MCP-ORTools

MCP-ORTools

一个使用 Google OR-Tools 进行约束求解的模型上下文协议（MCP）服务实现。旨在通过标准化的约束模型规范与大语言模型配合使用。

概述

MCP-ORTools 通过模型上下文协议，将 Google OR-Tools 约束编程求解器与大语言模型集成，使 AI 模型能够：

• 提交并验证约束模型
• 设置模型参数
• 求解约束满足和优化问题
• 获取并分析解

安装

1. 安装软件包：

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

2. 配置 Claude Desktop 在 %APPDATA%\Claude\claude_desktop_config.json（Windows）或 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）创建配置文件：

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

模型规范

模型以 JSON 格式指定，包含三个主要部分：

• variables：定义变量及其取值范围
• constraints：使用 OR-Tools 方法列出约束
• objective：可选的优化目标

约束语法

约束必须使用 OR-Tools 方法语法：

• .__le__() 表示小于或等于（<=）
• .__ge__() 表示大于或等于（>=）
• .__eq__() 表示等于（==）
• .__ne__() 表示不等于（!=）

使用示例

简单优化模型

{
    "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
    }
}

背包问题

示例：从价值为 [3,1,2,1]、重量为 [2,2,1,1] 的物品中进行选择，总重量限制为 2。

{
    "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
    }
}

其他约束示例：

{
    "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
    ]
}

功能

• 完整支持 OR-Tools CP-SAT 求解器
• 基于 JSON 的模型规范
• 支持：
  • 整数和布尔变量（取值范围：[min, max]）
  • 使用 OR-Tools 方法语法的线性约束
  • 线性优化目标
  • 超时和求解器参数
  • 二元约束和关系
  • 投资组合选择问题
  • 背包问题

约束中支持的操作

• 基本算术：+、-、*
• 比较：.le()、.ge()、.eq()、.ne()
• 变量的线性组合
• 通过组合约束实现二元逻辑

开发

设置开发环境：

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

模型响应格式

求解器以 JSON 格式返回解：

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

状态值：

• OPTIMAL：找到最优解
• FEASIBLE：找到可行解
• INFEASIBLE：不存在解
• UNKNOWN：无法确定解

许可证

MIT 许可证——详情请参见 LICENSE 文件