NumPy MCP-Server

Ein Model Context Protocol (MCP)-Server für numerische Berechnungen mit NumPy

Ein Model Context Protocol (MCP)-Server, der mathematische Berechnungen und Operationen mit NumPy ermöglicht. Dieser Server stellt verschiedene mathematische Werkzeuge über eine standardisierte MCP-Schnittstelle bereit und erleichtert so die Durchführung numerischer Berechnungen direkt über Claude oder andere MCP-kompatible LLMs.

Merkmale

• Grundrechenarten (Addition)

• Lineare Algebra-Berechnungen (Matrizenmultiplikation, Eigenzerlegung)

• Statistische Analyse (Mittelwert, Median, Standardabweichung, Min., Max.)

• Polynomanpassung

Installation

Schnelle Einrichtung mit Claude Desktop

Der schnellste Weg zum Einstieg besteht darin, diesen Server direkt in Claude Desktop zu installieren:

Manuelle Installation

Dieses Projekt verwendet UV zur Abhängigkeitsverwaltung. So installieren Sie:

Verwendung

Entwicklungstests

Testen Sie den Server lokal mit dem MCP Inspector:

Claude Desktop Integration

1. Installieren Sie den Server in Claude Desktop:

   mcp install server.py --name "NumPy Calculator"

2. Der Server ist nun in Claude Desktop unter „NumPy Calculator“ verfügbar.

3. Sie können es verwenden, indem Sie Claude bitten, mathematische Operationen durchzuführen, zum Beispiel:

   • "Berechnen Sie die Eigenwerte der Matrix [[1, 2], [3, 4]]"

   • „Finden Sie den Mittelwert und die Standardabweichung von [1, 2, 3, 4, 5]“

   • "Multiplizieren Sie die Matrizen [[1, 0], [0, 1]] und [[2, 3], [4, 5]]"

Direkte Ausführung

Für erweiterte Nutzung oder benutzerdefinierte Bereitstellungen:

Verfügbare Funktionen

Der Server stellt über die MCP-Schnittstelle die folgenden mathematischen Funktionen bereit:

Grundlegende Arithmetik

• add(a: int, b: int) -> int : Addiere zwei Ganzzahlen

Lineare Algebra

• matrix_multiply(matrix_a: List[List[float]], matrix_b: List[List[float]]) -> List[List[float]] : Multipliziert zwei Matrizen

• eigen_decomposition(matrix: List[List[float]]) -> Tuple[List[float], List[List[float]]] : Berechne Eigenwerte und Eigenvektoren einer quadratischen Matrix

Statistiken

• statistical_analysis(data: List[float]) -> dict[str, float] : Berechnen Sie grundlegende Statistiken für einen Datensatz, einschließlich:

  • Bedeuten

  • Mittlere

  • Standardabweichung

  • Mindestwert

  • Maximalwert

Datenanalyse

• polynomial_fit(x: List[float], y: List[float], degree: int = 2) -> List[float] : Passt ein Polynom mit einem bestimmten Grad an die gegebenen Datenpunkte an

Entwicklung

Projektstruktur

Codequalität

Dieses Projekt hält sich an strenge Codequalitätsstandards:

• Typhinweise in der gesamten Codebasis

• Umfassende Docstrings im Google-Stil

• Fehlerbehandlung bei numerischen Operationen

Abhängigkeiten

• NumPy: Für numerische Berechnungen und lineare Algebraoperationen

• FastMCP: Für die Serverimplementierung des Model Context Protocol

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert.

Danksagung

• NumPy-Team für seine hervorragende Bibliothek für wissenschaftliches Rechnen

• Model Context Protocol (MCP) zur Ermöglichung standardisierter LLM-Interaktionen