Symbolic Algebra MCP Server

符号代数MCP服务器

Sympy MCP是一个模型上下文协议服务器，允许LLM自主执行符号数学和计算机代数。它向MCP客户端展示了SymPy核心功能中的许多工具，用于操纵数学表达式和方程。

为什么？

语言模型在符号操纵方面绝对糟糕。他们幻想变量，组成随机常数，排列术语，通常会把事情弄得一团糟。但是我们有专门为符号操作构建的计算机代数系统，因此我们可以使用工具调用来编排一系列转换，以便符号内核完成所有繁重的工作。

虽然你当然可以让LLM生成Mathematica或Python代码，但如果你想将LLM用作代理或即时计算器，使用MCP服务器并直接公开符号工具会更好。

该服务器公开了符号数学功能的一个子集，包括代数方程求解、积分和微分、向量微积分、广义相对论的张量微积分，以及常微分方程和偏微分方程。

例如，你可以用自然语言问它求解微分方程：

求解带强迫项的阻尼谐振子：由微分方程描述的质量-弹簧-阻尼器系统，其中m是质量，c是阻尼系数，k是弹簧常数，F（t）是外力。

$$m\\frac{d^2x}{dt^2}+c\\frac{dx}{dt}+kx=F（t）$$

或者涉及广义相对论：

使用反德西特时空的逆度量$g^{\\mu\\nu}$计算Ricci张量$R\_{\\mu\\nu}$的轨迹，以确定其常数标量曲率$R$。

用法

你需要 紫外线 第一。

• 家酿 : brew install uv
• 卷曲 : curl -LsSf https://astral.sh/uv/install.sh | sh

然后，您可以使用以下命令安装并运行服务器：

# Setup the project
git clone https://github.com/sdiehl/sympy-mcp.git
cd sympy-mcp
uv sync

# Install the server to Claude Desktop
uv run mcp install server.py

# Run the server
uv run mcp run server.py

您现在应该可以在Claude Desktop应用程序中看到可用的服务器。其他客户请参阅下文。

如果你想要一个完全独立的版本，只需一个命令即可运行，你可以使用以下命令。 *请注意，这是从Github运行的任意代码，所以要小心。*

uv run --with https://github.com/sdiehl/sympy-mcp/releases/download/0.1/sympy_mcp-0.1.0-py3-none-any.whl python server.py

如果你想进行广义相对论计算，你需要安装 einsteinpy 图书馆。

uv sync --group relativity

可用工具

sympy-mcp服务器为符号数学提供了以下工具：

默认情况下，变量是用假设预定义的（类似于 符号（） 函数在SymPy中工作）。除非另有说明，否则defaut假设是变量在复数域$\\mathbb{C}$上是复数、可交换的项。

Claude桌面设置

通常情况下 mcp install 命令将自动将服务器添加到 claude_desktop_config.json 文件。如果没有，你需要找到配置文件并添加以下内容：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• 窗户： %APPDATA%\Claude\claude_desktop_config.json

将以下内容添加到 mcpServers 对象，替换 /ABSOLUTE_PATH_TO_SYMPY_MCP/server.py 具有通往sympy mcp的绝对路径 server.py 文件。

{
  "mcpServers": {
    "sympy-mcp": {
      "command": "/opt/homebrew/bin/uv",
      "args": [
        "run",
        "--with",
        "einsteinpy",
        "--with",
        "mcp[cli]",
        "--with",
        "pydantic",
        "--with",
        "sympy",
        "mcp",
        "run",
        "/ABSOLUTE_PATH_TO_SYMPY_MCP/server.py"
      ]
    }
  }
}

光标设置

在你的 ~/.cursor/mcp.json，添加以下内容，其中 ABSOLUTE_PATH_TO_SYMPY_MCP 是sympy mcp服务器.py文件的路径。

{
  "mcpServers": {
    "sympy-mcp": {
      "command": "/opt/homebrew/bin/uv",
      "args": [
        "run",
        "--with",
        "einsteinpy",
        "--with",
        "mcp[cli]",
        "--with",
        "pydantic",
        "--with",
        "sympy",
        "mcp",
        "run",
        "/ABSOLUTE_PATH_TO_SYMPY_MCP/server.py"
      ]
    }
  }
}

VS代码设置

VS Code和VS Code Insider现在支持MCP 代理模式。对于VS Code，您可能需要启用 Chat > Agent: Enable 在设置中。

1. 一键设置：



或者手动将配置添加到您的 settings.json （全球）：

{
  "mcp": {
    "servers": {
      "sympy-mcp": {
        "command": "uv",
        "args": [
          "run",
          "--with",
          "einsteinpy",
          "--with",
          "mcp[cli]",
          "--with",
          "pydantic",
          "--with",
          "sympy",
          "mcp",
          "run",
          "/ABSOLUTE_PATH_TO_SYMPY_MCP/server.py"
        ]
      }
    }
  }
}

1. 点击服务器配置上方的“开始”，在聊天中切换到代理模式，然后尝试“集成x^2”或“求解x^2=1”等命令开始。

临床设置

与一起使用 克莱恩，您需要首先使用“用法”部分中的命令手动运行MCP服务器。MCP服务器运行后，打开Cline并选择顶部的“MCP服务器”。

然后选择“远程服务器”并添加以下内容：

• 服务器名称： sympy-mcp
• 服务器URL: http://127.0.0.1:8081/sse

5ire设置

另一个在后端支持多种型号（o3、o4 mini、DeepSeek-R1等）的MCP客户端是5ire。

设置 5ire，打开5ire，进入工具->新建，设置以下配置：

• 工具密钥： sympy-mcp
• 产品名称：SymPy MCP
• 命令： /opt/homebrew/bin/uv run --with einsteinpy --with mcp[cli] --with pydantic --with sympy mcp run /ABSOLUTE_PATH_TO/server.py

替换 /ABSOLUTE_PATH_TO/server.py 带有sympy mcp服务器.py文件的实际路径。

HTTP传输（流式HTTP/SSE）

服务器使用HTTP支持MCP 可流式传输http 在MCP规范2025-03-26中引入。这取代了传统的SSE传输，并公开了一个 /mcp 客户端通过HTTP连接到的端点。

当服务器作为独立进程或在容器中运行时，这是推荐的传输方式，因为它允许任何支持HTTP的MCP客户端连接，而无需将服务器作为子进程启动。

# Run locally with HTTP transport
uv run python server.py --transport streamable-http

# Override host/port
uv run python server.py --transport streamable-http --mcp-host 127.0.0.1 --mcp-port 9000

遗产 --transport sse 仍然支持标志以实现向后兼容性。

A. /healthcheck 还公开了运行完整MCP协议往返的端点（初始化→ 工具/列表→ 会话拆除）并返回 {"status": "ok", "tool_count": N}.

在容器中运行

您可以在本地使用Docker构建和运行服务器：

# Build the Docker image
docker build -t sympy-mcp .

# Run the Docker container
docker run -p 8081:8081 sympy-mcp

或者使用Docker Compose docker/ 目录：

cd docker
docker compose up -d --build

或者，您可以从GitHub容器注册表中提取预构建的映像：

# Pull the latest image
docker pull ghcr.io/sdiehl/sympy-mcp:main

# Run the container
docker run -p 8081:8081 --rm ghcr.io/sdiehl/sympy-mcp:main

要配置Claude Desktop以启动Docker容器，请编辑您的 claude_desktop_config.json 文件：

{
  "mcpServers": {
    "sympy-mcp": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "-p",
        "8081:8081",
        "--rm",
        "sympy-mcp"
      ]
    }
  }
}

或者使用GitHub上的预构建容器：

{
  "mcpServers": {
    "sympy-mcp": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "-p",
        "8081:8081",
        "--rm",
        "ghcr.io/sdiehl/sympy-mcp:main"
      ]
    }
  }
}

此配置告诉会在需要时启动Docker容器。确保构建Docker镜像(docker build -t sympy-mcp .)在使用此配置的Claude Desktop之前。

如果您将uv命令更改为使用Docker run命令，则其他安装方法也可以适用于Docker。

示例交互1：微分方程

以下是一个使用此MCP服务器与AI助手对话时工具调用如何工作的示例：

用户：求解带强迫项的阻尼谐振子：由微分方程描述的质量-弹簧-阻尼器系统，其中m是质量，c是阻尼系数，k是弹簧常数，F（t）是外力。

$$m\\frac{d^2x}{dt^2}+c\\frac{dx}{dt}+kx=F（t）$$

助手：（内部工具调用） intro_many 引入变量：

{
  "variables": [
    {"var_name": "t", "pos_assumptions": ["real"], "neg_assumptions": []},
    {"var_name": "m", "pos_assumptions": ["real", "positive"], "neg_assumptions": []},
    {"var_name": "c", "pos_assumptions": ["real", "positive"], "neg_assumptions": []},
    {"var_name": "k", "pos_assumptions": ["real", "positive"], "neg_assumptions": []}
  ]
}

助手：（内部工具调用） introduce_function 定义x（t）：

{
  "func_name": "x"
}

助手：（内部工具调用） introduce_expression 以创建微分方程：

{
  "expr_str": "Eq(m*Derivative(x(t), t, t) + c*Derivative(x(t), t) + k*x(t), F(t))"
}

助手：（内部工具调用） print_latex_expression 为了很好地显示方程式：

{
  "expr_key": "expr_12"
}

结果：

$$ c\\frac{d}{dt}x{\\left（t\\right）}+kx{\\left（t\\right）}+m\\frac{d^{2}{dt^{2}x{\\right（t\\left）}=F{\\left $$

助手：（内部工具调用） introduce_function 定义F（t）：

{
  "func_name": "F"
}

助手：（内部工具调用） dsolve_ode 为了求解微分方程：

{
  "expr_key": "expr_12",
  "func_name": "x"
}

结果：

$$ x{\\left（t\\right）}=C\_{1}e^{\\frac{t\\left（-C+\\sqrt{C^{2}-4k m}\\right）}{2 m}}+C\_{2}e^{-\\frac{t=t\\left $$

示例交互2：广义相对论

用户：使用反德西特时空的逆度量$g^{\\mu\\nu}$计算Ricci张量$R\_{\\mu\\nu}$的轨迹，以确定其常数标量曲率$R$。

助手：（内部工具调用） create_predefined_metric 要创建反德西特指标：

{
  "metric_name": "AntiDeSitter"
}

助手：（内部工具调用） calculate_tensor 计算Ricci张量：

{
  "metric_key": "metric_AntiDeSitter",
  "tensor_type": "RICCI_TENSOR",
  "simplify_result": true
}

助手：（内部工具调用） print_latex_tensor 显示Ricci张量：

{
  "tensor_key": "riccitensor_metric_AntiDeSitter"
}

结果：

$$ \\左\ 文件以获取详细信息。