breedsim-mcp

breedsim-mcp

breedsim-mcp 是一个 MCP 服务，可让 AI Agent 运行 AlphaSimR 育种项目模拟。它返回多次重复运行的结果分布，而不是单次随机运行的结果，因此 Agent 可以说明某种选择方案能带来多少收益，以及对此有多大把握。

为什么要重复运行

单次模拟运行并不构成结果，本 API 不会返回单次运行结果。一个相同的三周期项目使用五个随机种子，得到的平均遗传增益为 [1.151, 1.841, 1.424, 1.429, 1.473]， 标准差为 0.247；这是针对所报告的指标得出的结果（在构建 v0.1.0 时，于 2026-07-29 使用 AlphaSimR 2.1.0 测得）。因此，run_program 会强制设置最低重复次数，并返回每个周期的均值、标准差和置信区间。没有任何标记可以将结果压缩为点估计。

安装

除了 uv pip install，还需要：

• R ≥ 4.3，并带有共享库（libR.so）
• AlphaSimR，需要花费数分钟编译 Rcpp/RcppArmadillo
• libtirpc-dev，否则 rpy2 链接失败（cannot find -ltirpc）
• rpy2 <3.6，因为 3.6 会绑定 R_getVar，而它需要 R ≥ 4.4

sudo apt-get install -y r-base r-base-dev libtirpc-dev
R -e 'install.packages("AlphaSimR", repos="https://cloud.r-project.org")'
uv add breedsim-mcp

不要使用 conda Python：rpy2 会因找不到 GLIBCXX_3.4.30 而无法加载 libR.so，这是因为 conda 附带的 libstdc++ 版本低于系统 libicuuc 所需的版本。请使用系统解释器或由 uv 管理的解释器。需要 mcp 2.x。

配置 MCP 客户端

该服务通过 breedsim-mcp 控制台脚本使用 stdio 通信。

Claude Code

claude mcp add breedsim -- breedsim-mcp

Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "breedsim": {
      "command": "breedsim-mcp"
    }
  }
}

如果可执行文件不在 PATH 中，或者 AlphaSimR 位于用户库中，请通过 uv 运行，并传入库路径：

{
  "mcpServers": {
    "breedsim": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/breedsim-mcp", "breedsim-mcp"],
      "env": { "R_LIBS_USER": "/home/you/R/library" }
    }
  }
}

使用 list_methods() 检查；它会报告引擎版本，以及当前进程能否生成可复现的结果。

基准测试结果

我们在 34 个育种模拟问题上，将使用该服务的 Claude 与自行编写 AlphaSimR 脚本的 Claude 进行了比较；后者已安装 R 和 AlphaSimR。每个问题运行 3 次。平局意味着：无需你设置 R 和 AlphaSimR，该服务也能达到相同结果。每次运行都答对的问题数，按该服务与 Claude 自行编写的脚本对比：Claude Haiku 5.5 为 34 比 33，Sonnet 5.5 为 28 比 33，Opus 5.5 为 34 比 34（2026-10-18 重跑）。差异均无统计显著性（预先注册；Haiku 的 Holm 校正 McNemar p = 1.0，Sonnet 为 0.25）。Sonnet 的差距来自它根据育种者方程理论作答，而没有运行模拟的那些情况。对 Haiku 而言，该服务更便宜（34 个问题中有 26 个）；对 Sonnet 和 Opus 而言则更贵。Opus 不使用工具时，102 个答案中有 51 个答对。

图表显示的是首次 Opus 5.5 运行结果，以 AlphaSimR 直接运行的结果为基准；最佳命名公式只在 34 个问题中的 15 个上得出正确结果。使用该服务时，Claude 的 102 个答案全部正确；使用自己的 R 和 AlphaSimR 时，102 个答案中有 99 个正确（差异无显著性，精确 McNemar p = 1.0）；单独使用 Claude 时，102 个答案中有 51 个正确（两种工具配置的表现都优于它，p < 1e-6）。重跑时使用了一个尚未发布的提交版本，该版本缩短了服务的指令并对其输出进行了四舍五入；两种配置下均为 102 个答案全部正确，并将该服务每个答案的成本中位数从 $0.051 降至 $0.033；Claude 自行编写的脚本成本为 $0.027，在全部 34 个问题上都更便宜（p = 1e-10）。耗时差异无显著性。

每个问题都明确列出了 AlphaSimR 调用，因此这项测试考查的是运行指定的模拟，而不是在没有帮助的情况下设计模拟。问题由我们编写，基准测试也由我们执行；欢迎外部复测。方法、控制措施、其他局限性，以及单独报告的六个概率问题，详见 benchmarks/agent_qa；Haiku 和 Sonnet 的运行结果见： 2026-10-20 重跑。

工具

工具	返回内容
list_methods	引擎版本、生成器、选择方法、复制数下限
found_population	session_id、创始群体溯源信息、reproducible、测得的 LD
run_program	每个周期的分布：均值、标准差、95% CI
compare_programs	两个方案之间的配对差异及其 CI
describe_session	溯源信息、性状架构、已运行周期数

典型流程：found_population → run_program → 查看 CI 和警告。比较 两个方案：found_population → compare_programs → 查看 difference。run_program 接受 selection_method="phenotypic" 或 "genomic"；compare_programs 为每个实验组各接受一个。

docs/REFERENCE.md 提供完整的工具签名、示例输出、警告表，以及下文所述各项结果的测量依据。

• 使用 compare_programs 进行比较，而不是调用两次 run_program。 它会在相同的种子上运行两组方案，并在每对结果内计算差异，因此共同的运气因素会相互抵消。两个方案各自的区间即使重叠，也不代表不存在差异；配对区间仍可能排除零值（警告 overlap_but_different）。配对区间包含零值时，favours 为 null。
• 基因组选择需要连锁不平衡。 selection_method="genomic" 会在创始时根据 SNP 芯片组（n_snp_per_chr）拟合 RRBLUP。默认且唯一可复现的生成器 quickHaplo 不具备 LD，因此请使用 runMacs；该生成器在长时间运行的进程中无法复现。在此引擎中，两者不能兼得。found_population 会测量 LD，并在标记不具信息性时发出警告（no_linkage_disequilibrium）。
• 可复现性。 服务会在 R 启动前、导入时固定 OMP_NUM_THREADS=1；否则，相同种子会产生不同结果。runMacs 的 RNG 在每个 R 会话中只设定一次种子，并在调用间持续推进，因此在这个长时间运行的进程中，重复调用会得到不同结果（reproducible: false）。
• 警告用于说明情况；它们都不会导致结果被扣留。
• 多性状选择。 将 h2 作为列表传入，并提供 index_weights，即可按加权指数进行选择。trait_correlation 必须是有效的相关矩阵（对于 n 个相关程度相同的性状，相关系数不得低于 −1/(n−1)）；无效矩阵会被拒绝，而不会替换为最近的有效矩阵。基因组选择会为每个性状拟合一个 RRBLUP 模型，将指数应用于估计的育种值，并在每个 traits 条目中报告 prediction_accuracy。
• 物种。 species 仅适用于 runMacs，其人口历史数据适用于 GENERIC、CATTLE、WHEAT 和 MAIZE；其他值都会被拒绝。默认值为 MAIZE，但这并非仅限植物的模拟器。
• 限制。 每个大小参数都有上限，可通过 list_methods() 的 limits 查看。R 是单一解释器，调用会串行执行，因此一次超大调用会阻塞其他所有调用。对于大型任务，请直接使用 AlphaSimR。

测试

CI 会安装 R 并编译 AlphaSimR，因此测试套件会在 Python 3.11、3.12 和 3.13 上针对真实引擎运行。其中一项测试会根据育种者方程 R = h²S 检查 R 引擎层（docs/EVAL.md）；它不会将此服务的创始群体或选择代码与外部参考进行比较。docs/MUTATION-CHECKS.md 记录了 25 个刻意引入的变异：24 个使测试失败，另有 1 个因等价而未被检测到。tests/test_perf_ratchet.py 根据包函数调用次数和 R 求值次数的精确计数来限制每个工具，而不是依据运行时间。

局限

• compare_programs 只能比较单个性状：一次成对评判需要一个标准；若有多个性状，该函数会使用性状索引，而 AlphaSimR 不会因此报告任何增益。
• 不支持 G×E、最优贡献选择、杂交区块优化或基因型矩阵导出。
• 基因组选择仅支持 RRBLUP。RRBLUP_D、_GCA 和 _SCA 会估算显性效应和配合力效应，而仅包含加性效应的 addTraitA 架构不具备这些效应。
• 会话存储在内存中，最多保留 8 个（LRU），重启后不会保留。

许可证

GPL-3.0-or-later，因为本项目导入了 rpy2，而 rpy2 采用 GPLv2+ 许可证。AlphaSimR 本身采用 MIT 许可证。 非官方项目：与 AlphaSimR 作者、爱丁堡大学或 R Foundation 均无关联，也未获其认可或赞助。请参阅 NOTICE。

CHANGELOG.md 记录了变更内容及原因。