pybme-mcp
pybme-mcp
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_scenarioИнструменты
Инструмент | Назначение |
| Импорт жестких/мягких наблюдений и топологии сети |
| Определение типа задачи и рекомендации семейств моделей |
| Подбор моделей пространственной или сетевой ковариации с перекрестной проверкой |
| Запуск прогнозирования BME для целевых точек оценки |
| Определение факторов, влияющих на неопределенность в конкретных местах |
| Сравнение евклидовых, графовых и физически обоснованных операторов |
| 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.gitЗатем установите сервер MCP:
pip install git+https://github.com/wiesnerfriedman/pybme-mcp.gitИли 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]"
pytestСтруктура
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.pyЛицензия
MIT
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.
Related MCP Servers
- Alicense-qualityDmaintenanceA 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.4MIT
- Alicense-qualityAmaintenanceEnables 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.3GPL 3.0
- Alicense-qualityDmaintenanceEnables natural language interaction with the DSSAT crop model for simulation, calibration, and sensitivity analysis through LLM agents.1MIT
- FlicenseAqualityBmaintenanceEnables AI agents to query Earth observation data, satellite imagery, active fires, and weather via natural language, returning interactive maps and briefs.12
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.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
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