Google OR-Tools 服务器

MCP-OR工具

使用 Google OR-Tools 进行约束求解的模型上下文协议 (MCP) 服务器实现。该实现旨在通过标准化约束模型规范与大型语言模型配合使用。

概述

MCP-ORTools 通过模型上下文协议将 Google 的 OR-Tools 约束编程求解器与大型语言模型相集成，使 AI 模型能够：

提交并验证约束模型
设置模型参数
解决约束满足和优化问题
检索和分析解决方案

安装

安装软件包：

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) 创建配置文件：

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

型号规格

模型以 JSON 格式指定，包含三个主要部分：

variables ：定义变量及其域
constraints ：使用 OR-Tools 方法的约束列表
objective ：可选优化目标

约束语法

约束必须使用 OR-Tools 方法语法：

.__le__()表示小于或等于 (<=)
.__ge__()表示大于或等于 (>=)
.__eq__()表示相等 (==)
.__ne__()表示不等于 (!=)

使用示例

简单优化模型

{
    "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
    }
}

背包问题

示例：选择值为 [3,1,2,1]、权重为 [2,2,1,1] 的项目，总权重限制为 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
    }
}

附加约束示例：

{
    "constraints": [
        "p0.__eq__(1)",         // Item p0 must be selected
        "p1.__ne__(p2)",        // Can't select both p1 and p2
        "(p2 + p3).__ge__(1)"   // Must select at least one of p2 or p3
    ]
}

特征

全面支持 OR-Tools CP-SAT 求解器
基于 JSON 的模型规范
支持：
- 整数和布尔变量（域：[最小值，最大值]）
- 使用 OR-Tools 方法语法的线性约束
- 线性优化目标
- 超时和求解器参数
- 二元约束和关系
- 投资组合选择问题
- 背包问题

约束中支持的操作

基本算术：+、-、*
比较： .乐(),.格(),.等式(), .讷()
变量的线性组合
通过约束组合的二进制逻辑

发展

开发设置：

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

模型响应格式

求解器以 JSON 格式返回解决方案：

{
    "status": "OPTIMAL",
    "solve_time": 0.045,
    "variables": {
        "p0": 0,
        "p1": 0,
        "p2": 1,
        "p3": 1
    },
    "objective_value": 3.0
}

状态值：

最佳：找到最佳解决方案
可行：找到可行的解决方案
不可行：不存在解决方案
未知：无法确定解决方案

执照

MIT 许可证 - 详情请参阅许可证文件

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

How are these scores calculated?

MCP-ORTools 通过 MCP 将 Google 的 OR-Tools 约束编程求解器与大型语言模型相集成，使 AI 模型能够：

提交并验证约束模型设置模型参数解决约束满足和优化问题检索并分析解决方案

Related Resources

Reddit Discussion about this server

Related MCP Servers

mcp-solver
szeider
-
security
A
license
-
quality
A Model Context Protocol (MCP) server that exposes MiniZinc constraint solving capabilities to Large Language Models.
Last updated -
83
Python
MIT License
MCP-Logic
angrysky56
-
security
A
license
-
quality
MCP-Logic is a server that provides AI systems with automated reasoning capabilities, enabling logical theorem proving and model verification using Prover9/Mace4 through a clean MCP interface.
Last updated -
20
MIT License
MCP Starter Server
MatthewDailey
A
security
A
license
A
quality
This server provides a minimal template for creating AI assistant tools using the ModelContextProtocol, featuring a simple 'hello world' tool example and development setups for building custom MCP tools.
Last updated -
1
1
8
TypeScript
The Unlicense
Awesome MCP FastAPI
MR-GREEN1337
-
security
F
license
-
quality
A production-ready MCP server built with FastAPI, providing an enhanced tool registry for creating, managing, and documenting AI tools for Large Language Models (LLMs).
Last updated -
13
Python

View all related MCP servers

Google OR-Tools server

MCP-OR工具

概述

安装

型号规格

约束语法

使用示例

简单优化模型

背包问题

特征

约束中支持的操作

发展

模型响应格式

执照

Related Resources

Related MCP Servers

mcp-solver

MCP-Logic

MCP Starter Server

Awesome MCP FastAPI

Appeared in Searches

New MCP Servers

MCP directory API