MCP server Optimization Solver
Commit 13 de nov. de 2026Resolve problemas de produção, mistura (blending), transporte e escalonamento usando programação linear e programação inteira mista.
Também conhecido como Saify-Technologies/saifs-ai-mcps-docs, optimization-solver
- Stars
- 4
- Ferramentas
- 6
- Downloads, 30 dias
- —
- Versão mais recente
- 1.0.1
- Último commit
- 13 de nov. de 2026
- Licença
- MIT
O que é o MCP Optimization Solver?
Optimization Solver é um MCP server. Resolve problemas de produção, mistura (blending), transporte e escalonamento usando programação linear e programação inteira mista. Ele expõe 6 ferramentas, como explain_solution, optimize_blend, optimize_production_mix.
Resumo gerado a partir do README do projeto
Sobre o MCP server de Optimization Solver
Este servidor remoto permite resolver problemas complexos de produção, blending, transporte e escalonamento por meio de programação linear e inteira mista. Ele permite que os usuários definam objetivos e restrições para receber planos otimizados junto com shadow prices. O serviço opera via streamable HTTP, o que significa que não é necessária instalação local, embora os usuários devam concluir um processo de login OAuth 2.1 PKCE por meio de uma página web no primeiro uso.
Desenvolvedores podem utilizar ferramentas especializadas como optimize_blend para misturas de menor custo ou optimize_schedule para minimizar custos de cobertura de turnos. Para requisitos mais complexos, o solve_custom_lp fornece um solver geral para usuários avançados. O sistema também inclui uma ferramenta explain_solution para identificar restrições limitantes e sensibilidade. Se um problema for matematicamente impossível de resolver, o servidor identifica as restrições conflitantes específicas para auxiliar no troubleshooting.
O que você pode fazer com ele
- 1Otimizar a produção industrialDeterminar as quantidades mais lucrativas de produtos a serem fabricados com base nos recursos e restrições disponíveis.
- 2Minimizar custos de ingredientesCriar uma mistura de menor custo que ainda atenda a todas as especificações exigidas.
- 3Gerenciar turnos de trabalhoDesenvolver um plano de pessoal de baixo custo que respeite todas as regras organizacionais.
- 4Planejar logística e envioGerar um plano de envio que minimize custos enquanto equilibra a oferta e a demanda entre diferentes locais.
- 5Analisar sensibilidade de restriçõesCompreender as implicações de custo de restrições específicas e quais delas estão limitando a solução no momento.
Escrito a partir do README do projeto. Cada caso de uso é verificado com uma citação dele.
Como instalar o MCP Optimization Solver
Formatos verificados em 10 nov 2026Adicionar ao CursorAdicionar ao GooseInstalar o MCP Optimization Solver no Claude Code
$ claude mcp add --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcpInstalar o MCP Optimization Solver no Cursor
~/.cursor/mcp.json
{
"mcpServers": {
"optimization-solver": {
"url": "https://optimization-solver-mcp.saifs.ai/mcp"
}
}
}Instalar o MCP Optimization Solver no VS Code
.vscode/mcp.json
{
"servers": {
"optimization-solver": {
"type": "http",
"url": "https://optimization-solver-mcp.saifs.ai/mcp"
}
}
}Instalar o MCP Optimization Solver no VS Code CLI
$ code --add-mcp '{"name":"optimization-solver","type":"http","url":"https://optimization-solver-mcp.saifs.ai/mcp"}'Instalar o MCP Optimization Solver no Codex
$ codex mcp add optimization-solver --url https://optimization-solver-mcp.saifs.ai/mcpInstalar o MCP Optimization Solver no Codex config.toml
~/.codex/config.toml
[mcp_servers.optimization-solver] url = "https://optimization-solver-mcp.saifs.ai/mcp"
Instalar o MCP Optimization Solver no Gemini CLI
$ gemini mcp add -s user --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcpInstalar o MCP Optimization Solver no Gemini settings.json
~/.gemini/settings.json
{
"mcpServers": {
"optimization-solver": {
"url": "https://optimization-solver-mcp.saifs.ai/mcp",
"type": "http"
}
}
}Ferramentas do MCP Optimization Solver 6
Detectadas a partir do READMEexplain_solutionoptimize_blendoptimize_production_mixoptimize_scheduleoptimize_transportationsolve_custom_lp
| explain_solution | — | |
| optimize_blend | — | |
| optimize_production_mix | — | |
| optimize_schedule | — | |
| optimize_transportation | — | |
| solve_custom_lp | — |
Verificações automatizadas
Executado em 13 de nov. de 2026Relatório completo →Ainda não verificado. Um servidor precisa de uma pontuação de 80, nenhum problema grave e dados suficientes para verificarmos. Como as verificações funcionam · O que corrigir para ganhar mais pontos
- Repositório de origem vinculado e acessívelsaify-technologies/saifs-ai-mcps-docs is public and reachablegithub.com/saify-technologies/saifs-ai-mcps-docs ↗Passou
- O pacote indica este repositório como sua origemNão verificado
- Proveniência da build (atestação Sigstore)Não verificado
- Licença de código aberto (OSI)MITspdx.org/licenses/MIT.html ↗Passou
- Commit ou release no último anoLast commit or release 2026-11-13github.com/saify-technologies/saifs-ai-mcps-docs ↗Passou
- OpenSSF ScorecardNão verificado
- Nome do pacote não é próximo a um pacote popularNão verificado
- Nenhum aviso crítico no pacote ou em suas dependênciasNão verificado
- Sem instruções ocultas para o modelo6 tool descriptions and the README read; no override phrases, credential paths or hidden charactersPassou
- Ferramentas destrutivas estão rotuladasNo tool named like delete, drop or execPassou
- O endpoint remoto responde ao handshake do MCPHTTPS endpoint answered 401 (sign-in required)Passou
README
Ver no 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
Perguntas sobre o MCP Optimization Solver
Como adiciono o MCP Optimization Solver ao Claude Code?
Execute claude mcp add --transport http optimization-solver https://optimization-solver-mcp.saifs.ai/mcp no seu terminal. Adicione --scope user para torná-lo disponível em todos os projetos.
Como adiciono o MCP Optimization Solver ao Cursor?
Abra ~/.cursor/mcp.json e adicione o servidor em mcpServers, usando a configuração do Cursor mostrada na seção de instalação acima.
Quais ferramentas o MCP Optimization Solver oferece?
Ele expõe 6 ferramentas, incluindo explain_solution, optimize_blend, optimize_production_mix, optimize_schedule, optimize_transportation.
Que tipo de problemas este solver pode resolver?
Ele resolve mix de produção, blending, transporte, cobertura de turnos e problemas gerais de programação linear customizados.
O que acontece se um problema for inviável?
Se um problema não puder ser resolvido devido a restrições conflitantes, o servidor retorna as restrições específicas que estão causando o conflito.
Posso obter mais informações sobre uma solução específica?
Sim, você pode usar a ferramenta explain_solution para ver quais restrições são limitantes (binding), visualizar shadow prices e analisar a sensibilidade.