Model Coupling Platform Server

MCP 服务器实现

姓名：Esteban Nicolas 学生 ID：A20593170

一、已实现的MCP功能

1 数据资源 1.1 HDF5 文件清单

• 列出目录结构中的模拟 HDF5 文件
• 参数： path_pattern （可选文件路径模式）

2 工具 2.1 Slurm 作业提交

• 模拟向 Slurm 调度程序提交作业
• 参数： script_path （必需）、 cores （可选，默认值=1）

2.2 CPU 核心报告

• 报告系统上可用的 CPU 核心数
• 无需参数

2.3 CSV可视化

• 从 CSV 文件中绘制两列（默认为前两列）
• 参数： csv_path （必需）、 column x 、 column y （均为可选）

II. 设置说明

1. 创建虚拟环境

uv venv -p python3.10 .venv\Scripts\activate # 在 Unix 上：source .venv/bin/activate

2. 安装依赖项

紫外线同步 紫外线锁定

3. 环境配置本项目使用 pyproject.toml 进行依赖管理，主要依赖包括：

快速API

优维康

派丹蒂克

熊猫

Matplotlib

Pytest

Pytest-ascyncio

4. 运行 MCP 服务器

启动服务器 cd src uvicorn server:app --reload

该服务器将在以下位置可用：

API 端点： http://localhost:8000/mcp健康检查： http://localhost:8000/health

三、测试

1. 运行所有测试：

pytest 测试/运行特定的测试文件：

pytest 测试/test_capabilities_plot_vis.py pytest 测试/test_capabilities_hdf5.py pytest 测试/test_capabilities_cpu_core.py pytest 测试/test_capabilities_slurm.py pytest 测试/test_mcp_handler.py

2. 示例请求 2.1 列出可用资源

curl -X POST http://localhost:8000/mcp
-H“内容类型：application/json”
-d '{“jsonrpc”：“2.0”，“method”：“mcp/listResources”，“id”：1}'

2.2 列出 HDF5 文件

curl -X POST http://localhost:8000/mcp
-H“内容类型：application/json”
-d'{“jsonrpc”：“2.0”，“方法”：“mcp / callTool”，“params”：{“工具”：“hdf5_file_listing”，“path_pattern”：“/ data / sim_run_123”}，“id”：2}'

2.3 提交 Slurm 作业

curl -X POST http://localhost:8000/mcp
-H“内容类型：application/json”
-d '{“jsonrpc”：“2.0”，“method”：“mcp / callTool”，“params”：{“tool”：“slurm_job_submission”，“script_path”：“/jobs/analysis.sh”，“cores”：4}，“id”：3}'

2.4 绘制 CSV 列

curl -X POST http://localhost:8000/mcp
-H“内容类型：application/json”
-d '{“jsonrpc”：“2.0”，“method”：“mcp/callTool”，“params”：{“tool”：“plot_vis_columns”，“csv_path”：“data.csv”，“column x”：“时间”，“column y”：“温度”}，“id”：4}'

四、实施说明

1. 模拟实现：

-HDF5 文件列表使用模拟目录结构 -Slurm 作业提交生成模拟作业 ID -CPU 核心报告使用 os.cpu_count()

2. CSV 可视化：

• 在 plots_results 目录中创建图表 - 如果未指定，则默认为前两列 - 返回生成的 PNG 文件的路径

3. 错误处理：

-正确的 JSON-RPC 2.0 错误响应 -所有参数的输入验证 -优雅地处理丢失的文件/无效路径

GITHUB： https://github.com/EstebanIIT/cs550\ _MCP.git