符号代数 MCP 服务器

Sympy-MCP 是一个模型上下文协议 (MCP) 服务器，允许 LLM 自主执行符号数学和计算机代数运算。它将 SymPy 核心功能中的众多工具开放给 MCP 客户端，用于操作数学表达式和方程式。

为什么？

语言模型在符号操作方面简直糟糕透顶。它们会幻化变量，制造随机常数，对术语进行置换，通常会造成混乱。但我们有专门为符号操作构建的计算机代数系统，因此我们可以使用工具调用来协调一系列转换，以便符号核完成所有繁重的工作。

虽然您当然可以让 LLM 生成 Mathematica 或 Python 代码，但如果您想将 LLM 用作代理或即时计算器，那么使用 MCP 服务器并直接公开符号工具会是一种更好的体验。

该服务器公开了一系列符号数学功能，包括代数方程求解、积分和微分、矢量微积分、广义相对论的张量微积分以及常微分方程和偏微分方程。

例如，你可以用自然语言要求它解决微分方程：

求解具有强迫项的阻尼谐振子：由微分方程描述的质量-弹簧-阻尼器系统，其中 m 为质量，c 为阻尼系数，k 为弹簧常数，F(t) 为外力。

$$ m\frac{d^2x}{dt^2} + c\frac{dx}{dt} + kx = F(t) $$

或者涉及广义相对论：

使用反德西特时空的逆度量 $g^{\mu\nu}$ 计算里奇张量 $R_{\mu\nu}$ 的迹，以确定其常数标量曲率 $R$。

Related MCP server: Calculator MCP Server

用法

你首先需要紫外线。

• 自制- brew install uv

• 卷曲- curl -LsSf https://astral.sh/uv/install.sh | sh

然后您可以使用以下命令安装并运行服务器：

您现在应该可以在 Claude 桌面应用中看到服务器了。其他客户端请参见下文。

如果您想要一个完全独立的版本，只需一个命令即可运行，可以使用以下命令。请注意，这会运行来自 Github 的任意代码，因此请谨慎操作。

如果要做广义相对论计算，需要安装einsteinpy库。

可用工具

sympy-mcp 服务器为符号数学提供了以下工具：

默认情况下，变量是预先设定好的（类似于 SymPy 中symbol()函数的工作原理）。除非另有说明，否则默认假设变量是复数域 $\mathbb{C}$ 上的复数、交换项。

Claude 桌面设置

通常情况下， mcp install命令会自动将服务器添加到claude_desktop_config.json文件中。如果没有，您需要找到该配置文件并添加以下内容：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows： %APPDATA%\Claude\claude_desktop_config.json

将以下内容添加到mcpServers对象，将/ABSOLUTE_PATH_TO_SYMPY_MCP/server.py替换为 sympy-mcp server.py文件的绝对路径。

光标设置

在您的~/.cursor/mcp.json中，添加以下内容，其中ABSOLUTE_PATH_TO_SYMPY_MCP是 sympy-mcp server.py 文件的路径。

VS Code 设置

VS Code 和 VS Code Insiders 现已支持代理模式下的 MCP。对于 VS Code，您可能需要在设置中启用Chat > Agent: Enable 。

1. 一键设置：

或者手动将配置添加到您的settings.json （全局）：

2. 单击服务器配置上方的“开始”，打开 Python 或数学文件，在聊天中切换到代理模式，然后尝试“integrate x^2”或“solve x^2 = 1”等命令来开始。

Cline 设置

要与Cline一起使用，您需要先使用“使用”部分中的命令手动运行 MCP 服务器。MCP 服务器运行后，打开 Cline 并选择顶部的“MCP 服务器”。

然后选择“远程服务器”并添加以下内容：

• 服务器名称： sympy-mcp

• 服务器网址： http://127.0.0.1:8081/sse 8081/sse

5ire 设置

另一个在后端支持多种模型（o3、o4-mini、DeepSeek-R1 等）的 MCP 客户端是 5ire。

要使用5ire进行设置，请打开 5ire 并转到工具 -> 新建并设置以下配置：

• 工具密钥： sympy-mcp

• 名称：SymPy MCP

• 命令： /opt/homebrew/bin/uv run --with einsteinpy --with mcp[cli] --with pydantic --with sympy mcp run /ABSOLUTE_PATH_TO/server.py

将/ABSOLUTE_PATH_TO/server.py替换为 sympy-mcp server.py 文件的实际路径。

在容器中运行

您可以在本地使用 Docker 构建并运行服务器：

或者，您可以从 GitHub Container Registry 中提取预先构建的图像：

要配置 Claude Desktop 来启动 Docker 容器，请编辑claude_desktop_config.json文件：

或者使用 GitHub 上预先构建的容器：

此配置告知 Claude Desktop 在需要时启动 Docker 容器。使用此配置之前，请确保已构建 Docker 镜像 ( docker build -t sympy-mcp . )。

如果您将 uv 命令更改为使用 docker run 命令，其他安装方法也可以适应 Docker。

示例交互 1：微分方程

以下是使用此 MCP 服务器与 AI 助手对话时工具调用工作原理的示例：

用户：求解具有强迫项的阻尼谐振子：由微分方程描述的质量-弹簧-阻尼器系统，其中 m 为质量，c 为阻尼系数，k 为弹簧常数，F(t) 为外力。

$$ m\frac{d^2x}{dt^2} + c\frac{dx}{dt} + kx = F(t) $$

助手：（内部工具调用） intro_many引入变量：

助手：（内部工具调用） introduce_function来定义 x(t)：

助手：（内部工具调用） introduce_expression来创建微分方程：

助手：（内部工具调用） print_latex_expression很好地显示方程式：

结果：

$$ c \frac{d}{dt} x{\left(t \right)} + kx{\left(t \right)} + m \frac{d^{2}}{dt^{2}} x{\left(t \right)} = F{\left(t \right)} $$

助手：（内部工具调用） introduce_function来定义 F(t)：

助手：（内部工具调用） dsolve_ode求解微分方程：

结果：

$$ x{\left(t \right)} = C_{1} e^{\frac{t \left(- c + \sqrt{c^{2} - 4 km}\right)}{2 m}} + C_{2} e^{- \frac{t \left(c + \sqrt{c^{2} - 4 km}\right)}{2 m}} + \cdots $$

示例交互2：广义相对论

用户：使用反德西特时空的逆度量 $g^{\mu\nu}$ 计算 Ricci 张量 $R_{\mu\nu}$ 的迹，以确定其常数标量曲率 $R$。

助手：（内部工具调用） create_predefined_metric创建 Anti-de Sitter 指标：

助手：（内部工具调用） calculate_tensor计算 Ricci 张量：

助手：（内部工具调用） print_latex_tensor显示 Ricci 张量：

结果：

$$ \left[\begin{matrix}3 & 0 & 0 & 0\\0 & - 3 \cos^{2}{\left(t \right)} & 0 & 0\\0 & 0 & - 3 \cos^{2}{\left(t \right)} \sinh^{2}{\left(\chi \right)} & 0\\0 & 0 & 0 & - 3 \sin^{2}{\left(\theta \right)} \cos^{2}{\left(t \right)} \sinh^{2}{\left(\chi \right)}\end{matrix}\right] $$

助手：（内部工具调用） calculate_tensor计算 Ricci 标量：

助手：（内部工具调用） print_latex_tensor显示 Ricci 标量：

结果：

$$ -12 $$

安全免责声明

该服务器在您的计算机上运行，并授予语言模型运行 Python 逻辑的权限。值得注意的是，它使用 Sympy 的parse_expr来解析数学表达式，而这在底层使用了eval ，实际上允许任意代码执行。运行该服务器意味着您信任 Claude 生成的代码。在 Docker 镜像中运行会稍微安全一些，但在运行之前检查代码仍然是个好主意。

执照

版权所有 2025 Stephen Diehl。

本项目遵循 Apache 2.0 许可证。详情请参阅许可证文件。