Wafer Map MCP Server

Ein MCP (Model Context Protocol)-Server, der Analyse-Tools für Halbleiter-Wafer für KI-Assistenten bereitstellt. Diese Tools wurden für die Analyse von Halbleiter-Testdaten entwickelt und ermöglichen es KI-Agenten, wichtige technische Visualisierungsdiagramme wie Wafer-Maps, P-Charts, Trenddiagramme und statistische Analysen aus Roh-Testdaten korrekt zu erstellen.

Related MCP server: ML Research MCP

Vorschau

Tools

Datenformat

CSV oder ZIP (enthält genau eine CSV) mit den Spalten:

BIN, X, Y, WAFER_ID, PIN_1, PIN_2, ..., PIN_N

• BIN = 0 → pass, ansonsten fail

• X, Y → Die-Koordinaten auf dem Wafer-Gitter

• PIN_* → kontinuierliche Messwerte

Farbskala (IQR Robust Sigma)

Eigenschafts-Maps und P-Chart-Grenzen verwenden IQR-basierte Grenzen, um subtile Variationen sichtbar zu machen:

sigma  = (P75 - P25) / 1.35
IQR_L  = P50 - 6 × sigma
IQR_H  = P50 + 6 × sigma

Schnellstart

Option A: Docker (empfohlen)

docker build -t wafer-mcp .
docker run -p 8001:8001 wafer-mcp

Der Server ist nun unter http://localhost:8001/mcp verfügbar.

Um Ihre eigenen Datendateien zu analysieren, binden Sie ein Volume ein:

docker run -p 8001:8001 -v /absolute/path/to/data:/data wafer-mcp
# then pass file_path="/data/your_wafer.zip" when calling tools

Option B: Lokales Python

Anforderungen: Python 3.10+

pip install -r requirements.txt
python server.py

Beispieldaten

Ein Beispieldatensatz ist im Projekt unter sample_data/sample_1.zip enthalten.

Schneller Rauchtest (Docker):

# inside the container the sample lives at /app/sample_data/sample_1.zip
# call any tool with this file_path to verify everything works

Claude Desktop Konfiguration

Der Server verwendet Streamable HTTP-Transport, verwenden Sie daher die url-Form in claude_desktop_config.json:

{
  "mcpServers": {
    "wafer-map": {
      "url": "http://localhost:8001/mcp"
    }
  }
}

Schritte:

1. Starten Sie den MCP-Server (lokal oder Docker)

2. Fügen Sie die obige Konfiguration zu Claude Desktop hinzu

3. Starten Sie Claude Desktop neu

4. Bitten Sie Claude, eine Wafer-Datendatei zu analysieren — das richtige Tool wird automatisch ausgewählt

Tool-Parameter

run_wafer_analysis

get_wafer_info

plot_wafer_bin

plot_wafer_property

plot_pchart

Projektstruktur

.
├── server.py                    # MCP server entry point
├── requirements.txt             # Python dependencies
├── Dockerfile                   # Container definition
├── sample_data/
│   └── sample_1.zip             # Bundled sample wafer dataset
├── tools/
│   ├── workflow/
│   │   └── analyze_wafer.py     # Orchestrates full analysis
│   ├── information_read/
│   │   └── read_wafer_info.py   # Parse CSV/ZIP and compute yield
│   ├── wafer_map/
│   │   ├── wafer_bin_binary_plot.py    # Binary map renderer (PySide6)
│   │   └── wafer_item_property_plot.py # Property heatmap renderer (PySide6)
│   └── statistic_plot/
│       └── pchart_plot.py       # P-chart renderer (matplotlib)
└── pchart/
    └── PchartReportWidget.py    # Legacy Qt widget (reference only)

Tech-Stack

• MCP: FastMCP — Streamable HTTP-Transport

• Wafer-Map-Rendering: PySide6 offscreen QPainter

• P-Chart-Rendering: matplotlib + scipy + statsmodels

Lizenz

MIT