Numpy MCP

🚀 NumPy MCP サーバー

数値計算を提供する Model Context Protocol (MCP) サーバーで、NumPy を使用して数学演算を行います。このサーバーは、標準化された MCP インターフェースを通じて様々な数学ツールを公開し、Claude やその他の MCP 互換の大規模言語モデルが直接数値計算を実行できるようにします。

🚀 クイックスタート

このサーバーは、NumPy を用いた数値計算を提供し、MCP インターフェースを通じて Claude や他の MCP 互換の大規模言語モデルに公開されます。以下に、サーバーのインストール方法と使用方法を説明します。

✨ 主な機能

• 基本的な算術演算（加法）
• 線形代数計算（行列の乗算、固有値分解）
• 統計分析（平均、中央値、標準偏差、最小値、最大値）
• 多項式フィッティング

📦 インストール

Claude Desktop を使用した迅速なセットアップ

最も簡単なインストール方法は、Claude Desktop 内で直接このサーバーをインストールすることです。

# Claude Desktop 内でサーバーをインストール
mcp install server.py --name "NumPy 計算機"

手動インストール

このプロジェクトは UV を使用して依存関係を管理しています。インストールするには：

# まだインストールされていない場合は、まず UV をインストール
curl -LsSf https://astral.sh/uv/install.sh | sh

# リポジトリをクローン
git clone https://github.com/yourusername/math-mcp.git
cd math-mcp

# 仮想環境を作成し、依存関係をインストール
uv venv
source .venv/bin/activate  # Unix/macOS の場合
# または
# .venv\Scripts\activate  # Windows の場合
uv pip install -r requirements.txt

💻 使用例

開発テスト

MCP チェッカーを使用してサーバーをローカルでテストします。

mcp dev server.py

Claude Desktop との統合

1. Claude Desktop 内でこのサーバーをインストールします。

   mcp install server.py --name "NumPy 計算機"
   

2. このサーバーは、Claude Desktop の下に「NumPy 計算機」として表示されます。
3. Claude に数学演算を実行させることで使用できます。例えば：
   • 「行列 [[1, 2], [3, 4]] の固有値を計算」
   • 「データセット [1, 2, 3, 4, 5] の平均と標準偏差を求める」
   • 「行列 [[1, 0], [0, 1]] と [[2, 3], [4, 5]] を乗算」

直接実行

高度な使用またはカスタムデプロイには：

python server.py
# または
mcp run server.py

基本的な使用法

# MCP チェッカーを使用してサーバーをローカルでテスト
mcp dev server.py

高度な使用法

# Claude Desktop 内でサーバーをインストール
mcp install server.py --name "NumPy 計算機"

# サーバーを直接実行
python server.py

📚 ドキュメント

このサーバーは、MCP インターフェースを通じて以下の数学関数をサポートしています。

基本的な算術演算

• add(a: int, b: int) -> int: 2 つの整数を加算します。

線形代数

• matrix_multiply(matrix_a: List[List[float]], matrix_b: List[List[float]]) -> List[List[float]]: 2 つの行列を乗算します。
• eigen_decomposition(matrix: List[List[float]]) -> Tuple[List[float], List[List[float]]]: 正方行列の固有値と固有ベクトルを計算します。

統計分析

• statistical_analysis(data: List[float]) -> dict[str, float]: データセットの基本的な統計情報を計算します。以下を含みます：
  • 平均
  • 中央値
  • 標準偏差
  • 最小値
  • 最大値

データ分析

• polynomial_fit(x: List[float], y: List[float], degree: int = 2) -> List[float]: 与えられたデータポイントに指定次数の多項式をフィットさせます。

📄 ライセンス

このプロジェクトは MIT ライセンスの下で公開されています。詳細については、LICENSE を参照してください。