinomcp 插件本身支持多个客户端连接,一台机器同时装两个 agent 工具本来就是这个模式)。本仓库不依赖 rhinomcp 的 Python 包本身(它没有对外暴露 Python API,工具只存在于它自己的 MCP 进程里),而是复刻了它极简的 4 字节长度前缀 + JSON 的帧协议,直接对话同一个插件(见 bridge.py)。

前置条件

  1. Rhino 8(Windows/macOS),安装 rhinomcp 插件:Rhino 内 Tools → Package Manager 搜索 rhinomcp 安装,重启 Rhino。
  2. 打开 Rhino 后,在命令行输入 mcpstart(每次 Rhino 会话都要手动跑一次,插件不会自动监听)。
  3. 安装 uv(brew install uv)。

安装

cd rhino-gh-mcp
uv sync            # 或者: pip install -e ".[dev]"

需要 Python ≥3.10(和 rhinomcp 一致)。

注册两个 MCP server

# 底座:负责建几何 / 连 GH 组件 / 求解 / 截图
claude mcp add rhino -- uvx rhinomcp

# 本仓库:负责空间推理 / 性能评估
claude mcp add rhino-gh-spatial -- uv run --directory /path/to/rhino-gh-mcp rhino-gh-spatial-mcp

或手动写 MCP 配置:

{
  "mcpServers": {
    "rhino": { "command": "uvx", "args": ["rhinomcp"], "env": { "RHINO_MCP_HOST": "127.0.0.1" } },
    "rhino-gh-spatial": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/rhino-gh-mcp", "rhino-gh-spatial-mcp"],
      "env": { "RHINO_MCP_HOST": "127.0.0.1", "RHINO_GH_SPATIAL_CONFIG": "/path/to/rhino-gh-mcp/massing.json" }
    }
  }
}

环境变量

复用了和 rhinomcp 完全相同的 RHINO_MCP_* 变量名,一份 .env 能同时配好两个 server:

变量 默认值 说明
RHINO_MCP_HOST 127.0.0.1 只允许 loopback,除非 RHINO_MCP_ALLOW_REMOTE=1
RHINO_MCP_PORT 1999 rhinomcp 插件监听端口
RHINO_MCP_TIMEOUT 15.0 socket 超时(秒)
RHINO_GH_SPATIAL_CONFIG massing.json(相对当前工作目录) 见下面的 massing 配置

massing 配置 (massing.json)

MVP 的核心简化:每个参数化体量的 bbox,直接从 GH 里的 number slider 当前值算出来(gh_get_component_info 按 nickname 读 value/min/max),而不是去解析 GH 输出的 Brep 几何 —— 这样空间推理层只是"读 GH 参数状态"的轻量客户端,不用重新实现 GH 几何序列化。

{
  "north_axis": "+Y",
  "site_area_sqm": 900,
  "site_layer_filter": null,
  "context_layer_filter": "Context",
  "adjacency_threshold_m": 0.5,
  "massings": [
    {
      "name": "MainBlock",
      "size_sliders": { "width": "Width", "depth": "Depth", "height": "Height" },
      "origin_sliders": { "x": null, "y": null, "z": null },
      "floors": 1
    }
  ]
}

north_axis 只支持 +Y/-Y/+X/-X 四种(假设体量轴对齐、无旋转 —— MVP 范围内的已知限制)。context_layer_filter / site_layer_filter 指向 Rhino 文档里按图层过滤的静态物体(通过 get_objects 读取),会和参数化体量一起进入 spatial_graph。

Resources / Tools

  • Resource spatial://graph:最近一次算好的空间图(每个物体的 bbox/尺寸 + 两两之间的 adjacency/containment/方位/距离)。
  • Resource performance://report:最近一次算好的性能指标报告。
  • Tool analyze_spatial_relationships():重新读场景、刷新 spatial_graph。只读。
  • Tool compute_metrics(names=None):算 south_facing_area / far / shape_factor / nearest_neighbor_distance / sightline_count,刷新 performance_report。只读。
  • Tool evaluate_design(goal):按目标(自然语言关键词或 {"metric":..., "direction":...})算分并给出建议调哪个 slider(闭式敏感度分析,不触发重算)。只读。
  • Tool propose_and_apply_adjustment(goal, step_fraction=0.1, revert_if_worse=True):真正调 slider → gh_run_solution 重算 → 再评估,返回前后得分对比。这是本仓库唯一会修改 Rhino 文档的 tool。
  • Tool setup_demo_scene(...):一次性搭好 MVP 演示场景(见下)。搭建过程完全通过 rhinomcp 自己的 gh_add_component/gh_search_components/gh_connect_components/create_object 完成。

跑一遍 MVP 闭环(验收)

  1. Rhino 里跑 mcpstart。
  2. 让 agent 调用 setup_demo_scene():搭 3 个 slider(Width/Depth/Height)接到一个 Box 组件上,再放一个固定的 "Context" 邻居体量用来演示间距关系,并写好 massing.json。
  3. analyze_spatial_relationships() → 应该能读到 spatial_graph:两个物体、bbox、方位、间距。
  4. evaluate_design("让这个体量朝南受光最大化") → 返回当前南向受光面积得分 + 建议调 Width 还是 Height。
  5. propose_and_apply_adjustment("让这个体量朝南受光最大化") → 实际调整 slider、重算,返回调整前后得分(应有可复现的提升)。

不做(MVP 范围之外)

  • 不重写几何创建 / GH 连线 / viewport 截图(rhinomcp 已有,直接调用)。
  • 不做真实日照(Ladybug 等)/ CFD / 结构模拟 —— 所有指标都是纯几何代理值。
  • 不支持体量旋转(轴对齐 bbox only)。
  • 不做 GUI。

测试

uv run pytest

测试用一个进程内的假 TCP server(tests/mock_rhino_plugin.py,实现和真实插件相同的帧协议)跑通 bridge / spatial / metrics / evaluator / demo 全部逻辑,不需要真的打开 Rhino。

推荐服务器

Baidu Map

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。

官方
精选
JavaScript
Playwright MCP Server

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。

官方
精选
TypeScript
Audiense Insights MCP Server

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。

官方
精选
本地
TypeScript
Magic Component Platform (MCP)

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。

官方
精选
本地
TypeScript
VeyraX

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。

官方
精选
本地
Kagi MCP Server

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。

官方
精选
Python
graphlit-mcp-server

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。

官方
精选
TypeScript
Neon MCP Server

Neon MCP Server

用于与 Neon 管理 API 和数据库交互的 MCP 服务器

官方
精选
Exa MCP Server

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。

官方
精选
mcp-server-qdrant

mcp-server-qdrant

这个仓库展示了如何为向量搜索引擎 Qdrant 创建一个 MCP (Managed Control Plane) 服务器的示例。

官方
精选