Asymptoteを用いて高精度な幾何学画像を生成するためのMCP（Model Context Protocol）サーバー。MCP対応のAIモデルは、Asymptoteコードを提供することで、画像生成をリクエストできます。
このサーバーを使用する前に、以下がインストールされていることを確認してください。
Node.js ：バージョン16.x以上を推奨します。nodejs.orgからダウンロードできます。
Asymptote : これは重要な依存関係です。asy asyラインツールがインストールされ、システムの PATH でアクセス可能になっている必要があります。
ダウンロードおよび詳細なインストール手順については、 Asymptote の公式 Web サイトをご覧ください。
一般的なインストール方法:
macOS (Homebrew経由): brew install asymptote
Debian/Ubuntu Linux: sudo apt-get install asymptote
Windows: MiKTeXやTeX LiveなどのTeXディストリビューションの一部としてインストールされることが多いです。AsymptoteのbinディレクトリがPATHに追加されていることを確認してください。
サーバーは起動時にasy -versionをチェックし、見つからない場合はエラーを出力します。
Related MCP server: GGB Web MCP
このパッケージをグローバルにインストールするには（ connectコマンドを直接実行する場合）、または別のプロジェクトの依存関係としてインストールするには：
npm install @luorivergoddess/mcp-geoリポジトリをクローンし、開発のためにローカルで実行する場合:
リポジトリをクローンします。
依存関係をインストール: npm install
プロジェクトをビルドします: npm run build
パッケージがインストールされると（グローバルまたはローカルにリンクされている場合）、このパッケージが提供するconnectコマンドを使用して MCP サーバーを起動できます。このコマンドは、MCP クライアントによって呼び出されることを目的としています。
npx @luorivergoddess/mcp-geo connectまたは、リポジトリをクローンしてビルドした場合:
node dist/cli.jsサーバーは起動し、 @modelcontextprotocol/sdkを使用して stdin/stdout で JSON-RPC メッセージをリッスンします。
MCP対応クライアント（例：VS Code with Copilot Agent Mode、Claude Desktop）をこのサーバーを使用するように設定してください。通常、クライアントにサーバーの起動方法（ npx @luorivergoddess/mcp-geo connectコマンド）を指示する必要があります。
renderGeometricImageサーバーは 1 つの主要なツールを公開します:
名前: renderGeometricImage
説明: Asymptote コードから画像をレンダリングします。
入力スキーマ:
{
"type": "object",
"properties": {
"asyCode": {
"type": "string",
"description": "A string containing complete and valid Asymptote code to be compiled. The server executes this code directly. Ensure necessary `import` statements (e.g., `import graph;`) and settings (e.g., `unitsize(1cm);`) are included within this code block if needed."
},
"outputParams": {
"type": "object",
"description": "Optional parameters to control the output image.",
"properties": {
"format": {
"type": "string",
"enum": ["svg", "png"],
"description": "The desired output image format. \"svg\" for scalable vector graphics (recommended for diagrams and plots), \"png\" for raster graphics. Defaults to \"svg\" if not specified."
},
"renderLevel": {
"type": "number",
"description": "For PNG output only. Specifies the rendering quality (supersampling level for antialiasing). Higher values (e.g., 4 or 8) produce smoother images but take longer to render and result in larger files. Asymptote default is 2. This server defaults to 4 if not specified and format is \"png\". Ignored for SVG output."
}
}
}
},
"required": ["asyCode"]
}**出力:**ツールは、コンテンツ パーツの配列を含むCallToolResult返します。
成功した場合、次の内容を含むImageContent部分が含まれます。
type: "image"
mimeType: "image/svg+xml"または"image/png"
data: "<base64_encoded_image_data>"
また、Asymptote からのログを含むTextContent部分も含まれる場合があります。
エラーが発生した場合は、 McpErrorをスローします。
renderGeometricImage呼び出しの例 ( argumentsフィールドの JSON):
{
"asyCode": "draw(unitsquare); fill(unitsquare, lightblue);",
"outputParams": {
"format": "png",
"renderLevel": 4
}
}クライアント互換性に関する注意事項:
一部の MCP クライアントでは、サポートされる画像 MIME タイプに制限がある場合があります。
例えば、 image/svg+xmlをサポートしていないクライアント（例えば、報告されている「Cherry Studio」の特定のバージョンまたは構成）でこのサーバーを使用している場合は、ツール呼び出しの引数に"outputParams": { "format": "png" }を含めて、 png形式を指定するようにしてください。形式が指定されていない場合、サーバーはデフォルトでsvgを使用します。
ルオリヴァーゴッデス
ISC
Renders an image from Asymptote code.
| Name | Required | Description | Default |
|---|---|---|---|
| asyCode | Yes | A string containing complete and valid Asymptote code to be compiled. The server executes this code directly. Ensure necessary `import` statements (e.g., `import graph;`) and settings (e.g., `unitsize(1cm);`) are included within this code block if needed. | |
| outputParams | No | Optional parameters to control the output image. |
Does the description disclose side effects, auth requirements, rate limits, or destructive behavior?
No annotations are provided, so the description carries the full burden. It discloses that the tool 'Renders an image' and implies execution of code, but it doesn't mention behavioral traits like error handling (e.g., what happens with invalid code), performance (e.g., rendering time), or output specifics (e.g., image dimensions). The description is minimal, leaving gaps in transparency for a code-execution tool.
Agents need to know what a tool does to the world before calling it. Descriptions should go beyond structured annotations to explain consequences.
Is the description appropriately sized, front-loaded, and free of redundancy?
The description is a single, efficient sentence: 'Renders an image from Asymptote code.' It is front-loaded with the core purpose and has zero waste, making it highly concise and well-structured for its simplicity.
Shorter descriptions cost fewer tokens and are easier for agents to parse. Every sentence should earn its place.
Given the tool's complexity, does the description cover enough for an agent to succeed on first attempt?
Given the complexity (code execution with optional parameters), no annotations, and no output schema, the description is incomplete. It doesn't cover output details (e.g., what the image looks like, error responses) or behavioral aspects. However, the schema provides good parameter documentation, so it's minimally adequate but lacks context for a tool that executes external code.
Complex tools with many parameters or behaviors need more documentation. Simple tools need less. This dimension scales expectations accordingly.
Does the description clarify parameter syntax, constraints, interactions, or defaults beyond what the schema provides?
Schema description coverage is 100%, so the schema already documents all parameters thoroughly. The description adds no additional meaning beyond the schema's details on 'asyCode' and 'outputParams'. It doesn't explain parameter interactions or provide examples, so it meets the baseline for high schema coverage without compensating value.
Input schemas describe structure but not intent. Descriptions should explain non-obvious parameter relationships and valid value ranges.
Does the description clearly state what the tool does and how it differs from similar tools?
The description clearly states the tool's purpose: 'Renders an image from Asymptote code.' It specifies the verb ('Renders') and resource ('image'), and while there are no sibling tools to distinguish from, the description is specific about the input type (Asymptote code). However, it doesn't mention what kind of image is produced (e.g., geometric diagrams, plots) beyond the Asymptote context, which could be more precise.
Agents choose between tools based on descriptions. A clear purpose with a specific verb and resource helps agents select the right tool.
Does the description explain when to use this tool, when not to, or what alternatives exist?
The description provides no guidance on when to use this tool versus alternatives, as there are no sibling tools mentioned. It lacks context about typical use cases (e.g., generating diagrams for documentation, creating plots) or prerequisites (e.g., needing valid Asymptote syntax). Without siblings, the score is based on the absence of any usage context or exclusions.
Agents often have multiple tools that could apply. Explicit usage guidance like "use X instead of Y when Z" prevents misuse.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
renderGeometricImageScored across 1 tool
With only one tool, there is no possibility of ambiguity or overlap between tools. The single tool has a clearly defined purpose that cannot be confused with any other tool in the set.
Since there is only one tool, naming consistency is inherently perfect. The tool name 'renderGeometricImage' follows a clear verb_noun pattern, and there are no other tools to compare it against for inconsistency.
A single tool is too few for a server named 'MCP Geometry Server', which suggests a broader scope in geometry. This minimal set feels thin and incomplete, likely requiring agents to rely heavily on other servers for basic geometric operations.
The tool surface is severely incomplete for a geometry domain. It only provides image rendering from Asymptote code, missing obvious operations like calculating areas, distances, transformations, or generating geometric shapes, which are fundamental to geometry.
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
MCP server for Flux AI image generation
MCP server for building and testing AI agents with multi-model experimentation and insights.
MCP server for Qwen Image 3 AI image generation
Educational MCP server with 17 math/stats tools, visualizations, and persistent workspace