mcpField
T
Turbulence Modeling Resource

Turbulence Modeling Resource

远程服务
pipeworx.io科研与教育01 周前更新

关于 Turbulence Modeling Resource

Turbulence Modeling Resource 汇集 NASA Langley 的湍流模型验证与确认案例,面向研究人员和工程师。它列出流动条件,并提供明确标识的实验或关联参考数据。

主要功能

  1. 01按类别检索案例
  2. 02查看流态及已注明的马赫数和雷诺数
  3. 03获取已确认的参考数据集
  4. 04解析 Tecplot 风格数值文件

适用场景

  1. 01选择湍流模型验证案例
  2. 02将 CFD 结果与参考数据比较
  3. 03按流态和条件审查案例

MCP 相关

该 MCP 服务提供 `tmr_cases` 案例目录工具,以及 `tmr_reference_data` 合资格案例数据工具。可通过 stdio 本地运行,也可经 Pipeworx 网关连接。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://gateway.pipeworx.io/turbulence-modeling-resource/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

@pipeworx/turbulence-modeling-resource

NASA Langley 标准湍流模型验证与确认测试案例目录(平板、翼型、喷流、后向台阶、壁面安装的凸起、激波/边界层相互作用等),以及适用于发布了明确实验数据集或关联数据集的案例的参考数据。

属于 Pipeworx — 一个将 AI Agent 连接到 1851+ 个实时数据源的 MCP 网关。这是一个独立的非官方集成,与上游提供方无关联、未获其认可,也并非由其发布。

工具

  • tmr_cases(...) — 完整案例目录(或单个类别):ID、类别、流动状态、记录的马赫数/雷诺数条件,以及是否可通过 tmr_reference_data 获取参考数据。
  • tmr_reference_data(...) — 单个案例的参考数据(实验数据或关联数据);仅当案例自身页面明确将某个文件标注为参考数据,而非众多湍流模型 CFD 结果之一时提供。

身份验证

无需密钥。美国政府作品 — 属于公有领域。

数据来源

  • NASA Langley 研究中心,湍流建模资源 — 湍流建模领域广泛采用的标准验证案例(检查湍流模型是否正确实现)和确认案例(检查模型能否重现真实流动物理现象):平板、通道凸起、二维和三维翼型、轴对称喷流、后向台阶、壁面安装的凸起、激波/边界层相互作用、超声速方形管道、ONERA M6 机翼,以及高雷诺数通道流。

该资源已从最初由 NASA 托管的地址迁移到发布方自行维护的 GitHub Pages 网站;此包从当前地址读取数据。案例目录中的马赫数和雷诺数仅在案例自身页面明确给出时填写;null 表示 NASA 页面未提供该数值,并不表示流动没有相应条件。

每个案例目录都包含数十个文件——每种湍流模型的 CFD 结果各一个,此外,部分案例还包含模型用于比对的实际实验参考数据或关联参考数据;这些数据在案例自身页面上有单独的名称和链接。tmr_reference_data 仅提供后一类数据,且只适用于页面本身能明确区分这类数据的案例;对于其他情况,不会猜测映射,而是保持未映射状态。因此,目前只有少数案例显示 reference_data: true。所有文件都遵循相同的纯文本 Tecplot 风格格式:以 # 开头的注释行、variables="col1","col2",... 标头、可选的 zone, t="label" 分区,然后是以空格分隔的数值行——这些文件由 src/index.ts 中的通用解析逻辑处理,而非按案例单独解析。

tmr_reference_data 的 data_as_of 是上游文件自身响应头中的 Last-Modified 值——不会使用构建此包时写入的日期,否则该日期会悄然过时。fetched_at 始终是本次调用自身的时间戳,因此即使在少数未返回 Last-Modified 响应头的情况下,调用方仍能知道 Pipeworx 最近一次发起请求的时间。tmr_cases 的 catalog_transcribed 则完全不同:案例列表和条件是构建此包时从发布方页面转录而来的普通数组,并不会在每次调用时实时重新获取,因此单独命名并注明日期,而不借用 data_as_of 的含义。

快速开始

添加到你的 MCP 客户端(Claude Desktop、Cursor、Windsurf 等):

{
  "mcpServers": {
    "turbulence-modeling-resource": {
      "url": "https://gateway.pipeworx.io/turbulence-modeling-resource/mcp"
    }
  }
}
此端点实际提供的内容

https://gateway.pipeworx.io/turbulence-modeling-resource/mcp 上的 tools/list 会返回上表中的工具,以及共享的 Pipeworx 元工具——ask_pipeworx、 discover_tools、search_within、remember/recall,以及其余适用于整个网关的工具。因此,你看到的工具数量会多于此表中的数量:目前,单个工具包端点除了列出该工具包自身的工具外,还会列出约 30 个共享工具。连接的 initialize 响应会说明确切的范围,也是了解当天实际情况的权威依据。

这是有意为之,并非意外复用。元工具可以让限定范围的连接回答此工具包未涵盖的问题——通过 ask_pipeworx 路由到整个目录——无需再添加第二个 MCP 服务。目前无法在不包含这些工具的情况下挂载工具包端点;如果额外的架构定义占用的上下文超过了路由带来的价值,请连接一次完整网关,而不是连接多个工具包端点。

或者连接完整的 Pipeworx 网关,直接列出所有工具包的工具,而不只是此工具包的工具:

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

这两个 URL 都连接到同一个网关和相同的 1851+ 个数据源。唯一的区别是直接列出哪个工具包的工具;无论连接哪个端点,ask_pipeworx 都能访问所有工具包。

没有 MCP 客户端?通过 HTTP 调用

curl -X POST https://gateway.pipeworx.io/v1/tools/tmr_cases \
  -H 'Content-Type: application/json' \
  -d '{"category":"validation-basic"}'

首次调用无需账户。检查任意工具:GET https://gateway.pipeworx.io/v1/tools/tmr_cases。查找工具:使用 {"query":"..."} 向 https://gateway.pipeworx.io/v1/tools/search_packs 发送 POST 请求。

独立运行(无需网关账户)

此软件包也可以作为本地 stdio MCP 服务运行——无需 Pipeworx 账户,也无需经过网关往返:

{
  "mcpServers": {
    "turbulence-modeling-resource": {
      "command": "npx",
      "args": ["-y", "@pipeworx/mcp-turbulence-modeling-resource"]
    }
  }
}

或者直接运行,以确认它能够启动:

npx -y @pipeworx/mcp-turbulence-modeling-resource

它通过 stdin/stdout 使用 MCP 协议,并且仅针对此工具包的工具响应 initialize/tools/list/tools/call——不包含上述网关连接提供的共享元工具。代码源相同,工具相同,但没有 ask_pipeworx 路由。

使用 ask_pipeworx

你可以用通俗易懂的英语提问,而不是直接调用工具——此功能既适用于上面的工具包端点,也适用于完整网关:

ask_pipeworx({ question: "your question about Turbulence Modeling Resource data" })

网关会选择合适的工具,并自动填入参数。

更多信息

许可证

MIT

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。