MCP-ORTools

MCP-ORTools

制約充足に Google OR-Tools を使用する Model Context Protocol（MCP）サーバー実装です。標準化された制約モデル仕様を通じて、大規模言語モデルでの使用を想定しています。

概要

MCP-ORTools は、Model Context Protocol を通じて Google の OR-Tools 制約プログラミングソルバーと大規模言語モデルを統合し、AI モデルが次のことを行えるようにします。

• 制約モデルの送信と検証
• モデルパラメーターの設定
• 制約充足問題と最適化問題の求解
• 解の取得と分析

インストール

1. パッケージをインストールします。

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

2. Claude Desktop を設定します %APPDATA%\Claude\claude_desktop_config.json（Windows）または ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）に設定ファイルを作成します。

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

モデル仕様

モデルは、次の3つの主要なセクションを含む JSON 形式で指定します。

• variables：変数とその定義域を指定します
• constraints：OR-Tools のメソッドを使用した制約の一覧
• objective：任意の最適化目標

制約の構文

制約では、OR-Tools のメソッド構文を使用する必要があります。

• .__le__() は以下（<=）を表します
• .__ge__() は以上（>=）を表します
• .__eq__() は等しい（==）を表します
• .__ne__() は等しくない（!=）を表します

使用例

シンプルな最適化モデル

{
    "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
    }
}

ナップサック問題

例：[3,1,2,1] の価値と [2,2,1,1] の重さを持つアイテムから、合計重量の上限を2としてアイテムを選択します。

{
    "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
    }
}

追加の制約の例：

{
    "constraints": [
        "p0.__eq__(1)",         // Item p0 must be selected
        "p1.__ne__(p2)",        // Can't select both p1 and p2
        "(p2 + p3).__ge__(1)"   // Must select at least one of p2 or p3
    ]
}

機能

• OR-Tools CP-SAT ソルバーを全面的にサポート
• JSON ベースのモデル仕様
• 次の項目をサポート：
  • 整数変数とブール変数（定義域：[min, max]）
  • OR-Tools のメソッド構文を使用した線形制約
  • 線形最適化目標
  • タイムアウトとソルバーパラメーター
  • 二項制約と関係
  • ポートフォリオ選択問題
  • ナップサック問題

制約でサポートされる操作

• 基本的な算術演算：+, -, *
• 比較：.le(), .ge(), .eq(), .ne()
• 変数の線形結合
• 制約の組み合わせによる二値論理

開発

開発環境をセットアップするには：

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

モデル応答形式

ソルバーは JSON 形式で解を返します。

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

ステータスの値：

• OPTIMAL：最適解が見つかりました
• FEASIBLE：実行可能解が見つかりました
• INFEASIBLE：解が存在しません
• UNKNOWN：解を特定できませんでした

ライセンス

MIT License — 詳細は LICENSE ファイルを参照してください。