scicalc-mcp

一个提供数学与科学计算能力的 MCP（Model Context Protocol）服务，底层使用 NumPy、pandas、SciPy 和 Matplotlib。可在本地通过 stdio 供 Kiro 使用，也可以容器化后部署到 Google Cloud，供 Kiro 通过 HTTPS 远程访问。远程部署提供两种方式：以 Kubernetes（GKE）部署，或在单台虚拟机上用 docker-compose 搭配 Caddy 自动 HTTPS。

功能工具

共注册 19 个工具，按领域划分：

线性代数（NumPy）：matrix_multiply、matrix_inverse、determinant、 solve_linear_system、eigen
统计（NumPy/SciPy）：describe、correlation、t_test、linear_regression
科学计算（SciPy）：integrate_function、find_root、minimize_function、 interpolate_values
数据处理（pandas）：dataframe_describe、dataframe_groupby_aggregate、 dataframe_correlation_matrix
绘图（Matplotlib，返回 PNG）：plot_line、plot_function、plot_histogram

涉及函数表达式的工具（积分、求根、绘图等）使用受限的安全求值器，仅允许白名单内的数学函数与常量，避免任意代码执行。

本地开发

hljs language-powershell

# 创建并激活虚拟环境（若尚未创建）
python -m venv .venv
.\.venv\Scripts\Activate.ps1

# 安装项目及依赖
python -m pip install -e .

# 冒烟测试：列出已注册的工具
python scripts\smoke_test.py

默认传输方式为 stdio，适合本地在 IDE 中直接调用。

在 Kiro 中使用（本地 stdio）

编辑用户级或工作区级的 mcp.json（用户级路径：~/.kiro/settings/mcp.json）：

hljs language-json

{
  "mcpServers": {
    "scicalc": {
      "command": "d:\\dev\\Python\\python_mcp\\.venv\\Scripts\\scicalc-mcp.exe",
      "args": [],
      "env": { "MCP_TRANSPORT": "stdio" },
      "disabled": false,
      "autoApprove": []
    }
  }
}

保存后在 Kiro 的 MCP Server 视图中重新连接即可。

容器化

hljs language-powershell

# 构建镜像
docker build -t scicalc-mcp:latest .

# 本地以 HTTP 传输方式运行（映射到 8000 端口）
docker run --rm -p 8000:8000 scicalc-mcp:latest

容器默认使用 streamable-http 传输，端点为 http://<host>:8000/mcp。

部署到 Google Cloud（GKE）

前置条件：已安装 gcloud、kubectl，并已创建 GKE 集群与 Artifact Registry 仓库。

hljs language-powershell

# 1) 设置变量（按需替换）
$PROJECT_ID = "your-project-id"
$REGION     = "asia-east1"
$REPO       = "mcp"
$IMAGE      = "$REGION-docker.pkg.dev/$PROJECT_ID/$REPO/scicalc-mcp:latest"

# 2) 配置 Docker 认证并构建、推送镜像
gcloud auth configure-docker "$REGION-docker.pkg.dev"
docker build -t $IMAGE .
docker push $IMAGE

# 3) 获取集群凭据
gcloud container clusters get-credentials <CLUSTER_NAME> --region $REGION --project $PROJECT_ID

# 4) 将 k8s/deployment.yaml 中的镜像地址替换为 $IMAGE，然后应用清单
kubectl apply -f k8s\deployment.yaml
kubectl apply -f k8s\service.yaml
kubectl apply -f k8s\ingress.yaml

# 5) 查看 Ingress 分配的外部 IP
kubectl get ingress scicalc-mcp

Ingress 就绪后，MCP 端点为 http://<EXTERNAL_IP>/mcp。

生产环境建议启用 HTTPS：预留全局静态 IP、创建 ManagedCertificate，并在 k8s/ingress.yaml 中取消对应注释。此外应在服务前增加鉴权（例如网关层的认证、IAP 或 API 网关），因为该服务本身不含访问控制。

部署到单台服务器（docker-compose + 自动 HTTPS）

如果不需要 Kubernetes，只想在一台虚拟机（如 GCE 实例）上快速跑起来并让 Kiro 通过 HTTPS 远程访问，用 docker-compose 搭配 Caddy 反向代理是最简单的方式。项目根目录已提供 docker-compose.yml 与 Caddyfile。

为什么需要 HTTPS + 域名

Kiro 出于安全考虑，远程 MCP 服务的地址必须是 https:// 或 localhost，纯 http://<公网IP> 会被直接忽略并提示：

hljs language-css

Remote MCP Servers must use https or localhost, ignoring.

这带来两个要求：需要一个域名 + 需要 TLS 证书。下面用免费方案同时解决。

nip.io：免注册的免费域名

Let's Encrypt 之类的证书颁发机构不会给裸 IP 签发证书，必须有域名。而 nip.io 提供了一个巧妙的免费泛解析服务，把任意 IP 直接变成域名， 无需注册、无需配置 DNS。它的解析规则是：

hljs language-lua

<IP>.nip.io  →  自动解析回该 IP

例如服务器公网 IP 是 34.4.106.148，那么 34.4.106.148.nip.io 会自动解析到 34.4.106.148。这样就有了一个可用于申请证书的合法域名，且完全免费。

Caddy：自动申请并续期证书

Caddy 是一个反向代理，最大的便利是自动向 Let's Encrypt 申请免费 TLS 证书并自动续期，无需手动操作 certbot。工作流程如下：

hljs language-rust

公网请求 https://<IP>.nip.io/mcp
        │
        ▼
   Caddy (443)  ── 首次启动时通过 80 端口的 HTTP-01 验证向 Let's Encrypt 申请证书
        │           证书持久化在 caddy_data 卷中，90 天有效期到期前自动续期
        ▼
  scicalc-mcp:8000 (仅在 compose 内部网络暴露，不直接对公网开放)

Caddyfile 的核心配置就是把域名指向内部服务：

hljs language-css

34.4.106.148.nip.io {
    reverse_proxy scicalc-mcp:8000
}

Caddy 看到这个域名后会自动完成"申请证书 → 启用 HTTPS → 反向代理"整个链路。

部署步骤

前置条件：服务器已安装 Docker 与 docker compose，且 GCP 防火墙已放通 80 端口（Let's Encrypt 证书验证与续期所需）与 443 端口（对外 HTTPS 服务）。 8000 端口无需再对公网开放，流量统一经由 Caddy 的 443。

hljs language-bash

# 1) 把 Caddyfile 中的 IP 换成你服务器的实际公网 IP
#    34.4.106.148.nip.io  →  <你的IP>.nip.io

# 2) 构建并启动（scicalc-mcp + caddy 两个容器）
docker compose up -d --build

# 3) 查看状态，两个容器都应为 Up；caddy 日志中出现证书申请成功信息
docker compose ps
docker compose logs caddy

# 4) 验证 HTTPS 链路（返回 406 属正常，说明服务健康）
curl -i https://<你的IP>.nip.io/mcp

Windows 上用 curl 若报 schannel ... 0x80092013 吊销功能无法检查吊销，是本地无法联系 CA 的证书吊销检查服务所致，与服务器无关。加 --ssl-no-revoke 参数即可跳过该检查进行验证。

在 Kiro 中使用（远程 HTTPS）

配置 mcp.json，URL 使用 nip.io 域名的 HTTPS 地址：

hljs language-json

{
  "mcpServers": {
    "scicalc-remote": {
      "url": "https://<你的IP>.nip.io/mcp",
      "disabled": false,
      "autoApprove": []
    }
  }
}

保存后在 Kiro 的 MCP Server 视图中重新连接。

安全提醒：该服务本身不含任何鉴权，一旦经 HTTPS 暴露到公网，任何人都能调用并消耗算力。建议将 443 端口的防火墙来源限制为你自己的公网 IP（同时保留 80 端口开放以便证书续期），或在 Caddy 层增加认证。

项目结构

hljs language-bash

Scientific-computing-MCP/
├── src/scicalc_mcp/
│   ├── server.py          # 服务入口，选择传输方式并注册工具
│   ├── safe_eval.py       # 数学表达式安全求值器
│   └── tools/             # 按领域拆分的工具模块
│       ├── linear_algebra.py
│       ├── statistics.py
│       ├── scientific.py
│       ├── dataframe.py
│       └── plotting.py
├── scripts/smoke_test.py  # 列出已注册工具的冒烟测试
├── k8s/                   # GKE 部署清单
│   ├── deployment.yaml
│   ├── service.yaml
│   └── ingress.yaml
├── docker-compose.yml     # 单机部署：scicalc-mcp + Caddy 自动 HTTPS
├── Caddyfile              # Caddy 反向代理与 nip.io 域名的 TLS 配置
├── Dockerfile
├── pyproject.toml
└── requirements.txt

scicalc-mcp

功能工具

共注册 19 个工具，按领域划分：

线性代数（NumPy）：matrix_multiply、matrix_inverse、determinant、 solve_linear_system、eigen
统计（NumPy/SciPy）：describe、correlation、t_test、linear_regression
科学计算（SciPy）：integrate_function、find_root、minimize_function、 interpolate_values
数据处理（pandas）：dataframe_describe、dataframe_groupby_aggregate、 dataframe_correlation_matrix
绘图（Matplotlib，返回 PNG）：plot_line、plot_function、plot_histogram

涉及函数表达式的工具（积分、求根、绘图等）使用受限的安全求值器，仅允许白名单内的数学函数与常量，避免任意代码执行。

本地开发

hljs language-powershell

# 创建并激活虚拟环境（若尚未创建）
python -m venv .venv
.\.venv\Scripts\Activate.ps1

# 安装项目及依赖
python -m pip install -e .

# 冒烟测试：列出已注册的工具
python scripts\smoke_test.py

默认传输方式为 stdio，适合本地在 IDE 中直接调用。

在 Kiro 中使用（本地 stdio）

编辑用户级或工作区级的 mcp.json（用户级路径：~/.kiro/settings/mcp.json）：

hljs language-json

{
  "mcpServers": {
    "scicalc": {
      "command": "d:\\dev\\Python\\python_mcp\\.venv\\Scripts\\scicalc-mcp.exe",
      "args": [],
      "env": { "MCP_TRANSPORT": "stdio" },
      "disabled": false,
      "autoApprove": []
    }
  }
}

保存后在 Kiro 的 MCP Server 视图中重新连接即可。

容器化

hljs language-powershell

# 构建镜像
docker build -t scicalc-mcp:latest .

# 本地以 HTTP 传输方式运行（映射到 8000 端口）
docker run --rm -p 8000:8000 scicalc-mcp:latest

容器默认使用 streamable-http 传输，端点为 http://<host>:8000/mcp。

部署到 Google Cloud（GKE）

前置条件：已安装 gcloud、kubectl，并已创建 GKE 集群与 Artifact Registry 仓库。

hljs language-powershell

# 1) 设置变量（按需替换）
$PROJECT_ID = "your-project-id"
$REGION     = "asia-east1"
$REPO       = "mcp"
$IMAGE      = "$REGION-docker.pkg.dev/$PROJECT_ID/$REPO/scicalc-mcp:latest"

# 2) 配置 Docker 认证并构建、推送镜像
gcloud auth configure-docker "$REGION-docker.pkg.dev"
docker build -t $IMAGE .
docker push $IMAGE

# 3) 获取集群凭据
gcloud container clusters get-credentials <CLUSTER_NAME> --region $REGION --project $PROJECT_ID

# 4) 将 k8s/deployment.yaml 中的镜像地址替换为 $IMAGE，然后应用清单
kubectl apply -f k8s\deployment.yaml
kubectl apply -f k8s\service.yaml
kubectl apply -f k8s\ingress.yaml

# 5) 查看 Ingress 分配的外部 IP
kubectl get ingress scicalc-mcp

Ingress 就绪后，MCP 端点为 http://<EXTERNAL_IP>/mcp。

生产环境建议启用 HTTPS：预留全局静态 IP、创建 ManagedCertificate，并在 k8s/ingress.yaml 中取消对应注释。此外应在服务前增加鉴权（例如网关层的认证、IAP 或 API 网关），因为该服务本身不含访问控制。

部署到单台服务器（docker-compose + 自动 HTTPS）

为什么需要 HTTPS + 域名

Kiro 出于安全考虑，远程 MCP 服务的地址必须是 https:// 或 localhost，纯 http://<公网IP> 会被直接忽略并提示：

hljs language-css

Remote MCP Servers must use https or localhost, ignoring.

这带来两个要求：需要一个域名 + 需要 TLS 证书。下面用免费方案同时解决。

nip.io：免注册的免费域名

hljs language-lua

<IP>.nip.io  →  自动解析回该 IP

例如服务器公网 IP 是 34.4.106.148，那么 34.4.106.148.nip.io 会自动解析到 34.4.106.148。这样就有了一个可用于申请证书的合法域名，且完全免费。

Caddy：自动申请并续期证书

Caddy 是一个反向代理，最大的便利是自动向 Let's Encrypt 申请免费 TLS 证书并自动续期，无需手动操作 certbot。工作流程如下：

hljs language-rust

公网请求 https://<IP>.nip.io/mcp
        │
        ▼
   Caddy (443)  ── 首次启动时通过 80 端口的 HTTP-01 验证向 Let's Encrypt 申请证书
        │           证书持久化在 caddy_data 卷中，90 天有效期到期前自动续期
        ▼
  scicalc-mcp:8000 (仅在 compose 内部网络暴露，不直接对公网开放)

Caddyfile 的核心配置就是把域名指向内部服务：

hljs language-css

34.4.106.148.nip.io {
    reverse_proxy scicalc-mcp:8000
}

Caddy 看到这个域名后会自动完成"申请证书 → 启用 HTTPS → 反向代理"整个链路。

部署步骤

hljs language-bash

# 1) 把 Caddyfile 中的 IP 换成你服务器的实际公网 IP
#    34.4.106.148.nip.io  →  <你的IP>.nip.io

# 2) 构建并启动（scicalc-mcp + caddy 两个容器）
docker compose up -d --build

# 3) 查看状态，两个容器都应为 Up；caddy 日志中出现证书申请成功信息
docker compose ps
docker compose logs caddy

# 4) 验证 HTTPS 链路（返回 406 属正常，说明服务健康）
curl -i https://<你的IP>.nip.io/mcp

Windows 上用 curl 若报 schannel ... 0x80092013 吊销功能无法检查吊销，是本地无法联系 CA 的证书吊销检查服务所致，与服务器无关。加 --ssl-no-revoke 参数即可跳过该检查进行验证。

在 Kiro 中使用（远程 HTTPS）

配置 mcp.json，URL 使用 nip.io 域名的 HTTPS 地址：

hljs language-json

{
  "mcpServers": {
    "scicalc-remote": {
      "url": "https://<你的IP>.nip.io/mcp",
      "disabled": false,
      "autoApprove": []
    }
  }
}

保存后在 Kiro 的 MCP Server 视图中重新连接。

安全提醒：该服务本身不含任何鉴权，一旦经 HTTPS 暴露到公网，任何人都能调用并消耗算力。建议将 443 端口的防火墙来源限制为你自己的公网 IP（同时保留 80 端口开放以便证书续期），或在 Caddy 层增加认证。

项目结构

hljs language-bash

Scientific-computing-MCP/
├── src/scicalc_mcp/
│   ├── server.py          # 服务入口，选择传输方式并注册工具
│   ├── safe_eval.py       # 数学表达式安全求值器
│   └── tools/             # 按领域拆分的工具模块
│       ├── linear_algebra.py
│       ├── statistics.py
│       ├── scientific.py
│       ├── dataframe.py
│       └── plotting.py
├── scripts/smoke_test.py  # 列出已注册工具的冒烟测试
├── k8s/                   # GKE 部署清单
│   ├── deployment.yaml
│   ├── service.yaml
│   └── ingress.yaml
├── docker-compose.yml     # 单机部署：scicalc-mcp + Caddy 自动 HTTPS
├── Caddyfile              # Caddy 反向代理与 nip.io 域名的 TLS 配置
├── Dockerfile
├── pyproject.toml
└── requirements.txt

Scientific-computing-MCP

scicalc-mcp

功能工具

本地开发

在 Kiro 中使用（本地 stdio）

容器化

部署到 Google Cloud（GKE）

部署到单台服务器（docker-compose + 自动 HTTPS）

为什么需要 HTTPS + 域名

nip.io：免注册的免费域名

Caddy：自动申请并续期证书

部署步骤

在 Kiro 中使用（远程 HTTPS）

项目结构

Similar Packages

Scientific-computing-MCP

scicalc-mcp

功能工具

本地开发

在 Kiro 中使用（本地 stdio）

容器化

部署到 Google Cloud（GKE）

部署到单台服务器（docker-compose + 自动 HTTPS）

为什么需要 HTTPS + 域名

nip.io：免注册的免费域名

Caddy：自动申请并续期证书

部署步骤

在 Kiro 中使用（远程 HTTPS）

项目结构

Similar Packages