高精度计算微服务

计算器MCP

一个高精度的34位计算器微服务，您可以将其放入任何LLM工作流程中。同时公开REST API 和 一 主控程序 服务器，以便代理可以安全、确定地评估表达式。
简体中文 | 日本语

我为什么需要这个？

众所周知，大型语言模型在精确算术方面很差——它们可能会产生数字事实的幻觉或返回不精确的结果。 计算器MCP 为您的代理提供一个确定性的、34位精度的预言机，确保每次计算都是值得信赖和可重复的。

支持的表达式

计算器MCP理解标准算术以及一组集中的科学函数和常数。

所有计算均返回34位精度 result 弦。

特性

• 使用Python的34位十进制算术 decimal
• 标准数学函数：trig、log、power等。
• REST端点： POST /evaluate, GET /healthz
• MCP功能 calc.evaluate 准备好进行函数调用/工具调用
• YAML驱动的测试套件和100%类型化的代码库

快速开始

先决条件

• Python≥3.11（使用 紫外线)

安装 uv 一次（如果你没有）：

pip install uv

安装

git clone https://github.com/your-org/calculator-mcp.git
cd calculator-mcp
uv pip install -r requirements.txt   # creates .venv automatically

运行REST API

uv run python -m uvicorn app.main:app --reload --port 8000
# Swagger UI: http://127.0.0.1:8000/docs

运行MCP服务器（HTTP）

uv run python -m uvicorn server.main:app --reload --port 9000

注：有关直接工具集成（例如在Cursor中），请参阅 stdio 服务器说明如下。

与大型语言模型（LLM）集成

该项目包括一个完整的、可运行的示例，说明如何使用模型上下文协议（MCP）将计算器与LLM驱动的代理集成。

代理人使用官方 mcp Python库，用于根据自然语言查询动态发现和调用计算器的函数。

运作原理

该示例遵循官方MCP stdio 客户端模式：

1. stdio_server.py：通过标准输入/输出进行通信的轻量级MCP服务器。它导入并公开核心 calculate 功能。
2. examples/smart_calculator_agent.py：启动的客户端代理 stdio_server.py 作为一个子流程。它使用OpenAI的GPT-4来解释用户查询和官方 mcp 库在需要时调用计算器工具。

这种分离确保了核心计算器逻辑独立于服务器实现（它可以通过HTTP或 stdio).

运行示例

1. 设置您的OpenAI API密钥:

   创建一个 .env 在项目的根目录中创建文件并添加密钥：

   复制

   OPENAI_API_KEY="sk-..."
   

2. 运行代理:

   使用 uv 运行客户端脚本。客户端将自动启动 stdio 服务器。

   复制

   uv run python examples/smart_calculator_agent.py
   

示例代码(smart_calculator_agent.py)

该代理的完整源代码可在 examples 目录。它演示了如何启动 stdio 服务器并和LLM交互。

查看代理源代码(smart_calculator_agent.py)

与MCP兼容的工具（如游标）一起使用

您可以通过创建一个 .cursor/mcp.json 项目根目录中的文件。这个文件告诉Cursor如何找到工具并与之通信。

方法1：连接到正在运行的HTTP服务器（推荐）

此方法适用于您正在运行MCP服务器并希望从Cursor连接到它的情况。

1. 启动MCP服务器：首先，确保符合规范的JSON-RPC服务器正在运行。

   复制

   uv run python -m uvicorn server.main:app --reload --port 9000
   

2. 配置光标:

   • 在您的项目中，创建一个名为 .cursor/mcp.json.
   • 添加以下JSON配置。此消息会告诉Cursor您的服务器在指定的URL上可用，并使用标准MCP协议。
   复制

   {
     "mcpServers": {
       "calculator": {
         "url": "http://127.0.0.1:9000"
       }
     }
   }
   

   • 保存文件。游标将自动检测到它，并发送 tools/list 向服务器发出请求，并 calc.evaluate AI可用的工具。

方法2：作为本地标准工具运行

如果您不想管理单独的服务器进程，这种替代方法很有用。游标将使用标准输入/输出按需启动和停止工具。

1. 配置光标:
   • 在您的项目中，创建一个名为 .cursor/mcp.json.
   • 将以下JSON配置添加到文件中：
   复制

   {
     "mcpServers": {
       "calculator": {
         "command": "uv",
         "args": ["run", "python", "stdio_server.py"],
         "cwd": "${workspaceFolder}"
       }
     }
   }
   

   • 保存文件。游标将运行 stdio_server.py 在后台编写脚本 calculate AI可用的功能。

测试

uv run pytest -q

许可证

麻省理工学院