AI导哈

MCP服务器

IDAES MCP Server 是一个基于HTTP的模型控制协议服务器，用于流程建模和优化分析。

  • by waikato-ahuora-smart-energy-systems
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 waikato-ahuora-smart-energy-systems/idaes-mcp

使用说明

IDAES MCP服务器

设置

uv sync
uv run idaes get-extensions

我不确定idaes在紫外线下的扩展效果有多好。确保 ipopt 指挥工作。

如果没有，最简单的方法就是在本地安装idaes：

pip install idaes-pse
idaes get-extensions

用法

此MVP从拥有模型的同一进程启动MCP over HTTP服务器。

uv run main.py

演示入口点构建一个微型模型，并在以下位置启动服务器：

http://127.0.0.1:8000/mcp

在您自己的脚本中，构建 m 首先，然后调用：

from idaes_mcp.server import start_mcp_server

start_mcp_server(m, host="127.0.0.1", port=8000)

可用工具：

型号概述

  • idaes.list_models –顶层块（例如。 fs)以及（如果存在）以下块 fs
  • idaes.model_summary –DOF、变量/约束计数、固定变量计数
  • idaes.list_variables -列出/过滤变量（值、边界、固定）
  • idaes.list_constraints –列表/过滤器约束（边界、活动）
  • idaes.fixed_variable_summary –具有名称、值和块的固定变量（快速查看诊断规范）
  • idaes.flowsheet_report –单位 report() 流程图块的输出

结构和数值诊断

  • idaes.run_diagnostics –结构报告+约束不足/约束过大的集合；使用 include_numerical=True 解决后
  • idaes.report_numerical_issues –完整的数值报告（缩放、残差、雅可比矩阵等；需要解决方案）
  • idaes.top_constraint_residuals –最大的约束违规（快速可行性分流）
  • idaes.dulmage_mendelsohn_partition –结构化欠约束/过约束变量和约束集（按块）
  • idaes.diagnostics_display –运行特定显示（例如。 large_residuals, inconsistent_units, near_parallel_constraints)；请参阅工具说明 display_kind 选项

高级/高洞察力

  • idaes.infeasibility_explanation -为什么模型不可行（松弛+最小不可行集）；运行额外的解决方案
  • idaes.near_parallel_jacobian –近乎并行的约束行或变量列（简并/冗余）
  • idaes.ill_conditioning_certificate –导致病态的约束/变量（Klotz风格）
  • idaes.svd_underdetermined –基于SVD的欠定变量/约束（小奇异值）
  • idaes.degeneracy_report –不可约退化集（IDS）；需要MILP求解器（例如SCIP）

解决

  • idaes.solve_flowsheet –使用Lipot或其他求解器求解整个流程图（当前模型）；返回成功、终止条件、消息。解决方案保留在模型中。

更改实时模型中的规格（持续到服务器重新启动）
需要此项，以便模型的DOF大于0，并且可以运行solve_one_point/convergence_analysis。

  • idaes.unfix_variables –取消固定给定的变量路径（释放DOF）。例如，用于调整阀门出口温度，以便扫掠进料流量。
  • idaes.fix_variables –将变量设置为值并修复它们（例如交换规格或设置相位分割0.0→ 0.001).
  • idaes.set_constraints_active –按路径激活或停用约束（例如，删除冗余的温度约束；使用 active=False 停用）。
  • idaes.set_variable_bounds –设置变量的下限/上限（setlb/setub）。用于放宽界限或约束决策变量。
  • idaes.apply_changes_and_solve –在一次调用中应用多个更改（取消固定、修复、激活/停用约束、设置边界），然后可以选择求解。返回应用摘要、模型摘要、求解结果和顶部残差。用于在一次往返中尝试一批规格更改。

测试多个值（释放DOF后）

  • idaes.solve_one_point –将给定的变量设置为值，求解一次， 恢复 国家；用于测试一个操作点。仅在临时修复后DOF≥0时有效（因此，如果DOF为0，请先取消某些规格）。
  • idaes.convergence_analysis –输入范围内的参数扫描（均匀采样）；在每个样本上运行模型，返回每个点的迭代次数/时间/数值问题（顺序）。扫描输入需要DOF≥0。

模型诊断工作流程（用于真正的洞察）

  1. 结构性（无需解决方案）
    run_diagnostics() → 固定DOF，然后使用 dulmage_mendelsohn_partition() 以准确查看哪些变量/约束是欠约束还是过约束。跟进 diagnostics_display("inconsistent_units"), diagnostics_display("potential_evaluation_errors")正如报告中所建议的那样。

  2. 初始化/求解后
    run_diagnostics(include_numerical=True) 或 report_numerical_issues().使用 top_constraint_residuals 用于快速可行性检查和 diagnostics_display("large_residuals") 了解详情。

  3. 如果求解器说不可行
    infeasibility_explanation() 以获得松弛和最小不可行集（冲突约束/界限）。

  4. 缩放/退化
    near_parallel_jacobian(direction="row") 或 direction="column", ill_conditioning_certificate()那么 svd_underdetermined() 并且可选 degeneracy_report() （需要SCIP或另一个MILP求解器）。

例子

示例文件显示了工作和损坏的idaes流程图。还提供了一个描述文件。

''' { “mcpServers”：{ “idaes-mcp”： “url”：“http://127.0.0.1:8005/mcp" }, “exa”：{ “url”：“https://mcp.exa.ai/mcp", “headers”：｛｝ } } } '''

相关 MCP