Skip to main content
Glama
cc123-king

solarAI-X MCP Server

by cc123-king
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

SolarAI-X

基于 DeepSeek + MCP + RAG + FastAPI + Gradio 的太阳能与钙钛矿领域智能分析Agent。用户可以用自然语言查询领域知识、调用太阳能电池仿真工具、生成曲线和表格，并完成钙钛矿参数、老化曲线和材料带隙预测。

项目的核心不是单次大模型问答，而是让大模型通过MCP动态发现并调用领域工具：

用户问题
→ DeepSeek判断是否需要工具
→ MCP发现并执行领域工具
→ RAG检索 / 仿真 / 预测 / 可视化
→ 工具结果返回DeepSeek
→ 生成带依据和图表的最终回答

核心功能

  • DeepSeek Chat与Reasoner流式对话；

  • MCP工具发现、参数生成、工具执行与结果回传；

  • 基于BGE Embedding的太阳能领域知识检索；

  • 硅太阳能电池单次与批量参数仿真；

  • 钙钛矿窄/宽带隙器件参数预测；

  • 钙钛矿老化曲线预测；

  • MAPbIBr、CsMAFAPbIBr、MAFA和CsFA材料带隙预测；

  • 曲线和数据表格生成；

  • FastAPI REST/SSE接口和Swagger文档；

  • Gradio五功能页面；

  • 模型缺失时的降级启动和能力状态检查；

  • 不调用真实大模型的项目结构自动测试。

Related MCP server: MCP Hub

系统架构

flowchart LR
    U["用户"] --> UI["Gradio前端"]
    UI --> API["FastAPI / SSE"]
    API --> LLM["DeepSeek"]
    API --> MCP["MCP Client"]
    MCP --> SERVER["MCP Server"]
    SERVER --> RAG["BGE知识检索"]
    SERVER --> SIM["太阳能电池仿真"]
    SERVER --> AGING["老化曲线预测"]
    SERVER --> PSK["钙钛矿参数/带隙预测"]
    SERVER --> VIS["曲线与表格"]
    RAG --> LLM
    SIM --> LLM
    AGING --> LLM
    PSK --> LLM
    VIS --> LLM

更详细的调用过程见架构说明。

MCP工具

工具

作用

draw_curve

根据数据绘制曲线

draw_table

将结构化数据绘制成表格

simulate_solar_cell

单组硅太阳能电池参数仿真

batch_simulate_solar_cell

扫描指定参数并对比性能趋势

search_embedded_text

检索太阳能领域本地知识库

process_directory_for_embedding

将文本目录构建为Embedding知识库

predict_perovskite_aging

预测钙钛矿器件老化曲线

predict_perovskite_parameters

预测窄/宽带隙钙钛矿器件参数

predict_perovskite_bandgap

预测不同组成钙钛矿材料带隙

功能可用性

项目支持“部分模型未配置时降级启动”，不会因为某一个模型目录缺失导致整个服务无法运行。

功能

所需配置

健康检查、Swagger、带隙预测

安装基础依赖即可

DeepSeek聊天

.env配置DEEPSEEK_API_KEY

MCP连接和通用绘图

启动MCP服务

老化曲线预测

仓库内quxian_high500.pth与Excel数据

RAG检索

安装FlagEmbedding并准备embedding/

硅电池参数预测

配置MODEL_DIR指向完整AutoGluon模型

钙钛矿器件参数预测

配置PSKNA_DIR、PSKWD_DIR

可以访问下面的接口确认实际能力状态：

GET http://127.0.0.1:8001/api/health

返回内容会显示：

  • DeepSeek是否配置；

  • MCP是否连接；

  • 三组AutoGluon模型是否可用；

  • 缺失模型的具体目录和原因。

项目结构

solarAI-X/
├── api/
│   ├── main.py              # FastAPI、流式对话和业务接口
│   ├── mcpserver.py         # MCP Server和9个领域工具
│   ├── embed.py             # Embedding生成、保存和检索
│   ├── mlutil.py            # AutoGluon参数预测
│   ├── aging_utils.py       # PyTorch老化曲线预测
│   ├── quxian_high500.pth   # 老化预测模型
│   └── quxian_shiyan.xlsx   # 归一化参考数据
├── web/
│   ├── app.py               # Gradio入口
│   ├── api/                 # 前端API交互层
│   └── ui/                  # 五个业务页面
├── embedding/               # 已生成的知识向量和来源信息
├── models/                  # 外部AutoGluon模型放置说明
├── tests/                   # 无外部服务依赖的自动测试
├── docs/                    # 架构、演示和简历材料
├── .env.example
├── requirements.txt
├── requirements-ml.txt
├── setup.bat
├── run_mcp.bat
├── run_api.bat
├── run_ui.bat
└── run_all.bat

Windows快速开始

推荐Python 3.11或3.12。

1. 安装基础环境

双击：

setup.bat

或者在PowerShell运行：

cd solarAI-X
py -3.12 -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.txt -r requirements-dev.txt
Copy-Item .env.example .env

基础环境支持聊天、MCP、老化预测、带隙预测和Gradio页面。完整RAG与AutoGluon功能继续安装：

setup_full_ml.bat

或者：

.\.venv\Scripts\python.exe -m pip install -r requirements-ml.txt

2. 配置本地环境变量

编辑.env：

DEEPSEEK_API_KEY=填写你自己的Key
MCP_SERVER_URL=http://127.0.0.1:12346/sse
SOLAR_API_HOST=127.0.0.1
SOLAR_API_PORT=8001
SOLAR_API_BASE_URL=http://127.0.0.1:8001/api
SOLAR_UI_HOST=127.0.0.1
SOLAR_UI_PORT=5173
EMBEDDING_DIR=embedding
MODEL_DIR=models/solar
PSKNA_DIR=models/perovskite_narrow
PSKWD_DIR=models/perovskite_wide

真实Key只保存在.env，不要提交到Git。

AutoGluon模型目录要求见模型目录说明。

3. 启动三个服务

最简单的方式是双击：

run_all.bat

也可以依次打开三个PowerShell窗口：

.\run_mcp.bat
.\run_api.bat
.\run_ui.bat

启动顺序：

MCP Server → FastAPI → Gradio

访问地址：

服务

地址

Gradio页面

http://127.0.0.1:5173

FastAPI文档

http://127.0.0.1:8001/docs

健康检查

http://127.0.0.1:8001/api/health

MCP SSE

http://127.0.0.1:12346/sse

演示顺序

推荐按下面顺序向面试官展示：

  1. 打开/api/health，展示LLM、MCP和模型能力状态；

  2. 在AI对话页面询问一个太阳能领域问题，展示RAG引用；

  3. 用自然语言要求Agent调用simulate_solar_cell并生成JV曲线；

  4. 展示钙钛矿老化预测页面；

  5. 展示钙钛矿带隙预测；

  6. 打开FastAPI Swagger和MCP工具代码解释完整调用链。

完整讲解见面试与简历指南和演示脚本。

测试

运行：

.\.venv\Scripts\python.exe -m pytest

当前自动测试不连接DeepSeek、不启动MCP，也不消耗API额度，主要验证：

  • 所有Python文件语法；

  • FastAPI关键接口契约；

  • MCP九个工具注册契约；

  • 配置模板完整性；

  • 老化模型和Embedding资产是否存在；

  • README与实际Gradio架构是否一致；

  • Gradio页面是否能在不启动服务的情况下成功构建，并且没有版本弃用警告。

原项目中的在线联调脚本可在服务启动后作为人工端到端测试使用。

当前边界

  • 对话历史目前保存在内存中，服务器重启后消失；

  • AutoGluon模型未随维护版直接分发，需要通过.env配置本地模型目录；

  • RAG首次运行需要加载BGE模型，可能产生模型下载；

  • 预测结果只在训练数据适用范围内有意义，不能替代真实实验验证；

  • 当前自动测试以项目契约测试为主，后续可增加Fake LLM和FastAPI集成测试。

技术栈

Python / DeepSeek API / MCP / Tool Calling / RAG / BGE / FastAPI / Gradio / PyTorch / AutoGluon / Pydantic / SSE / pytest

License

MIT

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityMaintained
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • Relay

    adarshp14
    A
    license
    Not graded
    quality
    D
    maintenance
    Enables AI agents to access a unified catalog of tools from various APIs (OpenAPI, GraphQL, MCP, Google Discovery) through the MCP protocol.
    MIT

  • MCP Tool Manager

    Nagendda
    A
    license
    Not graded
    quality
    C
    maintenance
    Enables AI agents to securely discover, invoke, and manage tools through a hardened MCP endpoint with protections like injection detection, circuit breakers, retry backoff, response caching, context-window limiting, and state snapshots.
    3 npm
    MIT