Token导航 LogoToken导航TokenDH.com
Optim Engine logo
运维云端未说明官方级别未说明来源级核验

Optim Engine

MCP Server

OptimEngine是一个生产优化平台,提供确定性优化、不确定性优化、多目标优化和规范性建议等功能,适用于调度、路由和装箱等NP难问题。

工具数

7

提示词数

0

GitHub Stars

0

资源数

0
PythonClaude云端部署Claude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

MicheleCampi

提供方

MicheleCampi

最后核验

2026/5/17 20:19

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

⚡ OptimEngine

生产优化平台——4层架构,OR工具CP-SAT,MCP原生,OAuth 2.1,可观察性优先。

![Tests](https://github.com/MicheleCampi/optim-engine/actions/workflows/tests.yml) ![Python 3.12](https://www.python.org/downloads/) ![License: MIT](LICENSE) ![MCP Compatible](https://modelcontextprotocol.io) ![Live](https://optim-engine-production.up.railway.app)

______________________________________________________________________

概述

OptimEngine解决NP难优化问题(调度、路由、打包),并量化不确定性下的风险(敏感性、鲁棒性、随机性、帕累托)。它展示了4个智能级别(L1确定性)的11个工具→ L3规范)通过REST和MCP(SSE+带OAuth 2.1的流式HTTP)。

该系统围绕三个工程原理构建: 数学正确性 (真正的CP-SAT求解器,而不是LLM近似值), 生产卫生 (完整的可观察性堆栈、业务逻辑的测试覆盖率、负载测试),以及 代理人友好 (MCP双栈、OAuth、速率限制、仅JSON合约)。

建筑

flowchart TB
    Client[AI Agents / MCP Clients / REST] --> Edge[Edge Proxy
Vercel]
    Edge --> L2[L2 Core Gateway
FastAPI · orchestration]
    L2 --> L1[L1 Solver Layer
OR-Tools 9.15 CP-SAT
FJSP · CVRPTW · Packing · Sensitivity · Robust · Stochastic · Pareto · Prescriptive]
    L2 --> L3[L3 Thin Proxies
Payment rails · MCP discovery]
    L1 --> Obs[Observability
OpenTelemetry · Prometheus · Grafana Cloud]
    L2 --> Obs
    L3 --> Obs

四层加上边缘代理,部署在6个铁路服务+1个Vercel功能上。所有层都配备了OpenTetry跟踪、Prometheus中间件和支付事件的Telegram警报。

技术栈

技术
运行时Python 3.12、FastAPI、Uvicorn
求解器OR工具9.15 CP-SAT、NumPy、自定义蒙特卡洛
MCPFastMCP(SSE+流式HTTP)、ScaleKit OAuth 2.1、PyJWT
验证Pydantic v2
可观察性OpenTetry SDK、Prometheus客户端、Grafana Cloud
负载测试Locust 2.43
CIGitHub操作、pytest、pytest-cov
部署铁路(计算)、Vercel(边缘)、GitHub Actions(CI)

能力

L1——确定性优化

求解器问题关键特性
调度灵活作业车间(FJSP)优先级、时间窗口、每台机器的持续时间、可用性窗口、质量门、设置矩阵
路由CVRPTW容量、时间窗口、GPS距离、直接访问、4个目标
装箱多维包装重量+体积限制,物品数量,分组,部分包装,4个目标

L2——不确定性下的优化

模块能力输出
敏感性分析一次一个参数扰动脆弱性图、敏感性得分、临界标志、风险排名
稳健优化不确定性范围→ 最坏情况保护稳健的解决方案、稳健的代价、可行性
随机优化概率分布→ 蒙特卡洛预期值、VaR、CVaR(90/95/99%)、分布汇总

L2.5——多目标

模块能力输出
帕累托前沿2-4个竞争目标非主导解决方案、权衡比率、相关性分析

L3——规定性

模块能力输出
规定性建议历史数据→ 预测→ 优化→ Risk → 建议行动、风险调整后的完成时间、可行性风险评估

演出

生产基准总结(完整报告: BENCHMARKS.md):

  • 已处理757个请求,0个失败 在20分钟的累积负载下
  • 基础设施楼层:约200毫秒 (FastAPI+边缘代理+身份验证+可观察性开销)
  • 5名用户同时使用时膝盖饱和 在当前的铁路等级上;系统在它之后会优雅地降级
  • 瓶颈:求解器CPU,而不是基础设施——扩展路径在L1处是水平的,在网关处不是垂直的

实时Grafana仪表板: 公共仪表板/优化引擎

测试和CI

![Tests](https://github.com/MicheleCampi/optim-engine/actions/workflows/tests.yml)

  • 121测试 跨越7个求解器模块,全部通过
  • 总覆盖率77%, 业务逻辑引擎平均88%
  • 通过GitHub Actions对每个推送和拉取请求运行
  • 覆盖率报告作为构建工件上传(HTML+XML)

测试套件练习真正的CP-SAT求解,而不是模拟:断言验证数学属性(CVaR排序、容量约束、扰动下的单调性),而不仅仅是代码路径。

v9.0.0亮点

四个调度引擎升级,缩小了学术FJSP与实际车间运营方式之间的差距。所有向后兼容v8请求。

每台机器的持续时间 --同一任务,不同机器上的不同时间:

{
  "task_id": "milling",
  "duration": 100,
  "eligible_machines": ["CNC-1", "CNC-2"],
  "duration_per_machine": {"CNC-1": 120, "CNC-2": 80}
}

可用性窗口 --每台机器有多个班次和维护间隙:

{
  "machine_id": "CNC-1",
  "availability_windows": [
    {"start": 0, "end": 480},
    {"start": 510, "end": 960}
  ]
}

质量门 --工作要求最低质量,机器有良率:

{ "job_id": "ORD-BOSCH", "quality_min": 0.97 }
{ "machine_id": "CNC-4", "yield_rate": 0.99 }

设置时间矩阵 --顺序相关的转换成本:

{
  "setup_times": [
    {"machine_id": "M1", "from_job_id": "J1", "to_job_id": "J2", "setup_time": 15}
  ]
}

快速开始

claude.ai(远程MCP连接器)

在设置下添加为远程MCP连接器→ 集成:

https://optim-engine-production.up.railway.app/mcp

对于OAuth保护的端点:

https://optim-engine-production.up.railway.app/mcp/v2

休息(卷曲)

curl -X POST https://optim-engine-production.up.railway.app/optimize_schedule \
  -H "Content-Type: application/json" \
  -H "X-Engine-Key: $ENGINE_API_KEY" \
  -d '{
    "jobs": [
      {"job_id": "J1", "tasks": [
        {"task_id": "cut", "duration": 30, "eligible_machines": ["M1", "M2"]},
        {"task_id": "weld", "duration": 20, "eligible_machines": ["M2"]}
      ]}
    ],
    "machines": [{"machine_id": "M1"}, {"machine_id": "M2"}],
    "objective": "minimize_makespan"
  }'

MCP客户端配置

{
  "mcpServers": {
    "optim-engine": {
      "url": "https://optim-engine-production.up.railway.app/mcp"
    }
  }
}

验证案例研究:MetalPrecision(合成)

以意大利精密加工车间为蓝本的合成数据集——4个数控中心(2015-2023年份),5个以真实汽车/工业客户为蓝本的客户订单,15个任务。用于验证所有7个模块的求解器端到端行为。

工具结果
optimize_schedule最佳完成时间225分钟,5/5准时,平均利用率83.3%,0.04秒
validate_schedule零违规,2条改进建议
analyze_sensitivity3.6秒内解决73个问题,识别出最敏感的参数(敏感度得分8.9)
optimize_robust最坏情况210分钟,鲁棒性价格7.7%,100%可行性
optimize_pareto交易边界:195/15分钟vs 220/0分钟,相关性-1.0
optimize_stochastic30个蒙特卡洛方案,CVaR95=188.5,CV 4.7%
prescriptive_advise预测+1.3%/期,风险调整范围167-183
数据集中的客户名称具有说明性。这不是实时客户部署;这是一个用于求解器验证和演示的基准场景。

生产部署

端点角色
optim-engine-production.up.railway.appL1+L2+L3计算(铁路,6项服务)
边缘代理(Vercel)CORS处理、头重写、边缘缓存
claude.ai上的MCP连接器克劳德客户的工具表面

发现

在上列出了代理经济发现 x402扫描, 铁匠铺,以及 402.ai系统支持Base和Solana上的x402微支付,用于支付层端点;支付集成记录在L3瘦代理层中,但不是该项目的主要重点。

许可证

麻省理工学院——见 许可证.

建造于 米歇尔 坎皮.

目录标签

目录标签

PythonClaude云端部署生产优化调度优化路由优化装箱优化不确定性优化多目标优化

支持客户端

Claude

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

oauth

工具数量(toolCount,工具数)

7

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明oauth部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP