MCP Ortools

🚀 MCP-ORTools モデルコンテキストプロトコルサーバ実装

MCP-ORToolsは、Google OR-Toolsを用いた制約求解を行うモデルコンテキストプロトコルサーバです。標準化された制約モデル仕様を通じて、大規模言語モデルと連携するように設計されています。

🚀 クイックスタート

MCP-ORTools は Google の OR-Tools 制約プログラミングソルバーと大規模言語モデルを組み合わせ、Model Context Protocol を通じて、AI モデルが以下のことを可能にします。

• 制約モデルの提出と検証
• モデルパラメータの設定
• 制約充足問題と最適化問題の解決
• 解の取得と分析

📦 インストール

パッケージのインストール

pip install git+https://github.com/Jacck/mcp-ortools.git

Claude Desktopの設定

Windowsの場合は %APPDATA%\Claude\claude_desktop_config.json、macOSの場合は ~/Library/Application Support/Claude/claude_desktop_config.json に設定ファイルを作成します。

{
  "mcpServers": {
    "ortools": {
      "command": "python",
      "args": ["-m", "mcp_ortools.server"]
    }
  }
}

📚 ドキュメント

モデル仕様

モデルは JSON 形式で指定され、以下の 3 つの主要部分を含みます。

• variables：変数とそのドメインを定義します。
• constraints：OR-Tools メソッドを使用して制約を列挙します。
• objective：オプションの最適化目標です。

制約構文

制約は OR-Tools メソッド構文を使用する必要があります。

• .__le__() は 小于等于（<=）を表します。
• .__ge__() は 大于等于（>=）を表します。
• .__eq__() は 等于（==）を表します。
• .__ne__() は 不等（!=）を表します。

💻 使用例

基本的な使用法

単純な最適化モデル

{
    "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
    }
}

ナップサック問題

例：価値が [3,1,2,1] で重量が [2,2,1,1] のアイテムを選択し、総重量制限を 2 とする場合。

{
    "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
    }
}

追加の制約例

{
    "constraints": [
        "p0.__eq__(1)",         // アイテム p0 は必ず選択される
        "p1.__ne__(p2)",        // p1 と p2 を同時に選択することはできない
        "(p2 + p3).__ge__(1)"   // p2 または p3 の少なくとも 1 つを選択する必要がある
    ]
}

高度な使用法

モデルコンテキストプロトコル (MCP) の使用例

from mcp import ModelContext

# コンテキストインスタンスを作成
context = ModelContext()

# 変数を追加
context.add_variable("x", domain=[0, 10])
context.add_variable("y", domain=[0, 10])

# 制約を追加
context.add_constraint("(x + y).__le__(15)")
context.add_constraint("x.__ge__(2 * y)")

# 目的関数を設定
context.set_objective("40 * x + 100 * y", maximize=True)

# コンテキスト情報を取得
print(context.variables)  # 変数情報を出力
print(context.constraints)  # 制約情報を出力
print(context.objective)  # 目的関数情報を出力

✨ 主な機能

• OR-Tools CP-SAT ソルバーを完全にサポートします。
• JSON ベースのモデル仕様を使用します。
• 以下をサポートします。
  • 整数とブール変数（ドメイン：[最小値, 最大値]）
  • OR-Tools メソッド構文を使用した線形制約
  • 線形最適化目標
  • タイムアウトとソルバーパラメータ
  • バイナリ制約と関係
  • ポートフォリオ選択問題
  • ナップサック問題

制約でサポートされる操作

• 基本的な算術演算：+、-、*
• 比較：.le()、.ge()、.eq()、.ne()
• 変数の線形結合
• 制約の組み合わせによるバイナリ論理

🔧 技術詳細

開発環境のセットアップ

git clone https://github.com/Jacck/mcp-ortools.git
cd mcp-ortools

モデルコンテキストプロトコル (MCP)

定義

モデルコンテキストプロトコル (MCP) は、異なるコンポーネント間でコンテキスト情報を定義および管理するための一連のインターフェースとメソッドです。このプロジェクトでは、MCP は制約ソルバーと他の AI コンポーネント（言語モデルなど）の間でコンテキストデータを伝達および同期するために使用されます。

主な機能

• コンテキストの定義：コンテキストの構造と内容を明確に定義します。
• インターフェースの標準化：異なるコンポーネントが使用するための統一されたインターフェースを提供します。
• データ管理：コンテキストデータの保存、検索、および更新をサポートします。
• バージョン管理：コンテキストの異なるバージョンの管理と追跡を可能にします。

実装の詳細

MCP-ORTools では、コンテキスト情報は主に以下の内容を含みます。

• 変数情報：すべての問題変数の名前、タイプ、およびドメイン。
• 制約情報：問題に関連するすべての制約条件を記述します。
• 目的関数：最適化問題の目的式を定義します。
• 求解状態：現在の求解プロセスの状態を追跡します（求解中か、解があるかなど）。

拡張とカスタマイズ

MCP は高度な拡張性とカスタマイズ性を提供し、ユーザーが特定のニーズに応じてカスタムコンポーネントを追加または機能を拡張できるようにします。例えば：

• カスタム変数タイプ：Variable クラスを継承してそのメソッドをオーバーライドすることで、新しい変数タイプを作成できます。
• カスタム制約タイプ：同様に、Constraint クラスを継承して新しい制約タイプを定義できます。
• プラグインサポート：MCP はプラグインメカニズムをサポートし、ユーザーが追加機能を動的にロードして使用できるようにします。

ドキュメントとリソース

• 公式ドキュメント：詳細な API ドキュメントと使用ガイドを提供します。
• サンプルコード：実際のシナリオで MCP を使用する方法を示す複数のサンプルがあります。
• 開発者フォーラム：開発チームや他のユーザーと交流するためのコミュニティプラットフォームです。

以上の内容を通じて、MCP-ORTools の機能、実装の詳細、および複雑な制約最適化問題を解決するためのプロジェクトでの適用方法を全面的に理解できます。