mcpField
M
mcp-numpy

mcp-numpy

本地服务
github.com/daedalus科研与教育027 周前更新
代码仓库

关于 mcp-numpy

mcp-numpy 将 NumPy 数组、数学与统计功能封装为 MCP 服务，供 MCP 客户端调用。它涵盖数组操作、线性代数和随机数等常用功能。

主要功能

  1. 01创建与变形数组
  2. 02数学和统计计算
  3. 03线性代数运算
  4. 04生成与处理随机数
  5. 05查询数组属性及类型

适用场景

  1. 01通过客户端执行数组计算
  2. 02计算统计量与相关性
  3. 03求解线性系统及矩阵特征值

MCP 相关

作为 MCP 服务向客户端提供 NumPy 工具，覆盖数组创建与操作、数学计算、统计和线性代数。

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。

mcp.json · 通用配置
{
  "mcpServers": {
    "daedalus-mcp-numpy": {
      "command": "uvx",
      "args": [
        "mcp-numpy"
      ]
    }
  }
}
启动命令uvx mcp-numpy

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
pypimcp-numpy0.1.0

工具

72

收录的工具列表 · 更新于 2 周前

参数类型必填说明
dataarray是包含数组元素的 Python 列表。
dtypestring否数组的数据类型（默认值："float64"）。 常见值："int32"、"int64"、"float32"、"float64"、"complex128"。

详细介绍

mcp-numpy

一个公开 NumPy 功能的 MCP 服务

PyPI Python Coverage Ruff

安装

pip install mcp-numpy

用法

作为 MCP 服务

要与 Claude Desktop 或其他 MCP 客户端搭配使用，请添加到 mcp.json：

{
  "mcpServers": {
    "mcp-numpy": {
      "command": "mcp-numpy"
    }
  }
}
可用工具

该服务将以下 NumPy 功能作为 MCP 工具公开：

数组创建
  • np_array - 创建 NumPy 数组
  • np_zeros - 创建全零数组
  • np_ones - 创建全一数组
  • np_full - 创建填充值的数组
  • np_arange - 创建范围数组
  • np_linspace - 创建等间距数组
  • np_eye - 创建单位矩阵
  • np_diag - 创建对角数组
数组操作
  • np_reshape - 调整数组形状
  • np_transpose - 转置数组
  • np_concatenate - 拼接数组
  • np_split - 拆分数组
  • np_tile - 平铺数组
  • np_repeat - 重复元素
  • np_squeeze - 移除单维度条目
  • np_flatten - 展平数组
数学运算
  • np_sum、np_mean、np_std、np_var - 汇总统计
  • np_min、np_max、np_argmin、np_argmax - 最小值／最大值运算
  • np_dot、np_matmul、np_cross - 矩阵运算
  • np_trace、np_cumsum、np_cumprod、np_diff - 数组运算
线性代数
  • np_inv - 矩阵求逆
  • np_det - 矩阵行列式
  • np_eig - 特征值和特征向量
  • np_svd - 奇异值分解
  • np_solve - 求解线性方程组
  • np_linalg_norm - 矩阵／向量范数
随机数
  • np_rand - 随机浮点数
  • np_randn - 正态分布随机数
  • np_randint - 随机整数
  • np_random_choice - 随机选择
  • np_shuffle - 打乱数组
统计
  • np_percentile、np_quantile - 百分位数／分位数
  • np_histogram - 直方图
  • np_correlate、np_corrcoef - 相关性
逐元素数学运算
  • np_add、np_subtract、np_multiply、np_divide - 算术运算
  • np_power、np_mod - 幂和取模
  • np_sqrt、np_abs - 基本数学运算
  • np_exp、np_log、np_log10 - 对数
  • np_sin、np_cos、np_tan - 三角函数
  • np_arcsin、np_arccos、np_arctan - 反三角函数
  • np_sinh、np_cosh、np_tanh - 双曲函数
数组属性
  • np_shape、np_ndim、np_size、np_dtype - 属性
  • npastype - 类型转换

开发

git clone https://github.com/daedalus/mcp-numpy.git
cd mcp-numpy
pip install -e ".[test]"

# run tests
pytest

# format
ruff format src/ tests/

# lint
ruff check src/ tests/

# type check
mypy src/

mcp-name: io.github.daedalus/mcp-numpy

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

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。