关于 glazemath
glazemath 是用于陶瓷釉料计算和个人 Glazecalc 记录的本地 MCP 桥接服务及命令行工具。它将配方分析、材料替代和混合规划与已保存的配方、库存、烧成记录及笔记结合起来。
主要功能
- 01分析配方并检查烧成限值
- 02搜索材料并推荐替代品
- 03求解目标分子式并匹配现有材料
- 04规划直线、三轴和渐变混合
- 05管理配方、材料和库存
- 06读取和更新烧成记录与笔记
适用场景
- 01检查釉料配方是否符合烧成限值
- 02为稀缺材料寻找替代品
- 03规划试片混合方案
- 04将烧成结果与配方关联记录
MCP 相关
它通过本地 MCP 服务提供 Glazecalc 托管的 MCP 工具,并将调用转发至上游。工具涵盖计算和调用者自己的账户记录。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
33收录的工具列表 · 更新于 1 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| limit | integer | 否 | 返回材料的最大数量(1 至 50)。 |
| query | string | 是 | 名称中的词语,例如 "custer"、"ferro 3134" 或 "kaolin"。 |
| region | enum | 否 | 陶艺家购买材料的地区,以便推荐当地有售的材料:US、UK、EU 或 AU。省略则不限定地区。US | UK | EU | AU |
| category | string | 否 | 仅限此类别:feldspar、clay、frit、flux、silica…… |
| includeColorants | boolean | 否 | 同时搜索着色剂和乳浊剂。 |
详细介绍
glazemath
glazemath 是一个小型本地桥接工具,可连接托管的 Glazecalc MCP 服务,处理陶瓷釉料化学。它可以在共享 库中查找材料,计算配方的单位分子式(Seger)、 根据烧成温度的已公布限值检查配方、转换锥号和温度、 查找已停产材料的替代品、用现有材料重新配制配方、 求解目标分子式,并为测试片规划线性、三轴和渐变 混合配方。它还可以访问调用者自己的 Glazecalc 账户: 已保存的配方、私有材料、现有库存、烧成记录、 笔记本条目、设置和回收站。
该桥接工具不保存任何釉料数据。它会在本地提供上游 服务的工具列表,该列表与从实时端点捕获的内容完全 一致;并将每次工具调用转发至上游,原样返回结果。 它可以更改的每条记录都属于调用者自己的账户;捕获的 工具中不存在发送、付款或第三方界面。
工具
参考与计算:
search_materials— 按名称、别名或制造商查找材料库中的材料。必需:query。get_material— 获取一种材料库材料的信息:氧化物、烧失量、替代材料和危害。必需:name。analyze_recipe— 分析配方的单位分子式、氧化物分组、二氧化硅与氧化铝之比、膨胀率和 Stull 图位置。必需:lines。check_limits— 根据配方的烧成条件,检查配方是否符合建议限值。必需:lines。convert_cone_temperature— 在 Orton 或 SK 锥度与温度之间转换。无必需字段。suggest_substitutes— 为配方中已停产或短缺的材料推荐现代替代品。必需:lines。match_from_materials— 仅使用列出的材料重新配制配方。必需:lines、have。solve_target— 配制分子式或分析结果接近目标单位分子式或分析结果的配方。必需:target。blend_recipes— 在两种或三种配方之间生成线性或三元混合试片。必需:a、b。vary_material— 生成渐变试片,展示一种材料在不同用量范围内的影响。必需:recipe、material、to。compare_recipes— 并排逐项比较两种配方的氧化物。必需:a、b。search_guides— 搜索面向陶艺家的通俗指南。必需:query。
你的账户记录:
list_recipes— 按时间倒序列出已保存的配方,并支持搜索和烧成条件筛选。无必需字段。get_recipe— 获取一份已保存的配方,并重新计算其分子式。必需:id。list_my_materials— 列出你自己账户中保存的材料。无必需字段。get_shelf— 获取标记为现有库存的材料。无必需字段。match_with_what_i_have— 仅使用库存材料重新配制配方。无必需字段。list_firings— 列出已保存的烧成记录。无必需字段。get_firing— 获取一条烧成记录。必需:id。list_notes— 列出笔记条目。无必需字段。get_my_settings— 获取你保存的设置。无必需字段。create_recipe— 保存新配方。必需:title、lines。update_recipe— 修改已保存的配方。必需:id。add_notebook_entry— 添加笔记条目。必需:content。add_my_material— 保存一种包含分析数据的私人材料。必需:name、analysis。update_my_material— 修改一种私人材料。必需:id。add_to_shelf— 将材料标记为现有库存。必需:materials。remove_from_shelf— 从库存中移除材料。必需:materials。undo_shelf_change— 撤销上次库存变更。无必需字段。move_to_trash— 将一条你自己的记录移至垃圾桶。必需:kind、id。create_firing_log— 保存新的烧成记录。必需:title、columns、rows。add_firing_rows— 向烧成记录添加读数。必需:id、rows。link_firing— 保存一条将配方与烧成记录关联的测试结果。必需:recipeId、firingId。
计算结果依据已发表的数据,仅供参考, 并非测试结果,也不保证食品安全 — 最终以烧成试片为准。
配置
GLAZECALC_MCP_URL(可选)— 覆盖上游 端点。默认值为https://glazecalcapp.com/mcp。(此覆盖钩子 是本次重建自行标注的还原内容。)GLAZECALC_API_KEY(可选)— 设置后,每个 上游请求都会携带Authorization: Bearer <key>标头,使用 调用者自己的 Glazecalc 令牌;原始版本的 注册表记录将其限定为调用者自己的已保存 记录。未设置时,不会发送密钥标头。 (标头名称由原始版本的注册表记录确定;Bearer 方案和 此环境变量转发均为标注的还原内容 — 原始界面是在未提供密钥的情况下捕获的。)
转发机制
首次调用工具时,客户端会与上游建立一个可流式传输的 HTTP 会话:先发送 JSON-RPC
initialize 请求(protocolVersion 2025-03-26,clientInfo 名称为
glazemath),然后发送
notifications/initialized 通知,最后发送携带调用方参数且不作更改的
tools/call 请求。如果上游在 initialize
响应中返回 Mcp-Session-Id 标头,该值会随会话的每个后续请求发送,并在进程的整个生命周期内复用该会话。响应可能以普通 JSON 或服务器发送事件的形式到达;两种形式都会读取。
成功的上游结果会原样传递,包括上游设置的任何 isError 标志。
失败情况——JSON-RPC 错误、非 2xx 状态、无法读取响应,或无法完成的请求——会作为 isError 结果返回,其文本以 glazemath error: 开头(此呈现方式是本次重建自行标注的还原)。
CLI
每个工具也可作为子命令使用,并接受一个 JSON 参数字符串:
npx @reneturcios/glazemath search_materials '{"query":"custer"}'
npx @reneturcios/glazemath analyze_recipe '{"lines":[{"material":"Custer Spar","amount":30}]}'
npx @reneturcios/glazemath get_shelf
npx @reneturcios/glazemath --version
退出代码:成功时为 0,结果带有 isError 时为 1,用法错误时为 2。
MCP 服务
npx -y @reneturcios/glazemath mcp
MCP 客户端配置:
{
"mcpServers": {
"glazemath": {
"command": "npx",
"args": ["-y", "@reneturcios/glazemath", "mcp"]
}
}
}
Docker
docker run -i ghcr.io/cloudcorprecords/glazemath
docker run --rm ghcr.io/cloudcorprecords/glazemath --version
容器的默认命令是 mcp,因此第一种形式是 stdio MCP 服务;其他参数会照常传递给 CLI。
开发
npm install
npm run build
npm test
npm run dev
测试套件完全通过模拟的 JSON-RPC 上游运行,不会发起实时网络调用。
许可证
MIT — 参见 LICENSE。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。