michal/CalcMCP
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
main
CalcMCP/README_ZH.md
一条懒狗 a17b0c8017 Add Chinese README (only)
2025-12-07 17:32:49 +08:00

9.3 KiB
Raw Permalink Blame History

Scientific Calculator MCP 服务器

一个生产级别的 Model Context Protocol（MCP）服务器，为 AI 模型提供高级数学计算功能。支持符号数学（SymPy）、数值计算（NumPy/SciPy）、数据分析（pandas）和图像处理。

License: MIT Python 3.8+

📋 目录

🚀 快速开始

第一步：安装依赖

pip install sympy numpy scipy pandas

第二步：配置 Claude Desktop

编辑 Claude Desktop 的配置文件 claude_desktop_config.json：

Windows 用户：

{
  "mcpServers": {
    "scientific-calculator": {
      "command": "python",
      "args": ["-u", "F:\\AAchengguoofAI\\cuz_caculat\\mcp_server.py"]
    }
  }
}

macOS/Linux 用户：

{
  "mcpServers": {
    "scientific-calculator": {
      "command": "python3",
      "args": ["-u", "/path/to/mcp_server.py"]
    }
  }
}

第三步：重启 Claude Desktop

在 Claude 中就能使用计算工具了。

📦 安装指南

方式 1：通过 pip 安装（推荐）

pip install mcp-scientific-calculator

方式 2：从源码安装

git clone https://github.com/thinkitpossible/CalcMCP
cd CalcMCP
pip install -r requirements.txt

方式 3：本地开发安装

git clone https://github.com/thinkitpossible/CalcMCP
cd CalcMCP
pip install -e .

⚙️ 配置说明

基础配置

确保在 claude_desktop_config.json 中配置了服务器路径：

{
  "mcpServers": {
    "scientific-calculator": {
      "command": "python",
      "args": ["-u", "path/to/mcp_server.py"],
      "env": {}
    }
  }
}

环境变量（可选）

# 设置日志级别（可选）
export LOG_LEVEL=DEBUG

# Windows PowerShell
$env:LOG_LEVEL = "DEBUG"

💡 使用示例

1. 符号数学运算

简化表达式：

用户：简化 (x**2 + 2*x + 1) / (x + 1)
工具调用：symbolic_tool
参数：
  operation: "simplify"
  expression: "(x**2 + 2*x + 1) / (x + 1)"

返回：x + 1

求导数：

用户：求 sin(x) + x^3 对 x 的导数
工具调用：symbolic_tool
参数：
  operation: "derivative"
  expression: "sin(x) + x**3"
  variable: "x"

返回：cos(x) + 3*x**2

求积分：

用户：求 2*x 的不定积分
工具调用：symbolic_tool
参数：
  operation: "integral"
  expression: "2*x"
  variable: "x"

返回：x**2

解方程：

用户：解方程 x^2 - 5*x + 6 = 0
工具调用：symbolic_tool
参数：
  operation: "solve_equation"
  equation: "x**2 - 5*x + 6"
  variable: "x"

返回：[2, 3]

2. 数值计算

线性方程组求解：

用户：求解线性方程组：2x + y = 5, x + 3y = 7
工具调用：numpy_tool
参数：
  operation: "linear_algebra"
  array_data: [[2, 1], [1, 3]]
  array_data_b: [5, 7]

返回：[2.0, 1.0]

矩阵运算：

用户：计算矩阵 [[1, 2], [3, 4]] 的行列式
工具调用：numpy_tool
参数：
  operation: "determinant"
  array_data: [[1, 2], [3, 4]]

返回：-2.0

3. 科学计算

常微分方程求解：

用户：求解 dy/dx = 2*x，初始条件 y(0)=0
工具调用：scipy_tool
参数：
  operation: "solve_ode"
  expression: "2*x"
  initial_condition: 0

返回：数值解向量

函数积分：

用户：计算 ∫sin(x)dx 从 0 到 π
工具调用：scipy_tool
参数：
  operation: "integrate"
  expression: "sin(x)"
  limits: "0:pi"

返回：2.0

🛠️ 工具参考

symbolic_tool（符号数学）

提供以下操作：

操作 参数 返回 说明
simplify expression str 简化数学表达式
expand expression str 展开表达式
factor expression str 因式分解
derivative expression, variable, order str 求导数（可指定阶数）
integral expression, variable, lower_limit, upper_limit str 求积分（定积分或不定积分）
limit expression, variable, point str 求极限
solve_equation equation, variable str 解方程
matrix_multiply matrix1, matrix2 str 矩阵乘法
matrix_inverse matrix str 矩阵求逆

使用示例：

{
  "tool": "symbolic_tool",
  "input": {
    "operation": "simplify",
    "expression": "x**2 + 2*x + 1"
  }
}

numpy_tool（数值计算）

提供以下操作：

操作 参数 返回 说明
linear_algebra array_data, array_data_b list 求解线性方程组 Ax=b
determinant array_data float 计算矩阵行列式
eigenvalues array_data str 计算特征值
eigenvectors array_data str 计算特征向量
statistics array_data dict 统计信息（均值、标准差等）
fft array_data list 快速傅里叶变换
correlation array1, array2 float 计算两个数组的相关系数
pandas_read file_path, file_type str 读取数据文件
pandas_describe file_path str 数据摘要统计

使用示例：

{
  "tool": "numpy_tool",
  "input": {
    "operation": "linear_algebra",
    "array_data": [[2, 1], [1, 3]],
    "array_data_b": [5, 7]
  }
}

scipy_tool（科学计算）

提供以下操作：

操作 参数 返回 说明
solve_ode expression, initial_condition, t_span str 求解常微分方程
integrate expression, limits float 数值积分
optimize expression, initial_guess str 函数优化
interpolate x_data, y_data, x_new str 插值
fft array_data list 快速傅里叶变换
root_find expression, initial_guess float 求根
curve_fit x_data, y_data str 曲线拟合
special_function func_type, value float 特殊函数计算

使用示例：

{
  "tool": "scipy_tool",
  "input": {
    "operation": "integrate",
    "expression": "sin(x)",
    "limits": "0:pi"
  }
}

❓ 常见问题

Q1：如何添加到 Claude Desktop？

A：

  1. 打开 Claude Desktop 配置文件夹

    • Windows: %APPDATA%\Claude\
    • macOS: ~/Library/Application Support/Claude/
    • Linux: ~/.config/Claude/

  2. 编辑 claude_desktop_config.json

  3. 在 mcpServers 字段添加配置

  4. 保存并重启 Claude Desktop

Q2：提示 "Python not found" 怎么办？

A： 确保 Python 已正确安装并在系统 PATH 中：

python --version
# 或
python3 --version

如果没有找到，使用完整路径：

{
  "command": "C:\\Python312\\python.exe",
  "args": ["-u", "path/to/mcp_server.py"]
}

Q3：模块导入错误怎样修复？

A： 重新安装依赖：

pip install --upgrade sympy numpy scipy pandas

Q4：如何运行测试？

A：

python verify_production_readiness.py

Q5：如何调试问题？

A： 使用完整路径并添加日志：

{
  "command": "python",
  "args": ["-u", "-u", "path/to/mcp_server.py"]
}

📊 项目结构

.
├── calculator.py              # 核心计算模块（3个工具函数）
├── mcp_server.py              # MCP 服务器实现
├── mcp_protocols.py           # MCP 协议定义（可选）
├── requirements.txt           # 依赖列表
├── setup.py                   # 打包配置
├── pyproject.toml             # 项目元数据
├── advanced_math_problems.py  # 测试用例
├── advanced_math_problems.json# 测试数据
├── verify_production_readiness.py  # 验证脚本
├── README.md                  # 英文文档
├── README_ZH.md              # 中文文档（本文件）
├── QUICKSTART.md             # 快速入门
├── DEPLOYMENT.md             # 部署指南
└── .vscode/                   # VS Code 配置

📝 版本信息

  • 版本: 1.0.0（初始版本）
  • 发布日期: 2025 年 12 月 7 日
  • Python 版本: 3.8+
  • MCP 版本: 兼容最新版本
  • 许可证: MIT

🔗 相关链接

📧 反馈与支持

如有问题或建议，请提出 Issue 或联系维护者。

GitHub Issues: https://github.com/thinkitpossible/CalcMCP/issues

祝您使用愉快！ 🎉

Reference in New Issue View Git Blame Copy Permalink