Herramientas MCP-OR

Implementación de un servidor del Protocolo de Contexto de Modelo (MCP) que utiliza Google OR-Tools para la resolución de restricciones. Diseñado para su uso con Modelos de Lenguaje Grandes mediante la especificación estandarizada de modelos de restricciones.

Descripción general

MCP-ORTools integra el solucionador de programación de restricciones OR-Tools de Google con modelos de lenguaje grandes a través del Protocolo de contexto de modelo, lo que permite que los modelos de IA:

Presentar y validar modelos de restricciones
Establecer parámetros del modelo
Resolver problemas de satisfacción de restricciones y optimización
Recuperar y analizar soluciones

Related MCP server: Google Sheets MCP

Instalación

Instalar el paquete:

pip install git+https://github.com/Jacck/mcp-ortools.git

Configurar Claude Desktop Cree el archivo de configuración en %APPDATA%\Claude\claude_desktop_config.json (Windows) o ~/Library/Application Support/Claude/claude_desktop_config.json (macOS):

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

Especificación del modelo

Los modelos se especifican en formato JSON con tres secciones principales:

variables : definir variables y sus dominios
constraints : Lista de restricciones que utilizan los métodos de OR-Tools
objective : Objetivo de optimización opcional

Sintaxis de restricción

Las restricciones deben utilizar la sintaxis del método OR-Tools:

.__le__() para menor o igual (<=)
.__ge__() para mayor o igual (>=)
.__eq__() para igualdad (==)
.__ne__() para no igual (!=)

Ejemplos de uso

Modelo de optimización simple

{
    "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
    }
}

Problema de la mochila

Ejemplo: Seleccionar elementos con valores [3,1,2,1] y pesos [2,2,1,1] con un límite de peso total de 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
    }
}

Ejemplo de restricciones adicionales:

{
    "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
    ]
}

Características

Soporte completo del solucionador CP-SAT de OR-Tools
Especificación del modelo basada en JSON
Soporte para:
- Variables enteras y booleanas (dominio: [min, max])
- Restricciones lineales utilizando la sintaxis del método OR-Tools
- Objetivos de optimización lineal
- Tiempos de espera y parámetros del solucionador
- Restricciones y relaciones binarias
- Problemas de selección de cartera
- Problemas con la mochila

Operaciones admitidas en restricciones

Aritmética básica: +, -, *
Comparaciones: . le (), . ge (), . ecuación (), . ne ()
Combinaciones lineales de variables
Lógica binaria mediante combinaciones de restricciones

Desarrollo

Para configurar el desarrollo:

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

Formato de respuesta del modelo

El solucionador devuelve soluciones en formato JSON:

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

Valores de estado: