MCP Çözücü MCP Sunucusu

“MCP Çözücü” MCP Sunucusu ne yapar?

MCP Çözücü, AI asistanları ve Büyük Dil Modellerine (LLM’ler) gelişmiş kısıt optimizasyonu ve çözüm yetenekleri sağlamak için tasarlanmış bir Model Context Protocol (MCP) sunucusudur. SAT (Boolean Satisfiability), SMT (Satisfiability Modulo Theories) ve kısıt çözme kabiliyetlerini entegre ederek, MCP Çözücü AI modellerinin karmaşık matematiksel modelleri etkileşimli şekilde oluşturmasına, değiştirmesine ve çözmesine imkân tanır. Kısıt modelleri için MiniZinc, SAT ve MaxSAT problemleri için PySAT, SMT formülleri için Z3 gibi çeşitli problem temsillerini destekler. Bu sayede geliştiriciler ve AI ajanları; otomatik mantıksal çıkarım, optimizasyon ve model analizi gibi görevleri yerine getirebilir, araştırma, mühendislik ve karar destek uygulamalarında iş akışlarını kolaylaştırabilirler. Sunucu, gelişmiş hesaplama çözücüleri ile AI tabanlı arayüzler arasında köprü görevi görerek, bu araçların otomatik iş akışlarına ve etkileşimli AI sistemlerine kolayca entegre edilmesini sağlar.

İstem Listesi

• Depo dosyalarında veya dökümantasyonda açıkça tanımlanmış bir istem şablonu bulunamadı.
  (Eğer gelecekte istem şablonları eklenirse burada listelenecektir.)

İşinizi büyütmeye hazır mısınız?

Bugün ücretsiz denemenizi başlatın ve günler içinde sonuçları görün.

Demo talep et Giriş yap

Kaynak Listesi

• Ulaşılabilir dökümantasyon veya dosyalarda açıkça tanımlanmış bir MCP kaynağı yoktur.
  (İleride sunucu veri/içerik kaynakları sunarsa burada listelenecektir.)

Araç Listesi

• clear_model: Mevcut modeldeki tüm öğeleri siler.
• add_item: Modele belirli bir indekste yeni bir öğe ekler.
• delete_item: Modelden belirtilen indeksteki bir öğeyi siler.
• replace_item: Modelde belirtilen indeksteki bir öğeyi değiştirir.
• get_model: Modelin mevcut içeriğini numaralandırılmış olarak alır.
• solve_model: Modeli çözer, zaman aşımı parametresi desteğiyle.

Bültenimize katılın

En son ipuçlarını, trendleri ve teklifleri ücretsiz alın.

E-posta adresi

Abone ol

Bu MCP Sunucusunun Kullanım Senaryoları

• Kısıt Model Geliştirme: AI asistanlarının MiniZinc veya PySAT kullanarak matematiksel modeller oluşturmasına ve düzenlemesine olanak tanır; hızlı prototipleme ve kısıtların yinelemeli olarak iyileştirilmesini kolaylaştırır.
• Otomatik Problem Çözümü: AI tabanlı iş akışlarının SAT, SMT veya optimizasyon problemlerini otomatik olarak çözmesine, anında çözüm üretmesine veya tatmin edilemez kısıtları tespit etmesine olanak sağlar.
• Optimizasyon Görevleri: MaxSAT ve MiniZinc optimizasyon desteğiyle, geliştiricilerin kaynak tahsisi, zamanlama veya kombinatoryal problemler için optimal çözümler bulmasını sağlar.
• Eğitsel Araçlar: Öğretim platformları veya öğrenme ortamlarına entegre edilebilir; öğrencilerin AI ajanları üzerinden etkileşimli şekilde kısıt programlama ve mantık çözümünü keşfetmesine imkân tanır.
• Araştırma Otomasyonu: Kısıt modelleri, SAT örnekleri veya SMT formülleriyle büyük ölçekli deneyler yapılmasını kolaylaştırır; AI arayüzleriyle çözücü seçimi ve sonuç analizi otomatikleştirilebilir.

Kurulum Nasıl Yapılır

Windsurf

1. Ön Koşullar: Python 3.11+ ve uv proje yöneticisini yükleyin.
2. MCP Çözücüyü Klonlayıp Kurun:

   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 yapılandırma dosyasını bulun (genellikle windsurf.json veya benzeri).
4. mcpServers’a MCP Çözücüyü ekleyin:

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

5. Yapılandırmayı kaydedin ve Windsurf’u yeniden başlatın.
6. Kurulumu doğrulayın: AI ajanından araç erişimini test edin.

API Anahtarlarının Güvenliğini Sağlama (gerekirse)

{
  "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+ ve uv kurulu olduğundan emin olun.
2. MCP Çözücüyü yukarıdaki gibi kurun.
3. Claude’un yapılandırma dosyasını bulun ve açın.
4. MCP Çözücü sunucu yapılandırmasını ekleyin:

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

5. Claude’u yeniden başlatın ve MCP aracının kullanılabilirliğini kontrol edin.

Cursor

1. Python 3.11+ ve uv yükleyin.
2. MCP Çözücüyü hızlı başlangıçtaki gibi yükleyin.
3. Cursor yapılandırma dosyasını düzenleyin (ör. cursor.json).
4. MCP Çözücüyü ekleyin:

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

5. Değişikliklerin uygulanması için Cursor’u yeniden başlatın.

Cline

1. Python 3.11+ ve uv‘yu kurun ve ayarlayın.
2. MCP Çözücüyü klonlayıp kurun.
3. Cline’ın yapılandırma dosyasını açın.
4. MCP Çözücü sunucu girişini ekleyin:

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

5. Kaydedin, Cline’ı yeniden başlatın ve araç erişimini doğrulayın.

Not: Kurulumunuzda API anahtarı veya gizli anahtar gerekiyorsa, Windsurf örneğindeki gibi ortam değişkenleri kullanabilirsiniz.

MCP’nin akışlarda kullanımı

FlowHunt’ta MCP kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyerek AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümünde, aşağıdaki JSON formatını kullanarak MCP sunucunuzun detaylarını girin:

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

Yapılandırma tamamlandığında, AI ajanı bu MCP’yi bir araç olarak kullanabilir ve tüm fonksiyonlarına ve imkanlarına erişebilir. “mcp-solver” kısmını kendi MCP sunucu adınız ile, URL’yi ise kendi MCP sunucu URL’niz ile değiştirmeniz gerektiğini unutmayın.

Genel Bakış

| Roots Desteği | ⛔ | Bahsedilmemiş |

Mevcut dökümantasyona göre, MCP Çözücü kısıt ve optimizasyon problem çözümüne odaklı, iyi tanımlanmış araçlara sahip sağlam ve özelleşmiş bir MCP sunucusudur; ancak açık istem şablonları ve kaynaklar bulunmamaktadır. Kurulum ve entegrasyonu iyi belgelenmiştir, fakat roots veya örnekleme gibi gelişmiş MCP özelliklerinden bahsedilmemektedir.

MCP Skoru

Bizim görüşümüz:
MCP Çözücü, güçlü çözücü entegrasyonu ve araç desteğiyle, akademik olarak sağlam ve özel amaçlı bir MCP sunucusudur. İstem şablonlarının ve açık kaynakların eksikliği genel amaçlı kullanımını sınırlandırsa da, kısıt/optimizasyon iş akışları için çekirdek fonksiyonu mükemmeldir. Genel amaçlı MCP değerlendirmesi için 7/10 puan alır—istem/kaynak desteği eklenirse puanı daha da artacaktır.