🚀 MCP-ORTools
MCP-ORTools是一个使用Google OR-Tools约束编程求解器实现的模型上下文协议（MCP）服务器。它通过标准化约束模型规范，专为大型语言模型设计，能有效助力大型语言模型处理约束满足和优化问题。
🚀 快速开始
MCP-ORTools将Google的OR-Tools约束编程求解器与大型语言模型相结合，通过Model Context Protocol进行集成，使AI模型能够：
- 提交和验证约束模型
- 设置模型参数
- 解决约束满足和优化问题
- 获取并分析解决方案
📦 安装指南
安装包
pip install git+https://github.com/Jacck/mcp-ortools.git
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"]
}
}
}
📚 详细文档
模型规范
模型通过JSON格式指定，包含三个主要部分：
variables：定义变量及其域constraints：使用OR-Tools方法的约束列表objective：可选优化目标
约束语法
约束必须使用OR-Tools方法语法：
.__le__()表示小于等于（<=）.__ge__()表示大于等于（>=）.__eq__()表示等于（==）.__ne__()表示不等于（!=）
模型响应格式
求解器将返回以下JSON结构：
{
"status": "success", // 状态："success" 或 "error"
"result": {
"x": 5, // 变量 x 的值
"y": 10 // 变量 y 的值
},
"message": "" // 错误消息（如果有的话）
}
状态代码
success：操作成功error：发生错误
💻 使用示例
基础用法
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：选择具有值 [3,1,2,1] 和权重 [2,2,1,1] 的物品，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
}
}
高级用法
额外约束示例
{
"constraints": [
"p0.__eq__(1)", // 物品 p0 必须被选中
"p1.__ne__(p2)", // 不能同时选择 p1 和 p2
"(p2 + p3).__ge__(1)" // 必须选择 p2 或 p3 中的至少一个
]
}
✨ 主要特性
- 完全支持OR-Tools CP-SAT求解器
- 基于JSON的模型规范
- 支持：
- 整数和布尔变量（域：[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
- 二进制约束和关系
- 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
- 通过约束组合实现二进制逻辑
🔧 技术细节
为开发设置：
git clone https://github.com/Jacck/mcp-ortools.git
cd mcp-ortools
pip install -e .
📄 许可证
Apache License 2.0 - 请查看LICENSE文件以获取详细信息