Servidor MCP de Mapas de Obleas

Un servidor MCP (Model Context Protocol) que expone herramientas de análisis de obleas semiconductoras a asistentes de IA. Estas herramientas están diseñadas para el análisis de datos de pruebas de semiconductores, permitiendo a los agentes de IA generar correctamente gráficos de visualización de ingeniería clave, tales como mapas de obleas, gráficos P, gráficos de tendencias y figuras de análisis estadístico a partir de datos de prueba sin procesar.

Related MCP server: ML Research MCP

Vista previa

Herramientas

Formato de datos

CSV o ZIP (que contenga exactamente un CSV) con columnas:

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

• BIN = 0 → aprobado, de lo contrario fallo

• X, Y → coordenadas del chip en la cuadrícula de la oblea

• PIN_* → valores de medición continuos

Escala de color (Sigma robusto IQR)

Los mapas de propiedades y los límites de los gráficos P utilizan límites basados en IQR para hacer visibles las variaciones sutiles:

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

Inicio rápido

Opción A: Docker (recomendado)

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

El servidor ahora está disponible en http://localhost:8001/mcp.

Para analizar sus propios archivos de datos, monte un volumen:

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

Opción B: Python local

Requisitos: Python 3.10+

pip install -r requirements.txt
python server.py

Datos de muestra

Un conjunto de datos de muestra se incluye con el proyecto en sample_data/sample_1.zip.

Prueba rápida (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

Configuración de Claude Desktop

El servidor utiliza transporte HTTP transmitible, así que utilice el formato url en claude_desktop_config.json:

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

Pasos:

1. Inicie el servidor MCP (local o Docker)

2. Añada la configuración anterior a Claude Desktop

3. Reinicie Claude Desktop

4. Pídale a Claude que analice un archivo de datos de oblea: seleccionará automáticamente la herramienta correcta

Parámetros de la herramienta

run_wafer_analysis

get_wafer_info

plot_wafer_bin

plot_wafer_property

plot_pchart

Estructura del proyecto

.
├── 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)

Stack tecnológico

• MCP: FastMCP — Transporte HTTP transmitible

• Renderizado de mapa de obleas: PySide6 offscreen QPainter

• Renderizado de gráfico P: matplotlib + scipy + statsmodels

Licencia

MIT