Crystallography MCP server

CIF-Inspektion, d-Abstände, Pulverdiagramme und Triacylglycerin-Polymorph-Fingerprinting, unterstützt durch pymatgen.

Erstellt am 21. August 2026 für die Laurelate-Bay-Nuss-Fett-Arbeit, aber domänenübergreifend einsetzbar.

Warum dies und nicht ein VESTA-MCP

VESTA hat keine Skriptschnittstelle — keine dokumentierten Befehlszeilenargumente, keinen Batch-Modus, keine Makros, keinen Headless-Betrieb. Ein MCP darüber könnte nur open -a VESTA file.cif ausführen und einen Screenshot des Fensters machen. pymatgen legt die eigentliche Wissenschaft offen, und genau das wird hier gekapselt.

Behalte VESTA als menschlichen Viewer. Dafür ist es wirklich gut.

Related MCP server: mofstructure-mcp

Einrichtung

Benötigt Python ≥3.10 (die aktuelle pymatgen-Version verlangt es) und eine eigene venv:

python3 -m venv ~/.venvs/crystal
~/.venvs/crystal/bin/python -m pip install -r requirements.txt

Bei Claude Code auf Benutzerebene registrieren, damit es in jeder Sitzung geladen wird:

claude mcp add -s user crystallography -- \
  "$HOME/.venvs/crystal/bin/python" \
  "$HOME/Documents/crystallography-mcp/server.py"

Prüfen und entfernen:

claude mcp list
claude mcp remove -s user crystallography

Es funktioniert mit jedem MCP-Client, nicht nur mit Claude Code — es ist ein einfacher stdio-Server, also richte deinen Client auf <venv python> server.py aus.

Werkzeuge

Die Multi-Datablock-Falle

Einige hinterlegte CIFs enthalten mehr als eine Struktur. vanlangevelde2000_CLC_MPM_bprime.cif enthält sowohl CLC (a = 57,368 Å, die β′-Vorlage, die zählt) als auch MPM (a = 76,21 Å). Block 0 stillschweigend zu nehmen, ist der Weg, auf dem man am Ende die falsche Struktur analysiert. list_datablocks existiert, um das sichtbar zu machen.

Polymorph-Fingerabdrücke

Diagnostische Subzellen-Kurzabstände, Å:

Validierte gegen beide gelösten Vorlagen, die bekannte Antworten haben:

• vanlangevelde2000_CLC_MPM_bprime.cif Block 0 → BETA_PRIME ✓

• vanlangevelde1999_PPP_beta.cif → BETA ✓

Und gegen synthetische Muster, die aus jedem Referenzliniensatz erstellt wurden → korrektes Urteil in allen drei Fällen.

Bekannte Grenzen

• Intensitäten sind nicht Rietveld-tauglich. Tabellierte Formfaktoren, Debye–Waller weggelassen. Peak-Positionen sind exakt; relative Intensitäten reichen aus, um Linien zu ordnen, nicht um Besetzungen zu verfeinern.

• Peak-Erkennung ist bewusst einfach — lokale Maxima mit einem Flachbasis-Prominenzfilter. Bei einem schwachen oder verrauschten Scan min_prominence senken und die erkannte Liste prüfen, bevor man dem Urteil vertraut.

• spglib kann mit der deklarierten Raumgruppe der CIF uneins sein. Es leitet die Symmetrie aus Koordinaten neu ab, und veröffentlichte Langkettenstrukturen tragen oft fehlgeordnete oder gespaltene Kettenendpositionen. symprec lockern, bevor man Schlüsse zieht.

• compare_structures mit False über verschiedene Kettenlängen hinweg ist erwartet, kein Fehler — eine C16-Vorlage wird nie zu einem C10/C12-Fett passen.

Herkunftshinweis

Dieser Server fand einen echten Fehler in R&D/modeling/baynutfat/structure.py: die I-Zentrierungs-Translation wurde für β′-CLC doppelt angewendet (die CIF listet bereits alle 8 zentrierten Operatoren), wodurch 4 Kohlenstoffe dupliziert wurden — 284 C, wo 280 sein sollten. Peak-Positionen waren nicht betroffen, Strukturfaktoren waren leicht daneben. Jetzt abgesichert durch Akzeptanztest T10 und modeling/tests/crosscheck_pymatgen.py.

Das ist das Argument dafür, eine zweite Implementierung verfügbar zu haben.

Zitieren

Wenn ein Ergebnis daraus in einer Publikation landet, zitiere pymatgen — es leistet die eigentliche Arbeit:

S.P. Ong et al., Comput. Mater. Sci. 68, 314–319 (2013).

Und wenn du etwas in VESTA daneben gerendert hast, bittet VESTA ebenfalls um Zitierung:

K. Momma and F. Izumi, J. Appl. Crystallogr. 44, 1272–1276 (2011).

Lizenz

MIT — siehe LICENSE.