MCPソルバー MCPサーバー

「MCPソルバー」MCPサーバーは何をするのか？

MCPソルバーは、AIアシスタントや大規模言語モデル（LLM）向けに高度な制約最適化・ソルビング機能を提供するModel Context Protocol（MCP）サーバーです。SAT（ブール充足可能性）、SMT（理論充足可能性）、制約ソルビング機能を統合することで、AIモデルが複雑な数理モデルを対話的に作成・編集・解決できるようにします。MiniZincによる制約モデル、PySATによるSAT/MaxSAT問題、Z3によるSMT論理式など多様な問題表現をサポート。これにより、開発者やAIエージェントは自動推論、最適化、モデル解析などのタスクを実行でき、研究・工学・意思決定のワークフローを効率化します。高度な計算ソルバーとAIインターフェースの橋渡しとして、これらのツールを自動化パイプラインや対話型AIシステムで活用しやすくします。

プロンプト一覧

• リポジトリやドキュメントに明示的なプロンプトテンプレートは見つかりませんでした。
  (今後テンプレートが追加された場合はここに掲載されます。)

リソース一覧

• 利用可能なドキュメントまたはファイルに明示的なMCPリソースの記載はありません。
  (将来的にサーバーがデータやコンテンツリソースを公開した場合、ここに掲載されます。)

ツール一覧

• clear_model: 現在のモデルからすべてのアイテムを削除
• add_item: モデルの指定インデックスに新しいアイテムを追加
• delete_item: モデルの指定インデックスのアイテムを削除
• replace_item: モデルの指定インデックスのアイテムを置換
• get_model: 番号付きで現在のモデル内容を取得
• solve_model: タイムアウト指定対応でモデルを解決

このMCPサーバーのユースケース

• 制約モデル開発: MiniZincやPySATを用いてAIアシスタントが数理モデルを構築・編集。制約の迅速な試作や反復的な改良が可能。
• 自動問題解決: AIによるワークフローでSAT、SMT、最適化問題を自動的に解決。リアルタイムで解答や非充足制約を判定。
• 最適化タスク: MaxSATやMiniZincによる最適化に対応。リソース配分やスケジューリング、組合せ問題の最適解探索に活用。
• 教育ツール: 教育プラットフォームや学習環境と連携し、AIエージェント経由で制約プログラミングや論理解決を対話的に体験可能。
• 研究自動化: 大規模な制約モデル・SATインスタンス・SMT論理式の実験を自動化。AIインターフェースでソルバー選択や結果分析も効率化。

セットアップ方法

Windsurf

1. 前提条件: Python 3.11+ と uv プロジェクトマネージャーをインストール。
2. MCPソルバーをクローンしてインストール:

   git clone https://github.com/szeider/mcp-solver.git
   cd mcp-solver
   uv venv
   source .venv/bin/activate
   uv pip install -e ".[all]"
   

3. Windsurfの設定ファイル（通常はwindsurf.jsonなど）を探す。
4. mcpServersにMCPソルバーを追加:

   {
     "mcpServers": {
       "mcp-solver": {
         "command": "python",
         "args": ["-m", "mcp_solver"]
       }
     }
   }
   

5. 設定を保存してWindsurfを再起動。
6. AIエージェントからツールアクセスをテストしてセットアップ確認。

APIキーのセキュア化（必要な場合）

{
  "mcpServers": {
    "mcp-solver": {
      "command": "python",
      "args": ["-m", "mcp_solver"],
      "env": {
        "SOLVER_API_KEY": "${SOLVER_API_KEY}"
      },
      "inputs": {
        "api_key": "${SOLVER_API_KEY}"
      }
    }
  }
}

Claude

1. Python 3.11+とuvがインストールされていることを確認する
2. MCPソルバーを上記の方法でインストール
3. Claudeの設定ファイルを見つけて開く
4. サーバー設定を追加:

   {
     "mcpServers": {
       "mcp-solver": {
         "command": "python",
         "args": ["-m", "mcp_solver"]
       }
     }
   }
   

5. Claudeを再起動し、MCPツール利用可否を確認

Cursor

1. Python 3.11+とuvをインストール
2. クイックスタート通りにMCPソルバーをダウンロード・インストール
3. Cursorの設定ファイル（例：cursor.json）を編集
4. MCPソルバーを追加:

   {
     "mcpServers": {
       "mcp-solver": {
         "command": "python",
         "args": ["-m", "mcp_solver"]
       }
     }
   }
   

5. Cursorを再起動して変更を適用

Cline

1. Python 3.11+とuvのセットアップ
2. MCPソルバーをクローンしてインストール
3. Clineの設定ファイルを開く
4. MCPソルバーのサーバー設定を追加:

   {
     "mcpServers": {
       "mcp-solver": {
         "command": "python",
         "args": ["-m", "mcp_solver"]
       }
     }
   }
   

5. 保存、Cline再起動、ツールアクセスを確認

注: APIキーやシークレットが必要な場合は、Windsurfの例のように環境変数を利用してください。

フロー内でこのMCPを使う方法

FlowHuntでのMCP利用

FlowHuntワークフローにMCPサーバーを組み込むには、フローにMCPコンポーネントを追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、「システムMCP設定」欄で次のJSON形式を使ってMCPサーバー情報を入力します。

{
  "mcp-solver": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定が完了すると、AIエージェントがこのMCPのすべての機能にアクセスできるようになります。“mcp-solver"は実際のサーバー名に、URLはご自身のMCPサーバーURLに置き換えてください。

概要

| Roots対応 | ⛔ | 記載なし |

公開ドキュメントに基づき、MCPソルバーは制約・最適化問題解決に特化した堅牢なMCPサーバーです。ツール類は明確ですが、プロンプトテンプレートやリソースが明示されていません。セットアップや統合の説明は充実していますが、rootsやsamplingなどのMCP高度機能への対応記載はありません。

MCPスコア

当社の見解:
MCPソルバーは、学術的に堅牢かつソルバー統合やツール対応が充実したMCPサーバーです。プロンプトテンプレートや明示的リソースがない点で汎用性はやや制限されますが、制約・最適化ワークフローの中核機能は非常に優れています。一般的なMCP評価で7/10、プロンプト/リソース機能が追加されればさらに高評価となるでしょう。