HACOO MCP Server
Provides an adapter to Ansys RedHawk-SC for IR drop / EM analysis and thermal signoff, using a persistent Tcl shell session in chip design flows.
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
HACOO — Human Agent CO-wOrk eTV design platform
基于 FluxEDA 五层协议架构(见 docs/FluxEDA.md)实现的人机协同 eTV 设计平台。以 OpenCode + KIMI 2.6 (vLLM) 为 Agent 入口,通过 MCP 把异构 EDA 工具整合到统一、安全、可观测的 API 空间。多用户共享部署,实例级隔离。
多 Agent 设计团队(产品核心)
平台内置覆盖数字芯片设计全流程的 9 个专业 Agent,每个有独立 prompt、 工具白名单和专属知识库:
Agent | 阶段 | 职责 | 生产工具 (adapter) |
| 前端 | scan/ATPG/MBIST 可测性设计 | ICC2 / Innovus |
| 前端 | 逻辑综合,时序/面积/功耗权衡 | ICC2 / Innovus |
| 后端 | 布局布线,3D IC 分区/hybrid bonding/TSV 感知 | ICC2 / Innovus |
| 签核 | 多 corner 时序,ECO 建议 | PrimeTime |
| 签核 | DRC/LVS/PERC | Calibre |
| 签核 | IR drop / EM / PG 加固 | RedHawk-SC / Voltus |
| 签核 | 热分布、3D 层间热耦合 | Voltus / RedHawk-SC |
| 签核 | 串扰/PDN/SSN/D2D 接口裕度 | PrimeTime / RedHawk-SC |
| 控制 | ISF 平台对接: 流程串接、DB 管理、CICD、Airflow 监视 | ISF (REST) |
生产 EDA adapter(真实命令语义封装)
每个工具 adapter 把 api_* 调用翻译为工具原生命令(T2 语义差异封装在
adapter 内):PrimeTime/ICC2/Innovus/Voltus/RedHawk-SC 走持久 Tcl shell
会话(hacoo/adapters/shell.py: TclShell),Calibre 走批处理 + RVE 解析。
工具可执行文件按 HACOO_<TOOL>_BIN 环境变量解析(缺失时报错含配置指引):
export HACOO_PRIMETIME_BIN=/tools/synopsys/pt/bin/pt_shell
export HACOO_ICC2_BIN=/tools/synopsys/icc2/bin/icc2_shell
export HACOO_INNOVUS_BIN=/tools/cadence/innovus/bin/innovus
export HACOO_CALIBRE_BIN=/tools/mentor/calibre/bin/calibre
export HACOO_VOLTUS_BIN=/tools/cadence/voltus/bin/voltus
export HACOO_REDHAWK_SC_BIN=/tools/ansys/redhawk_sc/bin/redhawk_sc注意:不同工具的同名 api_* 方法(如各家 api_load_design)按
(instance → tool) 命名空间解析签名,网关 G3 参数检查始终使用正确工具的签名。
自由搭配(按实验裁剪 Agent 集合)
python -m hacoo agents list # 查看 9 个 Agent 及启停状态
python -m hacoo agents disable thermal # 本次实验不让 thermal 参与
python -m hacoo agents disable sipi
python -m hacoo agents sync # 重新生成 OpenCode subagent 文件禁用是网关层硬强制:被禁 Agent 的任何调用返回 AGENT_DISABLED;每个 Agent
只能调用白名单内的后端工具,越权返回 AGENT_FORBIDDEN。flow 中含被禁 Agent 的
stage 会让 run 立即失败并记录——未参与的 Agent 绝不会"偷偷执行"。
自我成长(每 Agent 独立知识库)
每个 Agent 的生成式 prompt 内置强制的 Knowledge loop: 决策前查 KB → 决策前记录 rationale → 行动后闭环 outcome → 新问题沉淀 lesson。
hacoo_knowledge_add / query—— 经验按 Agent 隔离存储(knowledge/<agent>.jsonl), 关键词+tag 检索,被复用的经验权重自动上升(reuse_count)经验是 append-only JSONL,可 git 追踪、可人工审阅
问题定位(哪个 Agent 的哪个决策出了问题)
# Agent 视角: 每个决策都有 rationale + outcome
python -m hacoo call api_decision_query --args '{"run_id": "run-xxx"}'
# Run 视角: manifest + 决策时间线 + request_id 级审计
python -m hacoo call api_flow_trace --args '{"run_id": "run-xxx"}'Flow 编排
api_flow_start(template, params) 按模板执行多 Agent 流程(内置
block_signoff / sta_only);所有 stage 共享后端实例(状态跨 stage 连续),
每个 stage 自动记录决策并关联审计。ISF 能力通过 isf adapter 暴露
(api_isf_setup 激活 TO 项目环境 → api_isf_fw_start 启动
fw start -flow APR+TC+PV -block ... 流程 → api_isf_flow_status 查询;
api_isf_run 为任意 ISF 命令的泛用通道;无 ISF 环境时自动回退 mock)。
成长闭环(反馈 / 复核 / 巡检三件套)
观测(每次带 agent 的工具调用自动落盘一条观测,含指标与错误签名)→
检测(规则化检测器发现趋势异常/失败聚类/知识盲区/自我问题)→ 工程师确认或纠正
→ 回流知识库 → 后续决策优先复用。三件套用法:
# 1) 反馈(人的嘴): 纠正或确认 Agent 的做法, 直接进入知识库 (weight=5, 优先被复用)
python -m hacoo feedback --agent sta --content "这种情况应先查 clock skew" --decision-id dec-xxx
# 2) 复核: 看待审队列 (pending 决策 + Agent 自我沉淀), approve/reject 单条经验
python -m hacoo review --agent sta
python -m hacoo review-mark --entry kb-xxx --action approve --note "已验证"
# 3) 巡检(Agent 的眼): 跑检测器生成带证据的 insight; confirm 自动沉淀为知识条目
python -m hacoo insights --scan --agent sta
python -m hacoo insights --agent sta --status new
python -m hacoo insight-mark --id ins-xxx --action confirm反馈/复核/巡检均为人类面向接口,不受 Agent 启停限制;dismiss 的 insight
按签名去重,同类问题不再重复报警。Agent prompt 已内置两条纪律:被人类纠正后
必须调用 hacoo_feedback 沉淀;每次 flow 结束后调用 hacoo_insights_scan 并向
人类汇报 new 状态的 insight。
Related MCP server: EDA Tools MCP Server
5 分钟上手
# 1) 启动平台(核心层零第三方依赖, Python >= 3.8)
python -m hacoo serve
# 2) 新终端: 环境自检
python -m hacoo doctor
# 3) 跑一遍演示流程 (mock 时序签核)
python -m hacoo demo
# 4) 可视化操作平台 (可选组件, 需要 streamlit, 且 streamlit 要求 Python >= 3.9)
python -m hacoo dashboard # http://127.0.0.1:8501
# 5) OpenCode 入口 (Agent 形式)
set VLLM_BASE_URL=http://<vllm-host>:8000/v1 # Windows; Linux 用 export
opencode # hacoo 为主 orchestrator, hacoo-sta 等为 subagent可视化操作平台(Dashboard)
工程师的日常交互入口(对话入口仍是 OpenCode):总览 / Run 中心 / Flow 启动台 /
决策复核 / 知识库 / Insight 中心 / 升级管理 / Agent 管理 / 基准与兼容性 /
观测与日志 共 10 个页面(docs/SPEC-dashboard.md)。
SDK 优先:一切写操作经
HacooClient走网关(保留多用户隔离/配额/审计), 绝不直接改写logs/、knowledge/文件。离线只读模式:server 未启动时自动降级(或
HACOO_DASH_OFFLINE=1强制), 黄色横幅提示,写按钮全部隐藏,仅 总览 / Run 中心 / 知识库 / 基准 / 观测日志 五个页面可用,数据直接读 JSONL/manifest 文件(只读)。数据层
hacoo/dashboard_data.py为纯函数(不含 streamlit import),可独立单测; UI 层在dashboard/(Streamlit,st.navigation+st.Page)。
架构映射(SPEC 五层 + Skills 层)
SPEC 层 | 步骤 | 实现 |
访问层 | A1-A3 |
|
通信层 | C1-C4 |
|
网关层 | G1-G9 |
|
适配层 | T1-T4 |
|
运行时层 | R1-R11 |
|
Skills 层 | — |
|
多用户使用
身份与授权:token →
Principal(user, role, capabilities)。角色:admin/engineer(read+write)/viewer(read-only)。配置HACOO_AUTH_FILE:{ "tokens": {"tok-alice": {"user": "alice", "role": "engineer"}, "tok-admin": {"user": "bob", "role": "admin"}}, "roles": {"admin": ["read", "write", "admin"], "engineer": ["read", "write"], "viewer": ["read"]} }实例隔离:实例按 user 归属,非属主访问返回
UNAUTHORIZED(admin 豁免);api_list_instances只列自己的实例。配额:每用户默认最多 8 个实例(
HACOO_MAX_INSTANCES_PER_USER),超限返回QUOTA_EXCEEDED。并发安全:同一实例上的调用自动串行化(保护持久状态);不同实例/不同用户 完全并行。
审计:每次调用落一条 JSONL(
logs/hacoo-audit.jsonl,HACOO_AUDIT_LOG=off关闭),含 request_id / user / method / status / elapsed_ms,全链路可追溯。
CLI 一览(易用入口)
python -m hacoo serve [--host H] [--port P] 启动平台服务
python -m hacoo dashboard [--port 8501] 可视化操作平台 (可选依赖 streamlit)
python -m hacoo doctor 环境自检 (Python/服务/授权/工具/vLLM)
python -m hacoo demo 演示流程 (mock 时序签核)
python -m hacoo whoami 当前身份 / 角色 / 配额
python -m hacoo methods [-v] [--tool T] 列出可用 api_* 方法
python -m hacoo instances 我的活实例
python -m hacoo runs [--status success] flow run 摘要列表
python -m hacoo call api_report_timing --instance inst-xxx --args '{"max_paths":5}'
python -m hacoo feedback --agent sta --content "..." 人类反馈纠正 (成长闭环)
python -m hacoo review [--agent sta] 待复核队列
python -m hacoo insights --scan [--agent sta] 巡检: 检测器扫描新问题
python -m hacoo upgrade propose --kind agent_capability --target sta --title "..." \
--motivation "..." --acceptance "..." 升级提案 (Part A)
python -m hacoo upgrade list [--status proposed] 查询提案
python -m hacoo upgrade update --id up-xxx --to accepted 提案状态流转
python -m hacoo agents version sta 1.3.0 Agent 版本 bump
python -m hacoo compat snapshot|check 契约快照: 重建 / 校验
python -m hacoo bench run [--agent sta] [--tag T] 能力基准 (golden cases)
python -m hacoo bench save-baseline --agent sta 存 baselines/<agent>@<ver>.json
python -m hacoo bench compare --baseline <path> 与基准对比 (fail->pass / pass->fail)配置(hacoo/config.py,全部可用环境变量覆盖)
环境变量 | 默认 | 说明 |
| 127.0.0.1:9877 | 服务监听地址 |
| 1800 | 实例空闲回收 (R9) |
| 5 | 心跳周期 (R7) |
| 1 | 实例故障自动重启 (R10) |
| 8 | 每用户实例配额 |
| logs/hacoo-audit.jsonl | 审计日志路径 / |
| — | 授权配置 JSON |
| — | 插件 adapter 目录(os.pathsep 分隔) |
| hacoo.agents.json | Agent 启停配置 |
| knowledge/ | Agent 知识库目录 |
| logs/decisions.jsonl | 决策日志 |
| runs/ | flow run manifest 目录 |
| observations/ | 观测沉淀目录(成长闭环 §1) |
| logs/insights.jsonl | insight 存储路径(成长闭环 §3) |
| logs/kb-misses.jsonl | 知识库未命中日志(知识盲区检测器数据源) |
| logs/upgrade-proposals.jsonl | 升级提案存储(Part A) |
| 8501 | Dashboard 端口(可选组件) |
| 0 |
|
| — | JSON 配置文件(低于环境变量优先级) |
客户端侧:HACOO_SERVER(平台地址)、HACOO_TOKEN(访问令牌)。
扩展一个新 EDA 工具(维护者指南)
方式一:插件目录(推荐,零侵入)
在任意目录写
mytool_adapter.py:继承ToolAdapter,设置tool_name, 用@api_method封装工具原生命令(T2 语义差异限制在 api_* 方法之后);部署时
export HACOO_ADAPTERS_PATH=/path/to/dir—— 网关与后端自动发现,hacoo_list_methods即刻可见。
方式二:内置登记
在 hacoo/adapters/ 新建模块并在 ADAPTERS 字典加一行。
两种方式都自动获得:注册表发现、参数校验、授权、审计、实例生命周期管理。
三种 Agent / 客户端入口(A1)
OpenCode(推荐):根目录
opencode.json已配好vllm-kimi/kimi2.6provider +hacooMCP server;.opencode/agent/hacoo.md为 primary agent。LangChain runner(批处理/CI):
python -m hacoo.agent_runner "加载 chip.v (top=chip), 综合并报告时序"Python SDK:
from hacoo.access.sdk import HacooClient with HacooClient() as c, c.session("mock_eda") as eda: eda.call("api_load_design", path="chip.v", top="chip") print(eda.call("api_report_timing", max_paths=5)["data"])
公司 Linux 部署
bash scripts/deploy_linux.sh ~/hacoo-platform # 含冒烟测试
# 编辑 ~/hacoo-platform/hacoo.env 填公司 vLLM 地址与 token, 然后:
~/hacoo-platform/start-server.sh测试
python -m tests.test_e2e # 或 python -m pytest tests/覆盖:能力发现 / 状态保持 (R6) / 实例隔离 / 多用户所有权与配额 / 并发串行化 / 注册表与协议拒绝 (G1-G2) / 参数校验 (G3) / 授权 (G4) / 异步任务与取消 (R8) / 显式释放 (R11) / 审计日志。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Design, build and run teams of AI agents with checked handoffs between them.
Agent-native security, trust, reliability, data and procurement tools for AI workflows.
Build, validate, and deploy multi-agent AI solutions from any AI environment.
Design circuits, simulate and verify embedded firmware, and lay out PCBs with AI agents.
Related MCP Servers
- AlicenseAqualityDmaintenanceA comprehensive Model Context Protocol server that connects AI assistants to Electronic Design Automation tools, enabling Verilog synthesis, simulation, ASIC design flows, and waveform analysis through natural language interaction.6114ISC
- AlicenseAqualityDmaintenanceEnables AI assistants to perform Electronic Design Automation (EDA) tasks including Verilog synthesis, simulation, ASIC design flows, and waveform analysis through a unified interface.6ISC
- AlicenseAqualityBmaintenanceEnables AI coding agents and IDEs to execute ASIC physical design flows including floorplanning, placement, clock tree synthesis, routing, and static timing analysis through the OpenROAD engine, returning concise low-token JSON metrics.610 npmApache 2.0
- AlicenseNot gradedqualityCmaintenanceEnables AI agents to drive desktop CAD software through natural language with verified execution, failure recovery, and traceable results across modeling, assemblies, drawings, exports, motion, FEA, and related engineering workflows.1MIT