Skip to main content
Glama
thermal-mcp-server

thermal-mcp-server

CI PyPI Python 3.10+ Open In Colab

thermal-mcp-server

Un paquete de Python y servidor MCP que expone modelos térmicos simplificados de aceleradores refrigerados por líquido como herramientas invocables por IA para el análisis de refrigeración a nivel de rack.

Lo que modela

  • Redes de resistencia térmica 1D en estado estacionario para placas frías de GPU.

  • Captación de calor del refrigerante mediante balance energético.

  • Caída de presión de Darcy-Weisbach con manejo simple de flujo laminar, transición y turbulento.

  • Comparaciones de agua y 50/50 glicol utilizando propiedades nominales fijas.

  • Racks de GPU idénticas en topología serie o paralelo.

  • Dimensionamiento de primera aproximación de CDU: caudal, caída de presión, temperatura de retorno y temperatura de unión.

  • Casos de referencia públicos de aceleradores con etiquetas explícitas de fuente y estimación.

Related MCP server: Foam-Agent

Lo que no modela

  • No es un solucionador CFD ni un sustituto del diseño térmico del fabricante.

  • No está validado con datos de pruebas propietarios.

  • No modela pérdidas de presión en colectores/tuberías, curvas de bombas, incrustaciones, comportamiento transitorio/bifásico, dispersión 2D, geometría detallada de la placa fría ni mala distribución del flujo.

  • No admite racks heterogéneos; cada análisis de rack asume GPU y placas frías idénticas.

  • El modelado financiero y de ROI queda fuera de este paquete.

Inicio rápido

git clone https://github.com/riccardovietri/thermal-mcp-server.git
cd thermal-mcp-server
python -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pytest
python examples/quickstart.py

Salida esperada de python examples/quickstart.py:

thermal-mcp-server quickstart

Single H100 SXM cold plate
  Heat load:        700 W
  Flow rate:        8.0 LPM water
  Inlet temp:       25.0 deg C
  Junction temp:    70.9 deg C
  Margin to 83 C:   12.1 deg C
  Pressure drop:    16.8 kPa
  Flow regime:      transitional

8-GPU rack, parallel topology
  Rack heat load:   5.6 kW
  Total CDU flow:   64.0 LPM
  Max junction:     70.9 deg C
  CDU return temp:  26.3 deg C
  Cold-plate dP:    16.8 kPa

Para una comparación de racks en serie frente a paralelo:

python examples/rack_sizing_example.py

Uso de MCP

Instale el paquete:

pip install thermal-mcp-server

Añada el servidor a un cliente MCP:

{
  "mcpServers": {
    "thermal": {
      "command": "python",
      "args": ["-m", "thermal_mcp_server"]
    }
  }
}

Si su cliente MCP no hereda el PATH de su shell, use la ruta absoluta al ejecutable de Python dentro del entorno donde esté instalado thermal-mcp-server.

Ejemplo de ejecución de un cliente MCP:

El cliente llama a analyze_coldplate a través del servidor MCP, recibe el resultado térmico e interpreta la salida en la conversación.

Para reproducir esto localmente sin un cliente aparte, ejecute la demo en memoria: impulsa el mismo servidor MCP en proceso (sin red, sin clave API) e imprime las cargas útiles exactas de solicitud/respuesta que ve un modelo:

python examples/mcp_client_demo.py

Herramientas

Herramienta

Propósito

analyze_coldplate

Análisis térmico e hidráulico de una placa fría individual

compare_coolants

Comparación de agua frente a 50/50 glicol en condiciones idénticas

optimize_flow_rate

Búsqueda del caudal mínimo para un objetivo de temperatura de unión

analyze_rack

Análisis de rack con GPU idénticas en topología serie o paralelo

generate_decision_report

Memo de dimensionamiento de primera aproximación con banda de caudal, riesgo, incertidumbre y puntos ciegos del modelo

Consulte docs/mcp.md para los contratos de las herramientas.

Suposiciones físicas

El modelo utiliza:

T_junction = T_inlet + 0.5 * coolant_rise + Q * R_total
R_total = R_jc + R_tim + R_base + R_conv
coolant_rise = Q / (m_dot * cp)

La transferencia de calor emplea Dittus-Boelter para flujo turbulento, Nu = 4.36 para flujo laminar y una mezcla lineal en la transición. La caída de presión usa Darcy-Weisbach con la misma división de régimen.

Lea las notas concisas del modelo en docs/model_overview.md y docs/assumptions.md. La derivación detallada y las referencias de cálculo manual están en docs/physics.md.

Casos de referencia públicos

Los ejemplos incluyen casos H100 SXM, B200 / GB200 estilo NVL72, MI300X y Gaudi 3. Solo el TDP y el límite térmico del H100 se tratan como valores publicados por el fabricante en los ejemplos por defecto. Otros límites, resistencias del encapsulado y geometría de placa fría de alta potencia se marcan como estimaciones o aproximaciones cuando los fabricantes no los publican.

Consulte docs/public_specs.md y examples/real_chip_benchmarks.py.

Pruebas

El conjunto actual tiene 75 pruebas:

  • Comprobaciones de comportamiento físico y cálculos manuales.

  • Contratos del envoltorio MCP y envolventes de error.

  • Comportamiento del informe de decisión, incluida la viabilidad consciente del rack.

  • Pruebas de humo para examples/quickstart.py, examples/rack_sizing_example.py y examples/mcp_client_demo.py.

Ejecute:

pytest

Desarrollo

uv sync --group dev
uv run pytest
uv run ruff check .
uv run ruff format --check .
uv run mypy
uv build
uv run python examples/quickstart.py
uv run python examples/rack_sizing_example.py

Estas reflejan la puerta de CI; todas deben pasar antes de que un PR pueda fusionarse.

Hoja de ruta

  • Soporte de curva de bomba como entrada explícita en lugar de una estimación fija de eficiencia de bomba.

  • Modelo transitorio de capacitancia térmica.

  • Más casos de referencia públicos con calidad de fuente claramente etiquetada.

  • Pulido del cuaderno interactivo para uso en Colab.

  • Optimización de placa fría solo como módulo o paquete experimental separado.

Por qué existe esto

Este proyecto comenzó como una forma de explorar cómo los asistentes de IA pueden llamar directamente a modelos de ingeniería ligeros en lugar de solo producir texto estático. El paquete expone cálculos simplificados de refrigeración líquida a través de herramientas Python y MCP, lo que permite hacer preguntas sobre compensaciones de diseño en refrigeración de aceleradores, dimensionamiento de CDU a nivel de rack y topología de refrigerante de manera reproducible.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      Not graded
      quality
      D
      maintenance
      Enables language models to perform hardware engineering tasks including CAD part design and heat transfer simulations. Provides tool calls for building mechanical components and running thermal analysis through natural language interactions.
      -
    • A
      license
      Not graded
      quality
      A
      maintenance
      Automates OpenFOAM CFD simulations via MCP, enabling AI agents to mesh, run, and post-process cases from natural language prompts without any API keys.
      MIT
    • A
      license
      A
      quality
      C
      maintenance
      Deterministic AI data-center design tools for sizing, validation, and conceptual rack/site layouts. Supports NVIDIA Hopper, Blackwell, and Rubin profiles. Calculations require a registered AIDC API key; results preserve warnings, RFIs, and pending validations.
      3
      3
      MIT
    • F
      license
      Not graded
      quality
      D
      maintenance
      MCP server exposing thermodynamic and transport properties of refrigerants and ~130 other fluids via CoolProp, enabling queries of state points, saturation, fluid info, and humid air properties through natural language.
      -