Skip to main content
Glama

pybme-mcp

Python 3.10+ License: MIT

Сервер Model Context Protocol (MCP), который является оберткой для pyBME, позволяя агентам LLM выполнять геостатистический анализ методом байесовской максимальной энтропии (BME) с помощью естественного языка, а не кода.

Что он делает

Сервер предоставляет 7 инструментов, 6 ресурсов и 4 подсказки (prompts), которые формируют конвейер рассуждений о неопределенности:

ingest_external_scenario_evidence → inspect_modeling_context
       → fit_uncertainty_model → run_uncertainty_update
       → explain_uncertainty_drivers
       → compare_operator_approaches
       → design_next_observation_or_scenario

Инструменты

Инструмент

Назначение

ingest_external_scenario_evidence

Импорт жестких/мягких наблюдений и топологии сети

inspect_modeling_context

Определение типа задачи и рекомендации семейств моделей

fit_uncertainty_model

Подбор моделей пространственной или сетевой ковариации с перекрестной проверкой

run_uncertainty_update

Запуск прогнозирования BME для целевых точек оценки

explain_uncertainty_drivers

Определение факторов, влияющих на неопределенность в конкретных местах

compare_operator_approaches

Сравнение евклидовых, графовых и физически обоснованных операторов

design_next_observation_or_scenario

Ранжирование вариантов размещения датчиков по снижению дисперсии

Поддерживаемые семейства моделей

  • spatial — Евклидова ковариация (экспоненциальная, гауссова, сферическая и т. д.)

  • space_time — Разделимая пространственно-временная ковариация

  • graph_laplacian — Ядро графовой диффузии на топологии сети

  • physics_informed_network — Физически согласованная сетевая ковариация

  • spectral_hodge — Спектральное разложение Ходжа для сетей потоков

Related MCP server: ladybug-tools-mcp

Установка

Сначала установите pyBME (пока отсутствует в PyPI):

pip install git+https://github.com/wiesnerfriedman/pybme.git

Затем установите сервер MCP:

pip install git+https://github.com/wiesnerfriedman/pybme-mcp.git

Или из локального клона:

git clone https://github.com/wiesnerfriedman/pybme-mcp.git
cd pybme-mcp
pip install -e ".[dev]"

Конфигурация

Claude Desktop

Добавьте в claude_desktop_config.json:

{
  "mcpServers": {
    "pybme": {
      "command": "pybme-mcp"
    }
  }
}

VS Code (Copilot)

Добавьте в .vscode/mcp.json:

{
  "servers": {
    "pybme": {
      "type": "stdio",
      "command": "pybme-mcp"
    }
  }
}

Использование

После настройки задавайте своему агенту вопросы, например:

  • "Подбери модель неопределенности для моих наблюдений PM2.5"

  • "Запусти BME-обновление с учетом сети для этой ливневой канализации"

  • "Сравни евклидовы операторы с операторами графового лапласиана"

  • "Где мне разместить следующий датчик, чтобы максимально снизить неопределенность?"

См. examples/mcp_agent_demo.ipynb для пошагового руководства по всей цепочке инструментов.

Разработка

git clone https://github.com/wiesnerfriedman/pybme-mcp.git
cd pybme-mcp
pip install -e ".[dev]"
pytest

Структура

pybme-mcp/
├── docs/
│   ├── pybme-openswmm-integration.md
│   └── v1-mcp-spec.md
├── examples/
│   └── mcp_agent_demo.ipynb
├── pyproject.toml
├── src/pybme_mcp/
│   ├── __init__.py
│   ├── __main__.py
│   ├── registry.py
│   ├── schemas.py
│   ├── serialisation.py
│   ├── server.py
│   └── services/
│       ├── catalog.py
│       ├── comparison.py
│       ├── context.py
│       ├── explanation.py
│       ├── fitting.py
│       ├── hodge.py
│       ├── ingest.py
│       ├── scenario_design.py
│       └── update.py
└── tests/
    ├── conftest.py
    ├── test_ingest.py
    └── test_integration.py

Лицензия

MIT

A
license - permissive license
-
quality - not tested
D
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
    -
    quality
    D
    maintenance
    A Model Calling Protocol server that enables LLMs to perform rigorous Bayesian analysis and probabilistic reasoning, including inference, model comparison, and predictive modeling with uncertainty quantification.
    4
    MIT
  • A
    license
    -
    quality
    A
    maintenance
    Enables natural-language interaction with Ladybug Tools for building performance simulation, 3D modeling, and data visualization, allowing agents to perform complex environmental analysis tasks without CAD software.
    3
    GPL 3.0

View all related MCP servers

Related MCP Connectors

  • Deterministic reasoning stack for AI agents: simulate, decide & compute, plus cross-domain tools.

  • Analytical memory for AI agents: a real Postgres queried in plain English over MCP. One command.

  • Agent-to-agent reasoning-as-a-service: chain-of-thought, analysis, and decision support.

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/wiesnerfriedman/pybme-mcp'

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