fluent-research-mcp
Provides tools for managing Ansys Fluent simulations, including environment checks, project initialization, solver runs, UDF management, and result export.
Click on "Install 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., "@fluent-research-mcpCheck Fluent environment and license"
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.
fluent-research-mcp
fluent-research-mcp 是一个用于 Ansys Fluent / PyFluent 工作流自动化的本地 MCP server。它把 Fluent 仿真中常见的环境检查、项目初始化、算例运行、UDF 管理、结果导出和运行摘要封装成可由 MCP 客户端调用的结构化工具。
项目目标是让 Fluent 仿真流程更容易被记录、复现和诊断,尤其适合需要把 CFD 计算纳入自动化科研流程、工程验证流程或智能体工具链的场景。
主要特性
环境诊断:检查 Python、PyFluent、Fluent 可执行文件、license 线索和编译器可用性。
项目初始化:生成统一的 Fluent 项目目录和默认配置。
算例执行:支持 PyFluent 后端和 Fluent batch/journal 后端。
运行审计:保存输入快照、journal、日志、状态文件、摘要和报告。
UDF 工作流:写入 UDF 源文件,生成 diff,要求审查后再编译加载。
结果导出:导出结果清单、CSV 数据和可选图片。
结构化返回:所有 MCP 工具返回统一的
ok、stage、message、artifacts、warnings、errors字段。
Related MCP server: Codex MCP Abaqus
适用场景
用 MCP 客户端调用 Fluent/PyFluent 进行可追踪仿真。
在批处理环境中运行已有 Fluent case/data。
对 UDF 变更进行审查、编译和加载。
为失败的 Fluent 运行生成可读的诊断报告。
为研究或工程项目保留可复现的运行记录。
仓库结构
.
├── src/fluent_research_mcp/ # MCP server 和 Fluent 工作流工具
├── tests/ # 单元测试
├── cases/pyfluent_mixing_elbow/ # 可用于诊断的 Fluent 示例算例
├── examples/fluent_smoke/ # 最小化 Fluent batch 冒烟测试
├── pyproject.toml # Python 包配置
├── requirements.txt # 最小运行依赖
└── README.md生成的运行目录、Fluent transcript、缓存文件和本地实验数据不会进入版本库。
环境要求
Python 3.11 或更新版本
Ansys Fluent,用于真实求解和 batch 诊断
可用的 Fluent license
使用
pyfluent后端时需要 PyFluent 相关依赖
只启动 MCP server 或运行非 Fluent 依赖工具时,不要求本机已经安装 Fluent。涉及 Fluent 的工具会在环境不可用时返回结构化错误,便于上层客户端判断失败原因。
安装
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
python -m pip install -e .安装开发和测试依赖:
python -m pip install -e .[test]
pytest安装 Fluent/PyFluent 相关依赖:
python -m pip install -e .[fluent,test]也可以使用 requirements.txt 安装最小运行依赖:
python -m pip install -r requirements.txt启动 MCP server
python -m fluent_research_mcp.serverMCP 客户端配置示例:
[mcp_servers.fluent-research-mcp]
command = '<repo>\\.venv\\Scripts\\python.exe'
args = ['-m', 'fluent_research_mcp.server']
startup_timeout_sec = 30
tool_timeout_sec = 600如果 Fluent 不在 PATH 中,可以通过环境变量指定可执行文件:
[mcp_servers.fluent-research-mcp.env]
FLUENT_PATH = 'C:\\Program Files\\ANSYS Inc\\v252\\fluent\\ntbin\\win64\\fluent.exe'MCP 工具
工具 | 用途 |
| 检查 Python、PyFluent、Fluent、license、编译器和项目目录 |
| 创建标准项目目录和默认配置 |
| 用 PyFluent 打开已有 Fluent case/data |
| 创建运行目录,运行 Fluent,并写出状态、摘要和报告 |
| 写入 UDF 源文件并生成可审查 diff |
| 编译并加载已审查的 UDF |
| 导出结果清单、CSV 和可选图片 |
| 重新生成某次运行的 |
示例算例
仓库提供一个可复现的 Fluent mixing elbow 示例算例,用于验证 Fluent 启动、算例读取和基础网格检查:
cases/pyfluent_mixing_elbow/mixing_elbow.cas.h5
cases/pyfluent_mixing_elbow/mixing_elbow.msh.h5该算例是真实 Fluent case/mesh 文件,不是占位文件。当前 smoke journal 已在 Fluent 2025 R2、3ddp、单进程 batch 模式下完成读取和 /mesh/check。
使用 MCP 命令行入口执行一次 batch 求解:
python -m fluent_research_mcp.run_case . cases\pyfluent_mixing_elbow\mixing_elbow.cas.h5 --backend batch --fluent-dimension 3ddp --processor-count 1 --iterations 10运行产物会写入 runs/<run_id>/,包括输入快照、journal、日志、状态文件、摘要和报告。runs/ 属于生成物,默认不提交。
冒烟测试
examples/fluent_smoke/read_mesh_check.jou 是一个最小化 Fluent journal:
/file/read-case "cases/pyfluent_mixing_elbow/mixing_elbow.cas.h5"
/mesh/check
/exit yes从仓库根目录运行:
fluent 3ddp -g -i examples\fluent_smoke\read_mesh_check.jou如果 Fluent 可执行文件不在 PATH 中,使用实际路径:
& 'C:\Program Files\ANSYS Inc\v252\fluent\ntbin\win64\fluent.exe' 3ddp -g -i examples\fluent_smoke\read_mesh_check.jou这个测试适合做分层诊断:如果 Fluent 在读取算例前退出,优先检查 Fluent 路径、license 或启动环境;如果进入 /file/read-case 或 /mesh/check 后失败,再检查算例文件、版本兼容性或网格质量。
开发
运行测试:
pytest查看版本库状态:
git status --short建议在提交前确认运行产物、缓存文件和本地实验数据没有进入 Git。
许可
本项目不包含 Ansys Fluent 软件本体,也不提供 Fluent license。使用 Fluent、PyFluent 和相关示例文件时,请遵守 Ansys 的许可条款。
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
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/the-syz/fluent-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server