OR Tools

MCP-ORTools是一個基於Google OR-Tools的約束求解服務實現，通過標準化約束模型規範與大型語言模型集成，支持約束滿足和優化問題的求解。

開發者工具研究與數據 #約束求解 #優化工具 #AI集成 .Python

評分 : 2.5分

下載量 : 15

更新時間 : 2025-04-28

什麼是MCP-ORTools?

MCP-ORTools是一個集成Google OR-Tools約束求解器的服務器，允許用戶通過JSON格式提交約束模型並獲取優化解決方案。它特別適合需要處理大規模約束優化問題的應用場景。

如何使用MCP-ORTools?

用戶只需編寫符合標準格式的JSON模型文件，然後通過命令行啟動服務器即可開始解決問題。支持多種變量類型、線性約束及優化目標。

適用場景

MCP-ORTools適用於庫存管理、物流規劃、資源分配等領域。例如，企業可以利用該工具優化供應鏈流程或解決複雜的調度問題。

主要功能

多變量支持支持整數、布爾型等多種變量類型，用戶可根據需求定義變量域。

線性約束表達允許用戶通過OR-Tools方法語法輕鬆構建複雜的數學約束。

優化目標設定可設置最大化或最小化目標函數，用於解決資源分配問題。

高性能求解內置Google OR-Tools高效算法，快速響應大規模問題。

優勢與侷限性

優勢

易於集成到現有系統中

支持多種編程語言

強大的約束求解能力

開源且免費使用

侷限性

需要一定的編程基礎

某些複雜問題可能無法及時求解

依賴外部環境運行

如何使用

安裝MCP-ORTools

運行pip install git+https://github.com/Jacck/mcp-ortools.git完成安裝。

配置Claude桌面

編輯配置文件claude_desktop_config.json，添加如下內容： { "mcpServers": { "ortools": { "command": "python", "args": ["-m", "mcp_ortools.server"] } } }

提交模型文件

創建符合規範的JSON模型文件，並上傳至服務器。

使用案例

簡單優化模型定義兩個變量並求解其最大值。

揹包問題選擇物品使總價值最高且不超過重量限制。

常見問題

如何確保模型正確性？

服務器運行失敗怎麼辦？

支持哪些編程語言？

🚀 MCP-ORTools

MCP-ORTools是一個使用Google OR-Tools約束編程求解器實現的模型上下文協議（MCP）服務器，專為大型語言模型設計。它通過標準化約束模型規範，讓大型語言模型能更好地利用約束編程求解器的能力。

🚀 快速開始

MCP-ORTools將Google的OR-Tools約束編程求解器與大型語言模型相結合，通過Model Context Protocol進行集成，使AI模型能夠：

提交和驗證約束模型
設置模型參數
解決約束滿足和優化問題
獲取並分析解決方案

✨ 主要特性

完全支持OR-Tools CP-SAT求解器
基於JSON的模型規範
支持：
- 整數和布爾變量（域：[min, max]）
- 使用OR-Tools方法語法的線性約束
- 線性優化目標
- 超時和求解器參數
- 二進制約束和關係
- 投資組合選擇問題
- 揹包問題

約束中支持的操作

基本算術：+、-、*
比較：.le()、.ge()、.eq()、.ne()
變量的線性組合
通過約束組合實現二進制邏輯

📦 安裝指南

安裝包：

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）創建配置文件：

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

💻 使用示例

基礎用法

簡單優化模型

{
    "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
    }
}

揹包問題

示例：選擇具有值 [3,1,2,1] 和權重 [2,2,1,1] 的物品，總重量限制為 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
    }
}

高級用法

額外約束示例

{
    "constraints": [
        "p0.__eq__(1)",         // 物品 p0 必須被選中
        "p1.__ne__(p2)",        // 不能同時選擇 p1 和 p2
        "(p2 + p3).__ge__(1)"   // 必須選擇 p2 或 p3 中的至少一個
    ]
}

📚 詳細文檔

模型規範

模型通過JSON格式指定，包含三個主要部分：

variables：定義變量及其域
constraints：使用OR-Tools方法的約束列表
objective：可選優化目標

約束語法

約束必須使用OR-Tools方法語法：

.__le__() 表示小於等於（<=）
.__ge__() 表示大於等於（>=）
.__eq__() 表示等於（==）
.__ne__() 表示不等於（!=）

開發

為開發設置：

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

模型響應格式

求解器將返回以下JSON結構：

{
    "status": "success",           // 狀態："success" 或 "error"
    "result": {
        "x": 5,                   // 變量 x 的值
        "y": 10                   // 變量 y 的值
    },
    "message": ""                 // 錯誤消息（如果有的話）
}