Semantic Calc

语义计算器MCP

一个基于Python的MCP工具，用于对向量、文本和表情符号进行语义操作，并专门支持表情键V3系统。

特性

• 计算向量之间的语义相似度
• 将文本和表情符号转换为矢量嵌入
• 计算相位角表示的螺旋分量
• 解析Emojike V3字符串
• 计算维度之间的语义字段距离

需求

• Python 3.10+ （MCP SDK要求）
• 苹果硅Mac（M1/M2/M3）或英特尔Mac
• Claude桌面应用程序

安装

1.安装依赖项

# Clone the repository
git clone https://github.com/yourusername/mcp-server-semantic-calc.git
cd mcp-server-semantic-calc

# Install dependencies using uv (recommended)
uv sync

# Or install in development mode
uv pip install -e .

2.配置克劳德桌面

将此配置添加到您的Claude Desktop设置中（通常 ~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "Semantic Calculator": {
      "command": "arch",
      "args": [
        "-arm64",
        "/Users/rob/.local/bin/uv",
        "--directory",
        "/Users/rob/repos/mcp-server-semantic-calc",
        "run",
        "-m",
        "semantic_calculator",
        "mcp"
      ]
    }
  }
}

重要提示：

• 替换 /Users/rob/ 使用您的实际主目录路径
• 这 -arm64 flag确保Apple Silicon的原生执行
• 确保 /Users/rob/.local/bin/uv 存在（安装时 curl -LsSf https://astral.sh/uv/install.sh | sh)

3.重新启动克劳德桌面

重新启动Claude Desktop以加载新的MCP服务器。

用法

直接使用Python

from semantic_calculator.core import SemanticCalculator

# Initialize the calculator
calc = SemanticCalculator()

# Calculate similarity between two emoji
similarity = calc.semantic_calculator_cosine_similarity(
    calc.semantic_calculator_emoji_to_vector("🧠"),
    calc.semantic_calculator_emoji_to_vector("🎨")
)
print(f"Similarity: {similarity}")

MCP使用（克劳德语）

在Claude Desktop中配置后，您可以将其与以下内容一起使用：

// Convert emoji to vector
const brainVector = semantic_calc_emoji_to_vector({
  emoji: "🧠"
});

const artVector = semantic_calc_emoji_to_vector({
  emoji: "🎨"
});

// Calculate similarity
const similarity = semantic_calc_cosine_similarity({
  vector1: brainVector,
  vector2: artVector
});

console.log(`Similarity: ${similarity}`);

注意：所有工具功能都以前缀 semantic_calc_ 以避免与其他工具的命名冲突。

示例脚本

# After installation, run examples
python -m semantic_calculator.examples.vector_operations
python -m semantic_calculator.examples.calculate_emoji_similarity
python -m semantic_calculator.examples.analyze_emojikey

核心功能

• semantic_calc_text_to_vector：将文本转换为矢量嵌入
• semantic_calc_emoji_to_vector：将表情符号转换为矢量嵌入
• semantic_calc_cosine_similarity：计算向量之间的余弦相似度
• semantic_calc_euclidean_distance：计算向量之间的欧几里德距离
• semantic_calc_manhattan_distance：计算向量之间的曼哈顿距离
• semantic_calc_dimension_distance：计算维度之间的相似性
• semantic_calc_calculate_helical_components：根据幅度/相位计算螺旋分量
• semantic_calc_parse_emojikey_string：解析表情符号字符串

依赖项

核心依赖关系（必填）

这些依赖项是通过以下方式自动安装的 pyproject.toml:

• Python 3.10+ -MCP SDK要求
• mcp>=0.9.0 -模型上下文协议SDK
• 句子转换器>=2.2.0 -用于语义向量嵌入
• numpy>=1.20.0 -用于矢量运算
• scikit学习>=1.0.0 -用于距离计算
• 火炬>=1.10.0 -SentenceBERT要求

可视化依赖关系（可选）

• matplotlib>=3.4.0 -用于基本可视化
• plotly>=5.5.0 -用于交互式3D可视化
• umap学习>=0.5.2 -用于降维
• 海运>=0.11.2 -为了增强可视化效果

发展依赖性

• pytest>=7.0.0 -用于测试（安装 uv sync --dev)

注： 如果未安装任何核心依赖项，语义计算器将拒绝启动。所有依赖关系都通过以下方式管理 pyproject.toml 并自动安装 uv sync.

许可证

麻省理工学院