FastMCP-Implementierung für die Toolbox-Herausforderung, beschrieben in toolbox.txt.
python -m pip install -e ".[dev]"Related MCP server: MCP Server Learning
python -m toolbox_mcp.serverDer MCP-Endpunkt ist http://localhost:8000/mcp. Überschreiben Sie HOST, PORT oder
MCP_PATH mit Umgebungsvariablen beim Bereitstellen.
Der Server stellt bereit:
get_name(name) — validiert und gibt den angegebenen Namen zurück.
calculate(left, operator, right) — wertet eine unterstützte arithmetische Operation aus.
identify_shape(image_base64) — identifiziert ein PNG als rectangle, triangle oder circle.
list_study_materials() / fetch_study_material(document_id) — listet den Phase-2-Lehrplan auf oder liest ihn.
search_study_material(question) — gibt relevante Lehrplanabschnitte innerhalb des Abruf-Budgets zurück.
next_route_node(map_id, current, visited, destination, hops_remaining) — wählt einen kostengünstigsten Graph-Knoten unter Verwendung von Kantengewichten plus Knoten-Gebühren.
get_venues(day), get_schedule(person, day) und get_location(person, day) — rufen Phase-3-Stadtdaten ab.
find_meeting_window(...) — findet das früheste freie Zeitfenster, mit vorläufigen Kalendereinträgen als Fallback.
plan_outing(...) — kombiniert Zeitpläne, Orte, Veranstaltungsorte und Raster-Navigation zu einer Ausflugsantwort.
python -m pytest -qThis server cannot be deployed
AI-callable calculators and engineering models with real formulas. No hallucinated math.
500+ deterministic tools for AI agents: math, conversion, validation, hashing, encoding, date/time.
Background removal, upscaling, face restore, document OCR, table extraction, visual understanding.
Exact IBAN, VAT, cron, regex answers; HTML/URL to hosted PDF or screenshot; agent memory; workflows.
