Measurement Uncertainty (gum / Iso 17025)

measurement-uncertainty-mcp

用于 GUM 测量不确定度分析的模型上下文协议服务。面向符合 ISO/IEC 17025 标准的校准实验室、符合 ISO 10012:2026 标准的测量管理体系，以及经 KOLAS / A2LA / UKAS 认可的检测机构。 先前的现有技术检索未发现同类 MCP 服务（2026-07）；这并不等同于它是首个此类服务，本文不作首创声明。

可直接通过 Claude Desktop、Cursor、Windsurf 或任何 MCP 客户端计算 A 类 / B 类不确定度、合成标准不确定度 u_c、通过 Welch-Satterthwaite 公式计算有效自由度 ν_eff、带覆盖因子 k 的扩展不确定度 U、依据 JCGM 101:2008 进行蒙特卡洛传播，并应用预置的 KOLAS 就绪型不确定度预算。无需电子表格，不受供应商锁定。可追溯至 JCGM 100:2008 标准。

现已在 MCPize 上线：https://measurement-uncertainty.mcpize.run

为什么是现在——ISO 10012:2026

ISO 10012:2026 于 2026 年 2 月发布，是该标准自 2003 年以来的首次修订。该标准采用了更完善的基于风险的方法，并增加了关于测量不确定度、测试不确定度比（TUR）以及带保护带的判定规则（与 ILAC G8 和 ISO 14253-1 一致）的实用指南。

目前，大多数校准实验室都在更新 Excel 模板和不确定度计算工作流，以满足新标准的要求。本 MCP 服务提供了端到端的这些基础功能，旨在直接接入实验室基于聊天的 AI 工作流。下方的现有技术检索未发现同类产品，但证据缺失并不代表独一无二。有关计划推出的 KOLAS / A2LA / UKAS 证书自动生成功能，请参阅 Issue #6。

此服务的功能

提供 10 个 MCP 工具，实现测量不确定度表示指南（GUM，JCGM 100:2008）及其蒙特卡洛补充文件（JCGM 101:2008）：

工具	返回内容
type_a_uncertainty	样本的统计不确定度（n、均值、标准差、标准不确定度、自由度）
type_b_rectangular	根据已知半宽和均匀分布计算的非统计不确定度（u = half_width / √3）
type_b_triangular	根据三角分布计算的非统计不确定度（u = half_width / √6）
type_b_normal	根据扩展值和 k 计算的非统计不确定度（u = U / k）
combine_uncertainty	根据分量及灵敏度列表计算合成标准不确定度
welch_satterthwaite	根据分量计算有效自由度
expanded_uncertainty	计算具有覆盖因子 k、对应目标置信水平的扩展不确定度
monte_carlo_propagate	JCGM 101 蒙特卡洛传播——输出均值、标准不确定度、最短覆盖区间、偏度、超额峰度。当模型为非线性、输入为非高斯分布，或 ν_eff 太小而无法有效使用 k=2 时使用
list_uncertainty_templates	预构建不确定度预算目录（CMM 长度、CD-SEM CD、DMM 电压、热电偶、天平、OCD 薄膜厚度）。可按行业／被测量筛选
apply_uncertainty_template	端到端运行指定模板——合并分量、计算 ν_eff，并报告目标置信水平下的 U。接受 overrides 映射，让模板适配你的配置，无需复制粘贴

Python 库还提供 propagate(formula, estimates, components) 辅助函数，用于通过任意可调用对象进行数值不确定度传播。它未作为 MCP 工具公开，因为可调用对象无法通过 JSON 序列化，但可直接从 measurement_uncertainty_mcp.math_kernel 导入。

适用对象

• 半导体设备工程师：从事 CD-SEM、OCD、TEM、AFM、光学计量。为晶圆处置提供规范的不确定度预算，而非含糊带过的误差棒。
• 校准实验室（KOLAS、A2LA、UKAS）：需要在每份证书中提供不确定度预算，并花费数小时在 Excel 中重复计算相同公式。
• 构建质量控制 Agent 的 AI 工程师：这些 Agent 在做出通过／不通过判断前，必须先推理测量不确定度。
• 研究团队：在要求按 GUM 规范报告不确定度的期刊上发表论文（AIP、IOP、Elsevier 计量类期刊）。

五个示例查询（将这些内容粘贴到 Claude Desktop 中）

连接服务后，你可以提出如下问题：

1. 名义值为 10 mm 的 CMM 长度校准

   “使用 cmm_length_10mm 模板，并采用我对 10 次读数测得的 0.0003 mm 重复性。报告 95% 置信水平下的 u_c 和 U。”

2. CD-SEM 45 nm 线宽不确定度预算

   “根据以下 20 个 CD-SEM 测量值计算 A 类不确定度：[45.12, 45.08, 45.15, ... nm]。与 k=2 时 ±0.5 nm 的放大倍率校准不确定度和 k=2 时 ±0.4 nm 的线边粗糙度合并。使用 Welch-Satterthwaite 方法报告 ν_eff。”

3. 带 TUR 检查的 DMM 10 V 校准

   “参考标准为 k=2 时 ±20 µV，DMM 分辨率半宽为 1 µV，重复性为 n=20 时的 3 µV。计算 u_c、95% 置信水平下的扩展不确定度 U，以及在我的容差为 ±100 µV 时的 TUR。”

4. 100 °C 的 K 型热电偶课堂预算

   “应用 thermocouple_k_100c 模板，将 dmm_voltage 覆盖为 k=2 时 ±0.05 °C。哪个不确定度分量占主导？”

5. 非线性比值模型——蒙特卡洛传播

   “计算 Y = (V × R) / (V + I)，其中 V ~ N(10, 0.05)、R ~ N(100, 0.5)、I ~ N(0.1, 0.001)。运行 200k 次蒙特卡洛试验，并报告最短的 95% 覆盖区间。”

托管端点

MCPize 上运行着一个托管实例，供无法在本地运行 Python 的 MCP 客户端使用（需要登录）。从此仓库自行托管可获得相同的工具。

快速开始——托管版（无需安装）

通过 MCPize 将 MCP 客户端直接连接到在线 Cloud Run 端点。无需 Python、依赖项或配置。

Claude Desktop / Cursor / Windsurf / Cline（单行）

npx -y mcpize connect @kyb8801/measurement-uncertainty --client claude

根据需要，将 --client claude 替换为 cursor、windsurf 或 cline。

Claude Code CLI

claude mcp add --transport http "Measurement Uncertainty" https://measurement-uncertainty.mcpize.run

手动配置（claude_desktop_config.json）

{
  "mcpServers": {
    "Measurement Uncertainty": {
      "url": "https://measurement-uncertainty.mcpize.run"
    }
  }
}

快速入门 — 本地安装（60 秒）

适用于隔离网络实验室、离线使用，或希望在本地运行的情况：

# 1. Clone and install
git clone https://github.com/kyb8801/measurement-uncertainty-mcp.git
cd measurement-uncertainty-mcp
pip install -e .

# 2. Run the stdio server (will connect to any MCP client)
measurement-uncertainty-mcp

然后将以下内容添加到 ~/Library/Application Support/Claude/claude_desktop_config.json （macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows）：

{
  "mcpServers": {
    "measurement-uncertainty": {
      "command": "python",
      "args": ["-m", "measurement_uncertainty_mcp"]
    }
  }
}

重启 Claude Desktop，然后提问：

“计算以下 10 次 CD-SEM 测量的 A 类不确定度：45.12、45.08、45.15、45.11、45.09、45.13、45.10、45.14、45.07、45.12 nm。报告 u、ν，以及 k=2 时的扩展不确定度。”

不确定度预算模板

v0.2 附带 6 个入门模板，涵盖校准、教学和晶圆厂计量中最常见的不确定度预算：

模板 ID	行业	被测量	标称值
cmm_length_10mm	calibration_lab	长度	10 mm
dmm_dc_voltage_10v	calibration_lab	电压	10 V
cdsem_linewidth_45nm	semiconductor	长度	45 nm
ocd_film_thickness_50nm	semiconductor	厚度	50 nm
thermocouple_k_100c	university	温度	100 °C
analytical_balance_500g	university	质量	500 g

list_uncertainty_templates 可预览分量名称、描述和参考资料。apply_uncertainty_template 会读取原始分量数值，通过 GUM 流程合成，并返回目标置信度下的 U。用户可以传入一个以分量名称为键的 overrides 映射，根据自己的测量设置调整模板。

自行托管时，在服务环境中设置 MCP_TIER=team 以启用 apply_*。

状态

• 服务骨架
• 工具定义（10 个工具，JSON Schema）
• 数学内核
• MCPize 部署（已上线：measurement-uncertainty.mcpize.run，2026-04-22）
• 公测版 — 已发现并可调用 10 个工具
• 冷启动优化：延迟导入 scipy，冷启动 p50 快约 9 倍（#4）
• 蒙特卡洛不确定度传播（GUM Supplement 1 / JCGM 101:2008，2026-04-22）（#2）
• 不确定度预算模板库 v1 — 6 个种子模板（#3，2026-04-23）
• 扩展模板库：目标 20 个模板（压力、扭矩、流量、尺寸、电气）

差异化

2026-04-17 在 mcp.so、Smithery 和 MCPize 中搜索了以下关键词：uncertainty、metrology、calibration、GUM、measurement。在该日期的这些注册表中，这些关键词的搜索结果均为零。这就是全部主张——它并不能证明任何地方都不存在此类服务，也没有在此给出市场规模估算。

测试

pytest tests/        # kernel + monte carlo + templates — all 44 tests should pass

许可证

MIT — 参见 LICENSE。可免费用于商业用途，欢迎注明出处。