Serveur MCP Optimization Solver
Commit 13 nov. 2026Résout les problèmes de production, de mélange, de transport et de planification en utilisant la programmation linéaire et la programmation linéaire en nombres entiers (MILP).
Aussi connu sous Saify-Technologies/saifs-ai-mcps-docs, optimization-solver
- Étoiles
- 4
- Outils
- 6
- Téléchargements, 30 jours
- —
- Dernière version
- 1.0.1
- Dernier commit
- 13 nov. 2026
- Licence
- MIT
Qu'est-ce que Optimization Solver MCP ?
Optimization Solver est un serveur MCP. Résout les problèmes de production, de mélange, de transport et de planification en utilisant la programmation linéaire et la programmation linéaire en nombres entiers (MILP). Il expose 6 outils, comme explain_solution, optimize_blend, optimize_production_mix.
Résumé généré à partir du README du projet
À propos du MCP server Optimization Solver
Ce serveur distant permet de résoudre des problèmes complexes de production, de mélange, de transport et de planification grâce à la programmation linéaire et mixte. Il permet aux utilisateurs de définir des objectifs et des contraintes pour recevoir des plans optimaux accompagnés des prix d'ombre. Le service fonctionne via Streamable HTTP, ce qui signifie qu'aucune installation locale n'est requise, bien que les utilisateurs doivent effectuer un processus de connexion OAuth 2.1 PKCE via une page web lors de leur première utilisation.
Les développeurs peuvent utiliser des outils spécialisés comme optimize_blend pour obtenir le mélange au coût le plus bas ou optimize_schedule pour minimiser les coûts de couverture des shifts. Pour des besoins plus complexes, solve_custom_lp fournit un solveur général pour les utilisateurs avancés. Le système inclut également un outil explain_solution pour identifier les contraintes actives et la sensibilité. Si un problème est mathématiquement impossible à résoudre, le serveur identifie les contraintes conflictuelles spécifiques pour faciliter le dépannage.
Ce que vous pouvez faire avec
- 1Optimiser la production manufacturièreDéterminer les quantités de produits les plus rentables à fabriquer en fonction des ressources et des contraintes disponibles.
- 2Minimiser le coût des ingrédientsCréer un mélange au coût minimal qui respecte néanmoins toutes les spécifications requises.
- 3Gérer les shifts de la main-d'œuvreDévelopper un plan de dotation en personnel à bas coût qui respecte toutes les règles de l'organisation.
- 4Planifier la logistique et l'expéditionGénérer un plan d'expédition qui minimise les coûts tout en équilibrant l'offre et la demande entre les différents sites.
- 5Analyser la sensibilité des contraintesComprendre les implications financières de contraintes spécifiques et identifier celles qui limitent actuellement la solution.
Extrait du README du projet. Chaque cas d'utilisation est vérifié par rapport à une citation du document.
Comment installer Optimization Solver MCP
Formats vérifiés le 10 nov. 2026Ajouter à CursorAjouter à GooseInstaller Optimization Solver MCP dans Claude Code
$ claude mcp add --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcpInstaller Optimization Solver MCP dans Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"optimization-solver": {
"url": "https://optimization-solver-mcp.saifs.ai/mcp"
}
}
}Installer Optimization Solver MCP dans VS Code
.vscode/mcp.json
{
"servers": {
"optimization-solver": {
"type": "http",
"url": "https://optimization-solver-mcp.saifs.ai/mcp"
}
}
}Installer Optimization Solver MCP dans VS Code CLI
$ code --add-mcp '{"name":"optimization-solver","type":"http","url":"https://optimization-solver-mcp.saifs.ai/mcp"}'Installer Optimization Solver MCP dans Codex
$ codex mcp add optimization-solver --url https://optimization-solver-mcp.saifs.ai/mcpInstaller Optimization Solver MCP dans Codex config.toml
~/.codex/config.toml
[mcp_servers.optimization-solver] url = "https://optimization-solver-mcp.saifs.ai/mcp"
Installer Optimization Solver MCP dans Gemini CLI
$ gemini mcp add -s user --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcpInstaller Optimization Solver MCP dans Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"optimization-solver": {
"url": "https://optimization-solver-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Outils MCP Optimization Solver 6
Détectés depuis le READMEexplain_solutionoptimize_blendoptimize_production_mixoptimize_scheduleoptimize_transportationsolve_custom_lp
| explain_solution | — | |
| optimize_blend | — | |
| optimize_production_mix | — | |
| optimize_schedule | — | |
| optimize_transportation | — | |
| solve_custom_lp | — |
Vérifications automatisées
Exécuté le 13 nov. 2026Rapport complet →Pas encore vérifié. Un serveur nécessite un score de 80, aucune faille sérieuse et suffisamment de données pour que nous puissions effectuer les vérifications. Fonctionnement des vérifications · Ce qu'il faut corriger pour gagner des points
- Dépôt source lié et accessiblesaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Réussi
- Le nom du package correspond au dépôt sourceNon vérifié
- Provenance du build (attestation Sigstore)Non vérifié
- Licence open source (OSI)MITspdx.org/licenses/MIT.html ↗Réussi
- Commit ou version publiée au cours de l'année écouléeLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Réussi
- OpenSSF ScorecardNon vérifié
- Nom du package non proche d'un package populaireNon vérifié
- Aucun avis critique dans le package ou ses dépendancesNon vérifié
- Aucune instruction cachée destinée au modèle6 tool descriptions and the README read; no override phrases, credential paths or hidden charactersRéussi
- Les outils destructifs sont étiquetésNo tool named like delete, drop or execRéussi
- Le point de terminaison distant répond à la poignée de main MCPHTTPS endpoint answered 401 (sign-in required)Réussi
README
Voir sur GitHubOptimization Solver (LP / MIP Scheduling)
A general constraint-optimization server: describe the objective and constraints, get the optimal plan plus shadow prices. Pre-built templates cover production mix, blending, transportation and shift coverage so callers do not have to write an LP. Infeasible problems return the conflicting constraints.
| Registry name | ai.saifs/optimization-solver |
| Endpoint | https://optimization-solver-mcp-microsoft.saifs.ai/mcp |
| Transport | Streamable HTTP (remote, nothing to install) |
| Auth | OAuth 2.1 — PKCE (S256) and dynamic client registration; your client opens a sign-in page on first use |
| Publisher | SAIFS AI |
Install
VS Code / GitHub Copilot
Add to .vscode/mcp.json (workspace) or your user mcp.json:
{
"servers": {
"saifs-optimization-solver": {
"type": "http",
"url": "https://optimization-solver-mcp-microsoft.saifs.ai/mcp"
}
}
}
Then start the server from the MCP view and sign in when prompted.
Claude (claude.ai, Desktop)
Settings → Connectors → Add custom connector, and paste:
https://optimization-solver-mcp-microsoft.saifs.ai/mcp
Claude Code
claude mcp add --transport http saifs-optimization-solver https://optimization-solver-mcp-microsoft.saifs.ai/mcp
Any other MCP client
Point it at https://optimization-solver-mcp-microsoft.saifs.ai/mcp using the Streamable HTTP transport. The server returns 401 with a
WWW-Authenticate: Bearer … resource_metadata=… challenge, so OAuth-aware clients sign in automatically.
Tools
| Tool | What it does |
|---|---|
explain_solution |
Which constraints bind, shadow prices (what each constraint costs) and sensitivity. |
optimize_blend |
Least-cost mix meeting specs (diet / blending). |
optimize_production_mix |
Optimal quantities and profit given products, resources and constraints. |
optimize_schedule |
Min-cost shift coverage meeting staffing rules. |
optimize_transportation |
Min-cost shipping plan from sources, destinations, supply and demand. |
solve_custom_lp |
General LP solver for power users from an objective and constraints. |
Example prompts
- “Find the best production mix within capacity”
- “Allocate budget across projects”
- “Schedule jobs on machines”
Support
- Website: https://saifs.ai
- Issues: https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
- Privacy: https://saifs.ai/privacy_policy
Questions sur Optimization Solver MCP
Comment ajouter Optimization Solver MCP à Claude Code ?
Exécutez claude mcp add --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcp dans votre terminal. Ajoutez --scope user pour le rendre disponible dans tous les projets.
Comment ajouter Optimization Solver MCP à Cursor ?
Ouvrez ~/.cursor/mcp.json et ajoutez le serveur sous mcpServers, avec la configuration Cursor indiquée dans la section d'installation ci-dessus.
Quels outils Optimization Solver MCP fournit-il ?
Il expose 6 outils, dont explain_solution, optimize_blend, optimize_production_mix, optimize_schedule, optimize_transportation.
Quel type de problèmes ce solveur peut-il traiter ?
Il traite les mélanges de production, le blending, le transport, la couverture des shifts et les problèmes généraux de programmation linéaire personnalisés.
Que se passe-t-il si un problème est infaisable ?
Si un problème ne peut pas être résolu en raison de contraintes conflictuelles, le serveur renvoie les contraintes spécifiques qui causent le conflit.
Puis-je obtenir plus d'informations sur une solution spécifique ?
Oui, vous pouvez utiliser l'outil explain_solution pour voir quelles contraintes sont actives, consulter les prix d'ombre (shadow prices) et analyser la sensibilité.