MCP Wolfram Alpha (Server + Client)

Integrieren Sie Wolfram Alpha nahtlos in Ihre Chat-Anwendungen.

Dieses Projekt implementiert einen MCP-Server (Model Context Protocol), der für die Schnittstelle zur Wolfram Alpha API konzipiert ist. Chat-basierte Anwendungen können damit rechnerische Abfragen durchführen und strukturiertes Wissen abrufen, was erweiterte Konversationsfunktionen ermöglicht.

Enthalten ist ein MCP-Client-Beispiel, das Gemini über LangChain verwendet und zeigt, wie große Sprachmodelle mit dem MCP-Server verbunden werden, um Echtzeitinteraktionen mit der Wissens-Engine von Wolfram Alpha zu ermöglichen.

Merkmale

• Wolfram|Alpha-Integration für Mathematik, Wissenschaft und Datenabfragen.

• Modulare Architektur. Leicht erweiterbar, um zusätzliche APIs und Funktionen zu unterstützen.

• Multi-Client-Unterstützung: Nahtlose Handhabung von Interaktionen von mehreren Clients oder Schnittstellen.

• MCP-Client-Beispiel mit Gemini (über LangChain).

• UI-Unterstützung mit Gradio für eine benutzerfreundliche Weboberfläche zur Interaktion mit Google AI und dem Wolfram Alpha MCP-Server.

Related MCP server: Maya MCP

Installation

Klonen Sie das Repo

git clone https://github.com/ricocf/mcp-wolframalpha.git

cd mcp-wolframalpha

Einrichten von Umgebungsvariablen

Erstellen Sie eine .env-Datei basierend auf dem Beispiel:

• WOLFRAM_API_KEY=Ihre_Wolframalpha_App-ID

• GeminiAPI=Ihr_Google_Gemini_API-Schlüssel (Optional, wenn Sie die Client-Methode unten verwenden.)

Installationsvoraussetzungen

pip install -r requirements.txt

Konfiguration

Zur Verwendung mit dem VSCode MCP-Server:

1. Erstellen Sie eine Konfigurationsdatei unter .vscode/mcp.json in Ihrem Projektstamm.

2. Verwenden Sie das in configs/vscode_mcp.json bereitgestellte Beispiel als Vorlage.

3. Weitere Einzelheiten finden Sie im VSCode MCP Server Guide .

Zur Verwendung mit Claude Desktop:

{
  "mcpServers": {
    "WolframAlphaServer": {
      "command": "python3",
      "args": [
        "/path/to/src/core/server.py"
      ]
    }
  }
}

Client-Verwendungsbeispiel

Dieses Projekt umfasst einen LLM-Client, der mit dem MCP-Server kommuniziert.

Mit Gradio UI ausführen

• Erforderlich: GeminiAPI

• Bietet eine lokale Weboberfläche zur Interaktion mit Google AI und Wolfram Alpha.

• So führen Sie den Client direkt über die Befehlszeile aus:

python main.py --ui

Docker

So erstellen und führen Sie den Client in einem Docker-Container aus:

docker build -t wolframalphaui -f .devops/ui.Dockerfile .

docker run wolframalphaui

Benutzeroberfläche

• Intuitive, mit Gradio erstellte Benutzeroberfläche zur Interaktion mit Google AI (Gemini) und dem Wolfram Alpha MCP-Server.

• Ermöglicht Benutzern das Wechseln zwischen Wolfram Alpha, Google AI (Gemini) und Abfrageverlauf.

Als CLI-Tool ausführen

• Erforderlich: GeminiAPI

• So führen Sie den Client direkt über die Befehlszeile aus:

python main.py

Docker

So erstellen und führen Sie den Client in einem Docker-Container aus:

docker build -t wolframalpha -f .devops/llm.Dockerfile .

docker run -it wolframalpha