Which integrations are available for this server?

Runs the full pipeline against the Wolfram kernel — plan, build, evaluate, export, and verify — while detecting kernel/license/frontend availability via a doctor check, and enforces validation boundaries that prevent claiming verified results without a real Wolfram run. Generates, lints, executes, and verifies Wolfram Language code (Integrate, DSolve, NDSolve, NMinimize, Plot, Export, etc.), including lexer/bracket checks and blocked-call safety policy, with language-following notebook editing and figure theming. Drives a licensed local Wolfram Mathematica kernel and notebook frontend to perform real symbolic/numeric computation, generate genuine executable .nb notebooks, and export native PNG/PDF/CSV/XLSX artifacts, with independent re-computation for verification and whitelisted delivery.

How do I use mathematica-skill?

1. Click on "Deploy Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@mathematica-skill integrate sin(x)^2 from 0 to pi and export it as a native .nb notebook" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

mathematica-skill

by 1837620622

Overview Schema Source Related Servers Discussions Admin

Python

Local

Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@mathematica-skill integrate sin(x)^2 from 0 to pi and export it as a native .nb notebook"

That's it! The server will respond to your query, and you can continue using it as needed.

Here is a step-by-step guide with screenshots.

mathematica-skill

让 Agent 真正控制 Mathematica 干活，而不是生成看起来像结果的图片。

一套本地优先的 Mathematica / Wolfram Language 自动化系统：CLI + MCP + Agent Skill 三入口，负责从自然语言或作业材料，到可运行的 .nb、原生 PNG/PDF、数据文件，再到独立复算验收的整条链路。

需求 → 计划 → Wolfram Language → 原生执行 → 原生出图 → 复算对账 → 白名单交付

mathematica-skill

1. 为什么需要它

大多数所谓「Mathematica AI 工具」止步于生成代码片段或者一张相似图：

生成 .nb 但打开后只有文字，没有可执行单元；
用 Python 画一张图，塞进 Notebook 冒充 Wolfram 输出；
声称「已验证」，实际没有运行过一次；
换个机器打开就报路径不存在；
交付出一个装满 .py、.json、日志、截图的目录。

这个项目的存在理由就是把这些做法逐条堵死。

Related MCP server: mma-mcp

2. 开发理念

2.1 真实计算，不允许替代

所有数学结果必须来自有许可证的 Wolfram 内核：

符号推导、数值积分、方程求解、优化、统计、动力学、随机过程 → Integrate / DSolve / NDSolve / NMinimize / LinearModelFit / RandomVariate …
图形 → Plot / ListLinePlot / ParametricPlot3D / Graphics / Graphics3D / ArrayPlot，由 Rasterize + Export 原生导出。

Python 只做四件事：调度进程、复制文件、检查产物、比较数值。它不碰最终数学，也不重绘最终图。

2.2 Notebook 必须是真的

.nb 由 Mathematica 自己的解析器和导出器生成；执行由真实前端完成：

NotebookOpen → NotebookEvaluate[InsertResults → True] → NotebookSave → NotebookClose → 重新打开

代码单元保存的是源码原文，所以注释、缩进、空行都在；不是把文字塞进 Text 单元冒充代码。

2.3 没有证据就不许说通过

verified 只有一条路径能拿到：

内核真的算出 checks；
前端真的打开、执行、保存、重新打开；
新进程独立复算，逐项一致；
PNG 尺寸正确、非空白、文件完整；
交付目录只有白名单文件。

缺一项就是 draft / blocked，报告里写清楚缺什么。

2.4 交付与内部分离

work/<run>/                 ← 内部：任务副本、日志、两轮对比、验证报告
└── deliver/<name>/         ← 客户：.nb + 必要 .wl + PNG/PDF/CSV/XLSX

内部目录永不进入客户目录；客户目录里永不出现 Python、JSON、日志、截图。

2.5 跨平台，但不说谎

macOS Apple Silicon 是主要验收平台；Windows / Linux 的路径、进程、编码都做了适配，但只有真的跑过才有资格写「已验证」。兼容性表见 COMPATIBILITY.md。

3. 达到的效果

能力	具体表现
任务解析	从题目、旧 `.nb`、CSV/图片（由宿主 Agent 识别）整理成结构化 `task.json`
代码质量	括号/字符串/注释词法检查 + 危险调用策略检查，默认阻断
原生计算	真实内核执行，捕获 `$Failed`、消息、`Abort`、超时
Notebook	真正的 Input 单元、真实 Output、可重开可再算
改 Notebook	`edit` 按单元序号替换/插入/追加，其余不动；写后回读核对，不乱码
语言跟随	`language: "auto"` 时英文作业出英文、中文模版出中文（含图内中文字体）
图形	1600×900 / 4K / A4-300dpi 预设，等比缩放补白，不拉伸
数据	CSV / XLSX / JSON 原生 `Export`，导出后回读校验
复算	两次独立进程，逐项数值/符号比较，容差写在任务里
图面检查	尺寸、空白、单色、文件完整性（只读，不重绘）
报告	`validation.json` + `VALIDATION.md`，含「验证边界」声明
交付	白名单目录 + SHA-256 manifest，可核对
安装	`install / update / rollback / uninstall`，只删自己创建的文件
MCP	9 个 `mathematica_*` 工具，stdio 传输，单行 JSON 帧
Skill	符合 Agent Skills frontmatter，可装到 Claude / Codex / Cursor / OpenCode 等

4. 快速开始

git clone https://github.com/1837620622/mathematica-skill.git
cd mathematica-skill
python3 -m pip install -e .
mathematica-skill doctor --frontend

doctor 会回答三个问题：有没有内核、许可证能不能用、有没有 Notebook 前端。

# 生成一个示例任务并完整跑一遍
mathematica-skill example --write task.json
mathematica-skill plan task.json
mathematica-skill run  task.json --out work --seed 20261031

产物：

work/<run>/deliver/<name>/
├── sine-and-its-integral.nb     # 真实 Notebook，带 Output
└── sine.png                     # Wolfram 原生导出的 1600×900

没有 Mathematica 的机器：

mathematica-skill run task.json --allow-draft   # 只生成 draft，verified 永远 false
mathematica-skill build task.json --draft --out build/

5. 任务格式

task.json 是 Agent 与内核之间唯一的契约。

{
  "schema_version": "1.0",
  "title": "Logistic map and Lyapunov exponent",
  "language": "zh",
  "seed": 20261031,
  "assumptions": ["r = 4 处于完全混沌区", "跳过前 1000 步瞬态"],
  "sources": ["data/series.csv"],
  "tasks": [
    {
      "id": "logistic",
      "prompt": "计算 r = 4 时 Logistic 映射的 Lyapunov 指数并画出轨道。",
      "code": "orbit = NestList[4. # (1 - #) &, 0.123456, 5000];\nlyap = Mean[Log[Abs[4. (1 - 2 Most[orbit])]]];\nfig = ListLinePlot[orbit[[1 ;; 300]], Frame -> True];",
      "checks": [
        {"id": "lyap_value", "kind": "numeric", "expression": "lyap", "expected": 0.6931,
         "abs_tol": 0.01, "description": "r=4 时理论值 ln2"},
        {"id": "orbit_length", "kind": "numeric", "expression": "Length[orbit]", "expected": 5001}
      ]
    }
  ],
  "outputs": [
    {"id": "orbit_fig", "task": "logistic", "kind": "figure", "filename": "orbit.png",
     "expression": "fig", "width": 3840, "height": 2160, "dpi": 300, "title": "Logistic 轨道"}
  ],
  "delivery": {"name": "logistic-delivery", "include": ["orbit_fig"]},
  "metadata": {"deliver_code": false}
}

规则：

code 必须是能跑的 Wolfram Language，不写伪代码。
checks 必须给可比较的 expected 和容差；没检查就等于没验证。
outputs[].expression 必须在前面的代码里算过。
sources 只能是相对路径，运行时会复制进隔离目录。
delivery.include 决定哪些 output 进客户目录。

完整字段说明见 docs/CLI.md 与 mathematica_skill/models.py。

6. 命令一览

命令	作用
`doctor`	内核 / 许可证 / 前端 / AgentTools 探测，支持 `--json`
`plan`	只解析任务，输出计划，不启动内核
`lint`	词法 + 危险调用静态检查
`run`	完整流水线，产出 verified 交付或明确的失败状态
`build`	只生成 `.nb` + `.wl`（`--draft` 无需 Mathematica）
`evaluate`	用前端执行一个已有 `.nb`
`export`	从真实表达式导出 PNG/PDF/CSV/XLSX
`verify`	干净内核执行 checks，可与上一轮比较
`install` / `update` / `uninstall` / `rollback`	Skill 安装与 MCP 配置，支持 `--dry-run`
`example`	输出可运行的任务 JSON
`edit`	修改既有 `.nb`（替换/插入/追加/删除单元、改标题、翻转标题语言）
`mcp serve`	启动 MCP stdio 服务

7. MCP 工具

mathematica_doctor            mathematica_plan             mathematica_lint
mathematica_build             mathematica_run              mathematica_evaluate_notebook
mathematica_export            mathematica_verify           mathematica_example
mathematica_edit_notebook

全部返回结构化 JSON 文本；内部错误也是 JSON，isError: true，不抛栈给客户端。工具名前缀 mathematica_，不会和官方 Wolfram MCP 冲突。

接入方式：

mathematica-skill install --mcp-client claude
mathematica-skill install --mcp-client codex
mathematica-skill install --mcp-client opencode
mathematica-skill install --mcp-client cursor --config ~/.cursor/mcp.json

安装器只合并自己的那一个键，不覆盖其他 MCP；已存在时提醒用 --force。

8. 目录结构

mathematica-skill/
├── mathematica_skill/        # Python 调度层（只做 I/O、进程、校验）
├── wolfram/                  # 原生侧：Notebook 构建/执行/导出/验证 + 方法库 + 绘图主题
├── skills/mathematica-native # Agent Skill：SKILL.md + references
├── examples/                 # 可运行任务示例（含故意失败的样本）
├── tests/                    # 单元 / 集成 / 回归
├── docs/                     # 架构、CLI、验证、安全、macOS
└── .github/workflows/        # 静态检查与测试

8.1 语言跟随与 Notebook 修改

language 写 auto 时按材料判断：

题目（prompt / notes / subject / 标题 / 假设）里汉字 >= 8 且占比 >= 15% → 中文，否则英文。
题目判不出来时看 sources 里的 .nb：先解码 \:xxxx 形式的 7-bit 转义，再比较「中文片段 vs 英文句子」的占比（>= 25%），所以英文作业里引用一句中文不会翻转语言。
代码字符串（含 []{};=<>|&_$）不算英文正文，代码很多的中文作业仍判中文。
图内文字同步换字体：macOS 用 PingFang SC，Windows 用微软雅黑，Linux 用 Noto Sans CJK；无前端时按平台约定顺序挑，不会在 Linux 上写死 macOS 字体。

修改既有 Notebook：

mathematica-skill edit 旧作业.nb --edits edits.json --out 新作业.nb
mathematica-skill edit 旧作业.nb --op "replace_cell:4=sol = DSolveValue[...];" --in-place
mathematica-skill edit 旧作业.nb --language zh --out 中文版.nb

写入由 Mathematica 完成（Export[..., "NB"]），随后脚本重新导入核对每个字符串， Python 再校验 UTF-8 与 U+FFFD。任何字符丢失都判失败，不会交付乱码文件。

编辑细节：

不给 --out 时写同目录 <名字>-edited.nb；已存在则自动加 -2、-3，不静默覆盖。
--in-place 才覆盖源文件，且先写 <名字>.nb.<时间戳>.bak（同秒重名自动加序号）。
内部工作目录用系统临时目录，成功后自动清理，不在用户目录留 _edit/。
--edits 不能和 --op / --title / --language 混用，混用直接报错而不是静默忽略。

9. 验证边界（必读）

环境	能证明什么
无 Mathematica	只能生成 draft；`verified` 永远 false
有内核无前端	能算 `.wl`、能出 PNG、能对账；`.nb` 不能标 verified
内核 + 前端	完整链路；仍需独立复算通过
只在 Linux 跑过	不能声称 macOS/Windows 已验证

审查者只需看两样东西：_validation/validation.json 的 findings，以及 native 段里的 frontend_used / output_cells / failed_outputs。

10. 安全

任务代码视为不可信：Run、RunProcess、URL*、本机绝对路径、LibraryLoad 默认阻断。
--allow-external 只把阻断降级为 warning，并写进报告。
不上传题目、数据、Notebook；所有计算本地完成。
不内置、不分享激活信息；许可证不可用就停。

细节见 skills/mathematica-native/references/security.md。

11. 开发

python3 -m pip install -e .
python3 -m pytest -q                     # 单元测试（不需要 Mathematica）
python3 scripts/check.py                 # 词法检查 + WL 括号平衡 + 测试

需要真实内核的测试标记为 @pytest.mark.native，在普通 CI 上跳过，不会假装通过。

发布前：

python3 scripts/check.py && git tag v0.1.0

12. 许可

MIT，见 LICENSE。Wolfram Mathematica 本身是商业软件，本项目不包含、不修改、不绕过其授权。

English: README.en.md

This server cannot be deployed

Shareable, User-Owned Context BackendPeople, applications, and agents read, write, and coordinate together in one context lake. Reach it over MCP, a CLI, a Python SDK, or REST.fulcradynamics.comAd

Maintenance

ActivityMaintained

ResponsivenessNo issues

Resources

Related MCP Connectors

Frenchie A
io.github.Lab94
OCR, transcription, file extraction, and image generation for AI agents via MCP.
AI & Machine Learning Image & Video Processing Speech Processing
72
https://mcp.getfrenchie.dev
mcp A
com.wolfram
Integrates Wolfram Language and Wolfram|Alpha accessing curated data and sophisticated algorithms.
Search Knowledge & Memory
32
https://agenttools.wolfram.com/mcp
FlowraOAuth
io.github.flowradev
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Agent Orchestration Autonomous Agents
11
https://mcp.flowra.dev/mcp
khiveOAuth
ai.khive
Persistent memory, knowledge graph, task management and more for AI agents via MCP.
Knowledge & Memory Project Management
1
https://khive.ai/v1/mcp

Related MCP Servers

Mathematica MCP Server
Code Execution Developer Tools
aac6fef
F
license
A
quality
D
maintenance
Allows LLMs to execute Wolfram Language code in a secure, session-based environment by providing an interface to interact with a Wolfram Mathematica kernel.
Updated a year ago (2025-07-25 12:13 UTC)
3
4
-
mma-mcp
AI & Machine Learning Developer Tools Data Visualization
siqiliu-tsinghua
A
license
A
quality
F
maintenance
An MCP server that connects AI assistants to a local Wolfram Engine, enabling symbolic math, numerical analysis, and data visualization through Wolfram Language. It provides secure expression filtering, client authentication, and supports both local stdio and HTTP transports.
Updated 3 months ago (2026-08-04 02:15 UTC)
2
32
MIT
mathematica-mcp
Code Execution AI & Machine Learning Autonomous Agents
AbhiRawat4841
A
license
C
quality
B
maintenance
Enables AI agents to run Mathematica code, control live notebooks, and verify results through natural language.
Updated 4 months ago (2026-07-06 11:07 UTC)
82
101 PyPI
53
MIT
Mathematica MCP Server
Code Execution Developer Tools Education & Learning Tools
lars20070
A
license
A
quality
D
maintenance
Enables evaluating Wolfram Language code and retrieving Wolfram Engine version/license info through an MCP interface.
Updated 8 months ago (2026-02-16 05:14 UTC)
4
68 PyPI
8
MIT

mathematica-skill

1. 为什么需要它

2. 开发理念

2.1 真实计算，不允许替代

2.2 Notebook 必须是真的

2.3 没有证据就不许说通过

2.4 交付与内部分离

2.5 跨平台，但不说谎

3. 达到的效果

4. 快速开始

5. 任务格式

6. 命令一览

7. MCP 工具

8. 目录结构

8.1 语言跟随与 Notebook 修改

9. 验证边界（必读）

10. 安全

11. 开发

12. 许可

Maintenance

Resources

Related MCP Connectors

Related MCP Servers

Mathematica MCP Server

mma-mcp

mathematica-mcp

Mathematica MCP Server