Physbound

🚀 PhysBound

物理層檢查工具 — 一個 MCP 服務器，用於驗證射頻（RF）和物理計算是否符合嚴格的物理限制。它能夠捕捉工程工作流程中人工智能產生的錯誤信息。

🚀 快速開始

📦 安裝指南

pip install physbound

MCP 客戶端配置

將 PhysBound 添加到任何與 MCP 兼容的客戶端中。例如，在 Claude Desktop（claude_desktop_config.json）、Cursor 或 Windsurf 中：

{
  "mcpServers": {
    "physbound": {
      "command": "uvx",
      "args": ["physbound"]
    }
  }
}

⚠️ 重要提示

首次運行時，uvx 會在首次啟動時下載約 60 MB 的依賴項（scipy、numpy）。在終端中運行一次 uvx physbound 以預緩存它們，後續啟動將立即完成。

完成上述步驟後，你的人工智能助手現在就可以訪問經過物理驗證的 RF 計算了。

✨ 主要特性

🔍 捕捉大語言模型（LLM）的錯誤

大語言模型經常會產生不符合物理規律的結果，而 PhysBound 能夠捕捉到這些錯誤：

由 pytest tests/test_marketing.py -s 自動生成

💻 工具功能

rf_link_budget

使用弗里茲傳輸方程計算完整的 RF 鏈路預算，並根據孔徑限制驗證天線增益。

示例："在 2.4 GHz 鏈路中，發射功率為 20 dBm，發射天線增益為 10 dBi，接收天線增益為 3 dBi，距離為 100 m 時，接收功率是多少？"

返回值包括：自由空間路徑損耗（FSPL）、接收功率、波長，以及可選的孔徑限制檢查結果。該工具會拒絕違反 G_max = eta * (pi * D / lambda)^2 的天線增益。

shannon_hartley

計算香農 - 哈特利信道容量 C = B * log2(1 + SNR)，並驗證吞吐量聲明。

示例："一個 20 MHz 信道在 15 dB 信噪比下能否支持 500 Mbps？"

返回值包括：理論容量、頻譜效率，以及該聲明是否符合物理規律。如果聲明違反香農極限，會標記出超出的具體百分比。

noise_floor

計算熱噪聲功率 N = k_B * T * B，使用弗里茲噪聲公式計算多級接收機的級聯噪聲係數，並計算接收機靈敏度。

示例："一個 1 MHz 接收機在 290K 溫度下，採用兩級低噪聲放大器（LNA）級聯時，噪聲基底是多少？"

返回值包括：以 dBm 和瓦特為單位的熱噪聲、級聯噪聲係數、系統噪聲溫度，以及接收機靈敏度。

radar_range

計算單基地雷達探測範圍方程 R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min L)]^(1/4)，並驗證探測範圍聲明。

示例："一個 1 kW X 波段雷達，天線增益為 30 dBi，能否在 200 km 處探測到雷達散射截面積（RCS）為 0.01 m² 的無人機？"

返回值包括：最大探測範圍、最小可檢測信號、波長，以及中間計算值。該工具能夠捕捉常見的四次方根謬誤，即錯誤地認為發射功率加倍會使探測範圍加倍。

🔧 物理保證

每個計算結果都會根據嚴格的物理限制進行驗證：

• 光速：c = 299,792,458 m/s — 無例外情況
• 熱噪聲基底：290K 時 N = -174 dBm/Hz — 符合 IEEE 標準參考值
• 香農極限：C = B * log2(1 + SNR) — 任何吞吐量聲明都不能超過該極限
• 孔徑極限：G_max = eta * (pi * D / lambda)^2 — 天線增益受物理規律限制
• 雷達探測範圍方程：R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min)]^(1/4) — 探測範圍遵循四次方根定律

如果計算結果違反物理限制，將返回結構化的 PhysicalViolationError 響應，並附帶 LaTeX 解釋，而不是靜默失敗。

💻 使用示例

即時捕捉錯誤信息

• 捕捉錯誤信息 — 詳細介紹四種大語言模型的實際失敗模式，並提供完整的 JSON 響應。
• 交互式演示筆記本 — 一個實踐型 Jupyter 筆記本，可直接調用物理計算引擎。

📚 詳細文檔

開發步驟

# 克隆倉庫並安裝依賴
git clone https://github.com/JonesRobM/physbound.git
cd physbound
uv sync --all-extras

# 運行測試
uv run pytest tests/ -v

# 打印錯誤信息差異表
uv run pytest tests/test_marketing.py -s

# 本地啟動 MCP 服務器
uv run physbound

為什麼選擇 PhysBound？

人工智能編碼助手在 RF 工程、電信和信號處理工作流程中的應用越來越廣泛。然而，大語言模型本身並不理解物理規律，它們可能會生成看似合理但違反基本物理定律（如香農 - 哈特利定理、熱噪聲極限和天線孔徑限制）的數值。

PhysBound 可以作為任何與 MCP 兼容的人工智能助手的 物理防護欄。每個計算結果都會通過 SciPy 與 CODATA 物理常數進行核對，並通過 Pint 進行量綱分析。如果計算結果違反物理限制，將返回結構化的錯誤信息，並附帶 LaTeX 解釋，而不是靜默失敗。

使用場景

• RF 系統設計審查 — 驗證鏈路預算、接收機靈敏度和噪聲級聯。
• 電信提案審核 — 在提案提交給客戶之前，捕捉不可能實現的吞吐量聲明。
• 教育工具 — 通過經過驗證的計算，教授香農 - 哈特利定理、弗里茲傳輸方程和熱噪聲知識。
• 物理計算的持續集成/持續部署（CI/CD） — 作為工程流程中的驗證步驟進行集成。

📄 許可證

本項目採用 MIT 許可證。詳情請見 LICENSE。

相關鏈接

• 模型上下文協議 — 人工智能工具集成的開放標準
• MCP 服務器註冊表 — MCP 服務器的官方目錄
• FastMCP — 用於構建 MCP 服務器的 Python 框架

支持我們

如果 PhysBound 對你的工作有幫助，歡迎 請作者喝杯咖啡。