mrugankpednekar-mcp-optimizer

Crew Optimizer

Crew Optimizer は、CrewAI エコシステムを中心に、元の最適化プロジェクトを再構築したものです。SciPy の HiGHS バックエンドを使って線形計画問題を解く再利用可能な CrewAI ツールとエージェント、軽量な分枝限定探索（または OR-Tools によるフォールバック）で混合整数モデルを探索する機能、自然言語のプロンプトを LP JSON に変換する機能、実行不可能性を診断する機能を提供します。ツールを独自の Crew に組み込むことも、便利なラッパーの OptimizerCrew を通じてプログラムから呼び出すことも、MCP プロトコル経由で Smithery などのクライアント向けに提供することもできます。

インストール

python -m venv .venv
source .venv/bin/activate
pip install -e .[mip]

これにより、MILP の求解に使える OR-Tools サポート（オプション）とともに Crew Optimizer がインストールされます。必要に応じて、pytest や ruff などの開発ツールを追加してください（pip install pytest）。

クイック利用方法

from crew_optimizer import OptimizerCrew

crew = OptimizerCrew(verbose=False)

lp_model = {
    "name": "diet-toy",
    "sense": "min",
    "objective": {
        "terms": [
            {"var": "x", "coef": 3},
            {"var": "y", "coef": 2},
        ],
        "constant": 0,
    },
    "variables": [
        {"name": "x", "lb": 0},
        {"name": "y", "lb": 0},
    ],
    "constraints": [
        {
            "name": "c1",
            "lhs": {
                "terms": [
                    {"var": "x", "coef": 1},
                    {"var": "y", "coef": 2},
                ],
                "constant": 0,
            },
            "cmp": ">=",
            "rhs": 8,
        },
        {
            "name": "c2",
            "lhs": {
                "terms": [
                    {"var": "x", "coef": 3},
                    {"var": "y", "coef": 1},
                ],
                "constant": 0,
            },
            "cmp": ">=",
            "rhs": 6,
        },
    ],
}

solution = crew.solve_lp(lp_model)
print(solution)

より広範なマルチエージェントのワークフローに統合するには、crew.build_crew() を呼び出して、LP、MILP、パーサーのエージェントが含まれる Crew を取得します。通常どおり、CrewAI の共有コンテキストを使ってモデルの入力を渡してください。

MCP / Smithery でのホスティング

Crew Optimizer には、同じソルバーをラップする MCP サーバー（python -m crew_optimizer.server）が付属しています。リポジトリには Smithery マニフェスト（smithery.json）とビルド設定（smithery.yaml）がすでに含まれています。

1. リポジトリを GitHub にプッシュします。
2. Smithery で Publish an MCP Server を選択し、GitHub に接続して、リポジトリを選択します。
3. Smithery はパッケージをインストールし（pip install .）、同梱の起動スクリプトを使って mcp http src/crew_optimizer/server.py --port 3333 を起動します。
4. サーバーは以下のツールを公開します。
   • solve_linear_program
   • solve_mixed_integer_program
   • parse_natural_language
   • diagnose_infeasibility
   • solve_word_problem_with_data - ファイルのデータを使って最適化問題を解きます

ローカルでテストする場合：

mcp http src/crew_optimizer/server.py --port 3333 --cors "*"

テスト

テスト用の依存関係をインストールし（pip install pytest）、以下を実行します。

python -m pytest

このテストスイートでは、LP ソルバー、MILP の分枝限定法、NL パーサーを対象とします。

データファイルを使った文章題の求解

MCP サーバーには、データファイル（CSV、JSON、Excel）を解析し、そのデータを使って最適化の文章題を解く solve_word_problem_with_data ツールが含まれています。ファイルにデータがあり、そのデータに基づいて最適化問題を定式化して解きたい場合に特に便利です。

使用例

# Example: Solve a production planning problem with data from a CSV file
csv_data = """product,cost,capacity,demand
Widget,10,100,50
Gadget,15,80,60
Thing,12,120,40"""

problem = """
Minimize total cost subject to:
- Production of each product cannot exceed capacity
- Production must meet demand
- All production quantities are non-negative
"""

# The tool will parse the CSV, extract the cost, capacity, and demand values,
# and formulate the optimization problem automatically.

このツールは以下をサポートします。

• CSV/TSV ファイル：カンマ区切りまたはタブ区切りの値を自動的に検出して解析します
• JSON ファイル：JSON 配列またはオブジェクトを解析します
• Excel ファイル：pandas と openpyxl が必要です（pip install crew-optimizer[excel] でインストール）
• 自動検出：指定されていない場合、ファイル形式を自動的に検出します

解析されたデータは問題の説明に取り込まれるため、自然言語パーサーは実際のデータに基づいて値を抽出し、制約条件と目的関数を定式化できます。

ライセンス

MIT ライセンスの下で配布されています。詳細は LICENSE を参照してください。