mrugankpednekar-mcp-optimizer

Crew Optimizer

Crew Optimizer 围绕 CrewAI 生态系统重建了原始优化项目。它提供可复用的 CrewAI 工具和 Agent，能够通过 SciPy 的 HiGHS 后端求解线性规划，使用轻量级分支定界搜索（或 OR-Tools 后备方案）探索混合整数模型，将自然语言提示词转换为 LP JSON，并诊断不可行问题。你可以将这些工具嵌入自己的 Crew 中，也可以通过 OptimizerCrew 便捷封装程序化调用，或者通过 MCP 协议为 Smithery 等客户端提供服务。

安装

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

此命令会安装 Crew Optimizer，以及用于 MILP 求解的可选 OR-Tools 支持。你可以按需添加 pytest、ruff 或其他开发工具（pip install pytest）。

快速使用

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)

要将其集成到更广泛的多 Agent 工作流中，请调用 crew.build_crew() 获取一个包含 LP、MILP 和解析器 Agent 的 Crew。照常通过 CrewAI 的共享上下文提供模型输入。

MCP / Smithery 托管

Crew Optimizer 自带一个 MCP 服务（python -m crew_optimizer.server），用于封装相同的求解器。仓库中已包含 Smithery 清单（smithery.json）和构建配置（smithery.yaml）。

1. 将仓库推送到 GitHub。
2. 在 Smithery 中选择 Publish an MCP Server，连接 GitHub 并选择该仓库。
3. Smithery 会安装此包（pip install .），并使用随附的启动脚本运行 mcp http src/crew_optimizer/server.py --port 3333。
4. 此服务会提供以下工具：
   • solve_linear_program
   • solve_mixed_integer_program
   • parse_natural_language
   • diagnose_infeasibility
   • solve_word_problem_with_data - 使用文件中的数据求解优化问题

本地测试：

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

测试

安装测试依赖项（pip install pytest）并运行：

python -m pytest

测试套件涵盖 LP 求解器、MILP 分支定界和自然语言解析器。

使用数据文件求解应用题

MCP 服务包含一个 solve_word_problem_with_data 工具，可解析数据文件（CSV、JSON、Excel）并使用其中的数据求解优化应用题。如果你有数据文件，并希望根据这些数据构建和求解优化问题，这个工具会特别有用。

使用示例

# 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.

此工具支持：

• CSV/TSV 文件：自动检测并解析逗号或制表符分隔的值
• JSON 文件：解析 JSON 数组或对象
• Excel 文件：需要 pandas 和 openpyxl（使用 pip install crew-optimizer[excel] 安装）
• 自动检测：如果未指定文件格式，则自动检测

解析后的数据会纳入问题描述，使自然语言解析器能够根据实际数据提取数值，并构建约束和目标函数。

许可证

根据 MIT 许可证分发。详情请参阅 LICENSE。