ortools MCP

OR工具MCP服务器

MCP服务器使用Google OR tools为车辆路线问题（VRP）和旅行商问题（TSP）提供优化工具。

特性

• TSP求解器：优化一次访问所有地点的单车路线
• VRP求解器：在容量和距离限制下优化多车路线
• 从坐标自动计算欧几里德距离
• 支持自定义距离矩阵
• 车辆容量限制
• 每辆车的最大距离限制

安装

1. 创建虚拟环境：

python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

1. 安装依赖项：

pip install -r requirements.txt

运行服务器

python server.py

服务器以stdio模式运行，适用于MCP客户端集成。

可用工具

1.solve_tsp

解决了单辆车的旅行推销员问题。

参数：

• locations：位置对象列表 lat, lon，可选 name
• depot_index：起始/结束位置索引（默认值：0）
• distance_matrix：可选的预先计算的距离矩阵

请求示例：

{
  "locations": [
    {"lat": 40.7128, "lon": -74.0060, "name": "New York"},
    {"lat": 34.0522, "lon": -118.2437, "name": "Los Angeles"},
    {"lat": 41.8781, "lon": -87.6298, "name": "Chicago"},
    {"lat": 29.7604, "lon": -95.3698, "name": "Houston"}
  ],
  "depot_index": 0
}

答复：

{
  "success": true,
  "route": [0, 2, 3, 1, 0],
  "total_distance": 123.45,
  "num_locations": 4,
  "route_details": [
    {
      "index": 0,
      "location": {"lat": 40.7128, "lon": -74.0060, "name": "New York"}
    },
    ...
  ]
}

2.solve_vrp

解决具有约束的多辆车的车辆路线问题。

参数：

• locations：位置对象列表
• num_vehicles：可用车辆数量
• depot_index：仓库位置索引（默认值：0）
• demands：每个地点的可选需求列表
• vehicle_capacities：车辆容量可选列表
• distance_matrix：可选的预先计算的距离矩阵
• max_distance：每条车辆路线的可选最大距离

请求示例（有容量限制）：

{
  "locations": [
    {"lat": 40.7128, "lon": -74.0060, "name": "Warehouse"},
    {"lat": 40.7580, "lon": -73.9855, "name": "Stop 1"},
    {"lat": 40.7489, "lon": -73.9680, "name": "Stop 2"},
    {"lat": 40.7614, "lon": -73.9776, "name": "Stop 3"},
    {"lat": 40.7549, "lon": -73.9840, "name": "Stop 4"}
  ],
  "num_vehicles": 2,
  "depot_index": 0,
  "demands": [0, 15, 20, 10, 25],
  "vehicle_capacities": [40, 40]
}

答复：

{
  "success": true,
  "routes": [
    {
      "vehicle_id": 0,
      "route": [0, 1, 2, 0],
      "distance": 5.67,
      "load": 35,
      "route_details": [...]
    },
    {
      "vehicle_id": 1,
      "route": [0, 3, 4, 0],
      "distance": 4.23,
      "load": 35,
      "route_details": [...]
    }
  ],
  "total_distance": 9.90,
  "total_load": 70,
  "num_vehicles_used": 2
}

与n8n集成

配置

1. 启动OR Tools MCP服务器：

cd ortools_mcp
source venv/bin/activate
python server.py

1. 配置n8n以连接到服务器：

MCP服务器URL: http://localhost:3002/mcp

或者，如果同时运行两台服务器，请使用不同的端口：

• TypeScript MCP（OSRM，瓦尔哈拉，n8n）： http://localhost:3001/mcp
• OR工具MCP： http://localhost:3002/mcp

1. 在n8n工作流程中，将提供OR工具MCP工具：

- solve_tsp -TSP优化 - solve_vrp -VRP优化

示例n8n工作流

1. 获取交货地点 来自数据库
2. 致电OSRM 建立所有位置之间的距离矩阵
3. 呼叫 solve_vrp 具有位置、距离矩阵和车辆约束
4. 对于每条优化路线，再次呼叫OSRM以获取转弯方向
5. 发送路线 通过API/电子邮件发送给送货司机

运行两台服务器

要在现有路由MCP服务器旁边使用OR工具，请执行以下操作：

# Terminal 1: Start TypeScript MCP server
cd /Users/nixos/workspace/n8n/mcp_server
npm run build && npm start  # Runs on port 3001

# Terminal 2: Start OR-Tools MCP server
cd /Users/nixos/workspace/n8n/mcp_server/ortools_mcp
source venv/bin/activate
python server.py  # Runs on port 3002

现在n8n可以连接到两个服务器并一起使用所有工具！

高级用法

使用自定义距离矩阵

您可以提供预先计算的距离矩阵（例如，来自OSRM或谷歌地图）：

{
  "locations": [...],
  "num_vehicles": 2,
  "distance_matrix": [
    [0, 10.5, 15.2, 8.7],
    [10.5, 0, 12.3, 18.1],
    [15.2, 12.3, 0, 9.4],
    [8.7, 18.1, 9.4, 0]
  ]
}

容量受限的VRP

对于每个站点都有特定需求的交付计划很有用：

{
  "locations": [...],
  "num_vehicles": 3,
  "demands": [0, 10, 20, 15, 30, 25],
  "vehicle_capacities": [50, 50, 50]
}

距离约束VRP

限制每辆车的最大距离/时间：

{
  "locations": [...],
  "num_vehicles": 2,
  "max_distance": 100.0
}

算法详细信息

• 旅行商问题：使用引导式局部搜索元启发式和路径最便宜的圆弧初始解决方案
• 车辆路径问题：具有额外容量和距离维度约束的相同算法
• 时间限制：每次优化30秒（可在代码中配置）
• 距离缩放：用于精确计算的内部整数缩放（×1000）

备注

• 默认距离计算使用lat/lon坐标上的简单欧几里德距离
• 对于真实世界的路由，提供来自路由引擎的距离矩阵
• 仓库必须包含在指定位置的位置列表中 depot_index
• 从车辆计数中过滤空路线（仅限仓库访问）

许可证

麻省理工学院