Skip to main content
Glama

gauss-mcp

Licence Python Platform GAUSS

Steuern Sie GAUSS von Python aus und stellen Sie es LLM‑Clients über das Model Context Protocol bereit.

Autor: Dr Merwan Roudane

Erstellt und getestet mit GAUSS 26.1.1 unter Windows.

Warum es dieses Projekt gibt

Aptech veröffentlicht eine Referenz für KI-Assistenten, damit diese besseren GAUSS-Code schreiben. Aber Schreiben ist nicht Ausführen: Ein Assistent, der den Code nicht ausführen kann, erfährt nie, ob er funktioniert hat oder wie die Zahlen lauteten. Dieses Projekt verbindet einen Assistenten mit einer echten GAUSS‑Installation, sodass die Ergebnisse von GAUSS stammen und nicht vom Modell.

Related MCP server: julia-mcp

Wie es GAUSS ansteuert

Über tgauss, den Terminal-Build, der mit einer normalen GAUSS‑Installation geliefert wird – nicht über die GAUSS Engine, die zwar leistungsfähiger ist, aber einen separaten Lizenzschlüssel von Aptech benötigt.

Jeder Aufruf ist ein eigener tgauss‑Prozess, daher bleibt normalerweise nichts erhalten. Der Workspace wird beim Verlassen gespeichert und beim nächsten Aufruf wiederhergestellt. So verhält sich eine Abfolge von Aufrufen wie eine durchgehende Sitzung: Eine Matrix, die in einem Aufruf erzeugt wurde, ist auch im nächsten noch da.

Installation

Die Distribution auf PyPI heißt gauss-lang-mcp: Das einfache gauss-mcp war bereits von einem unzusammenhängenden Paket über Import-Workflows vergeben, das nichts mit der Aptech-Sprache zu tun hat. Der Importname bleibt gauss_mcp.

pip install "gauss-lang-mcp[pandas]"

GAUSS wird automatisch unter C:\gauss* und C:\Program Files\gauss* gefunden. Setzen Sie GAUSS_HOME, um zwischen Installationen zu wählen.

Verwendung als Bibliothek

from gauss_mcp import Gauss

with Gauss() as g:
    g.run("""
        rndseed 90210;
        n = 400;
        x = rndn(n, 1);
        y = 1.25 + 0.8*x + 0.3*rndn(n, 1);
        des = ones(n,1)~x;
        bhat = invpd(des'des)*des'y;
    """)
    print(g.get_matrix("bhat"))     # [[1.2489...], [0.8043...]]

Werte werden als CSV übertragen und nicht als gedruckter Text, sodass sie die volle doppelte Genauigkeit behalten, statt von der Anzeigerundung von GAUSS erfasst zu werden.

g.run("pi_like = 3.14159265358979;")
g.get_scalar("pi_like")          # 3.14159265358979, every digit

pandas in beide Richtungen:

frame = g.to_dataframe(["x", "y"])
g.from_dataframe(frame)

Verwendung als MCP-Server

{
  "mcpServers": {
    "gauss": { "command": "gauss-lang-mcp" }
  }
}

Werkzeuge

Werkzeug

Zweck

gauss_status

Wo sich GAUSS befindet, seine Version und was der Workspace enthält

run_gauss_code

Hauptwerkzeug. GAUSS-Code ausführen und die Ausgabe zurückgeben

list_symbols

Jedes Symbol mit Typ und Dimensionen

describe_symbol

Typ und Form eines einzelnen Symbols

get_matrix

Eine Matrix mit voller Genauigkeit auslesen

put_matrix

Eine Matrix aus den in der Konversation angegebenen Zahlen erzeugen

read_csv / write_csv

Daten zwischen Dateien und Workspace verschieben

clear_workspace

Mit leerem Workspace von vorn beginnen

Fehler

GAUSS meldet einen eigenen Code, eine eigene Meldung und eine eigene Zeile; diese werden durchgereicht:

GaussError: G0025: Undefined symbol: 'no_such_thing' on line 2

Die Zeile bezieht sich auf Ihren Code. Die Wiederherstellung des Workspace wird jedem generierten Programm vorangestellt, wodurch sich die Zählung von GAUSS um eine Zeile verschiebt. Diese Verschiebung wird korrigiert, bevor Sie die Zeile sehen.

Wissenswertes Verhalten

Eigenheiten von GAUSS und von tgauss, die dieses Paket für Sie übernimmt – jede davon an einer echten Installation verifiziert, nicht nur angenommen.

  • Der Exit-Code ist immer 0, egal ob das Programm erfolgreich war oder abgebrochen ist. Er trägt nichts; Fehler werden daher stattdessen aus stderr gelesen.

  • stdout ist sauber. Banner und Job-Header gehen nach stderr, sodass die eigentliche Programmausgabe nicht gefiltert werden muss.

  • GAUSS kompiliert, bevor es ausgeführt wird. Ein undefiniertes Symbol bedeutet, dass nichts ausgeführt und keine Ausgabe erzeugt wird. Ein Laufzeitfehler hinterlässt die bis dahin erzeugte Ausgabe, gefolgt von „Program execute failed“.

  • Symbolnamen ignorieren die Groß-/Kleinschreibung. X und x sind dasselbe Symbol; eine Zuweisung an das eine überschreibt die andere. Das überrascht alle, die von R oder Python kommen.

  • Das Kind darf stdin nicht erben. Unter MCP ist das stdin des Servers der JSON-RPC-Stream; ein tgauss, das diesen Stream erben würde, würde selbst das Protokoll lesen. Jeder Subprozess-Aufruf trennt stdin ab.

  • Für die Wiederherstellung eines Workspace wird use verwendet, nicht loadall. saveall schreibt eine .gcg-Datei, und use <name>; muss die erste Anweisung des Programms sein, das die Datei liest.

Tests

python tests/test_offline.py   # 10 tests, no GAUSS needed
python tests/test_live.py      # 24 tests, drives a real installation

Lizenz

MIT. Copyright (c) 2026 Merwan Roudane.

Install Server
A
license - permissive license
A
quality
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • A
    license
    A
    quality
    B
    maintenance
    Enables AI assistants to execute Julia code efficiently with persistent sessions, avoiding startup costs and maintaining state across calls.
    3
    83
    MIT
  • A
    license
    A
    quality
    A
    maintenance
    Enables AI agents to interact with the Baltamatica scientific computing kernel, executing code, managing variables, and running scripts while preserving workspace state across calls.
    6
    4
    MIT
  • F
    license
    Not graded
    quality
    C
    maintenance
    Enables ISLI agents and MCP clients to dispatch natural-language coding and terminal tasks to a locally-installed Claude Code CLI, supporting both one-shot execution and persistent sessions with workspace and security controls.

View all related MCP servers

Related MCP Connectors

  • Operate Linux, macOS and Windows from your LLM. Every action runs through an auditable allowlist.

  • Securely search and manage workspace context files for AI agents and teams.

  • Cross-agent artifact workspace with provenance across Claude Code, Codex, Cursor, LangGraph.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/merwanroudane/mcp_gauss'

If you have feedback or need assistance with the MCP directory API, please join our Discord server