开源泡沫-MCP服务器

Name: 开源泡沫-MCP服务器
Author: webworn

作者：webworn58 星标更新：2025-09-16

安装使用来源：spider==github.com

项目介绍

OpenFOAM MCP Server

🚀 革命性的智能CFD教育与问题解决系统 - 世界上第一个具有先进人工智能能力的OpenFOAM模型上下文协议服务器，包括苏格拉底式提问、上下文工程和专家级错误解决。

🎯 为什么选择这个MCP？CFD-AI教育革命

问题：CFD专业知识障碍

复杂设置：OpenFOAM需要深入的网格生成、边界条件和求解器选择的专业知识。
物理知识：CFD分析需要理解流体力学、热传递和数值方法。
耗时：手动设置和分析可能需要数小时到数天的时间来处理复杂的案例。
易出错：不正确的边界条件或求解器设置会导致非物理结果。
学习曲线：传统的CFD工具缺乏教育指导和支持渐进式学习。

解决方案：智能CFD教育系统

这个革命性的MCP通过以下方式改变CFD学习和问题解决：

上下文工程：高级用户建模，跟踪CFD概念的理解并适应复杂性。
苏格拉底式提问：具有4种已验证模式（澄清、探索、确认、应用）的战略提问引擎。
智能参数提取：自然语言到CFD参数的转换，并带有置信评分。
高级错误解决：采用5个为什么的方法，结合研究支持的解决方案和学术参考。
CFD知识图谱：概念关系映射，用于引导学习路径。
双终端架构：无缝的OpenFOAM执行与智能对话流程。

市场影响

变革CFD教育：首个通过引导发现教学CFD的人工智能驱动系统。
普及CFD：通过自然语言使专业流体动力学分析变得易于访问。
加速学习：基于用户理解水平进行渐进复杂度调整。
增强问题解决：采用5个为什么的方法进行研究支持的错误解决。
专业整合：保持完整的OpenFOAM兼容性，并覆盖智能指导层。

🛠️ 智能CFD功能

🧠 高级AI特性

上下文工程系统

增强用户建模：跟踪CFD概念理解、经验水平和学习进度。
置信评分：监控用户在流体力学、热传递和数值方法方面的理解。
自适应复杂度：根据用户专业知识自动调整解释和指导。
学习路径优化：建议最佳的概念进展以有效掌握CFD。

苏格拉底式提问引擎

战略提问模式：四种已验证的教育策略，促进渐进式学习。
- 🔍 澄清："在这个上下文中，您具体指的是什么湍流流动？"
- 🌊 探索："如果我们将雷诺数增加到500,000会发生什么？"
- ✅ 确认："所以您认为压力降随速度平方增加？"
- 🎯 应用："您如何使用莫迪图表解决这个问题中的管道流动问题？"
上下文感知问题：基于用户的当前理解和对话历史生成。
渐进难度：问题适应复杂度以系统地建立理解。

智能参数提取

自然语言处理：将对话描述转换为精确的CFD参数。
物理验证：确保提取的参数在物理上合理且一致。
置信评分：提供参数提取准确性的确定级别。
交互式澄清：当参数模糊时提出智能后续问题。

高级错误解决

5个为什么方法论：CFD模拟失败的系统根本原因分析。
研究集成：具有证据支持解决方案的学术论文数据库。
诊断指导：逐步故障排除，附带教育解释。
预防策略：通过理解避免类似问题。

CFD知识图谱

概念关系：绘制流体力学、热传递和数值方法之间的连接。
学习依赖：识别高级主题的先决概念。
技能评估：评估用户的知识差距并建议集中学习领域。
学术参考：将概念链接到权威来源和研究论文。

核心分析工具

1. 🔬 管道流动分析 (`run_pipe_flow`)

物理：圆管内部流动，检测层流/湍流状态。

计算：雷诺数、摩擦因子、压力降、壁面剪切应力。
应用：液压系统、管道设计、HVAC分析。
求解器：simpleFoam，pimpleFoam，自动选择湍流模型。
特征：入口效应、表面粗糙度、流动状态过渡。

2. ✈️ 外部流动分析 (`analyze_external_flow`)

物理：车辆、飞机和建筑物周围的空气动力学。

计算：阻力系数(Cd)，升力系数(Cl)，空气动力学力。
应用：
- 汽车：汽车空气动力学，燃油效率优化。
- 航空航天：飞机设计，机翼分析，无人机性能。
- 土木：建筑风载，城市流动模式。
求解器：simpleFoam，SRFSimpleFoam，k-ω SST湍流。
特征：雷诺数缩放，边界层分析，流动分离检测。

3. 🌡️ 热传递分析 (`analyze_heat_transfer`)

物理：流体和固体区域之间的共轭热传递。

计算：温度分布，热阻，热传递系数。
应用：
- 电子冷却：CPU/GPU热管理，PCB散热。
- 换热器：壳管式，板式换热器。
- 建筑热：HVAC设计，热舒适分析。
- 发动机冷却：燃烧发动机，电动机冷却。
求解器：chtMultiRegionFoam，辐射建模。
特征：材料属性数据库，努塞尔数相关性，热违规。

4. 🌊 多相流分析 (`analyze_multiphase_flow`)

物理：使用体积分数法(VOF)的复杂多相相互作用。

计算：界面追踪，相分布，动量传输系数。
应用：
- 水坝破裂分析：水工结构设计，洪水建模。
- 自由表面流动：船体设计，海岸工程。
- 气泡动力学：化学反应器，气液分离。
- 晃动分析：燃料箱设计，液体货物运输。
求解器：interFoam，界面压缩和表面张力。
特征：与水坝破裂解决方案的分析验证，气泡上升动力学。

🎯 智能CFD教育功能

🧮 基于物理的计算与AI指导

无量纲数：雷诺数、普朗特数、努塞尔数、瑞利数、格拉晓夫数及其教育背景。
材料属性：热导率、密度、比热容、粘度及其数据库引用。
验证：与哈根-泊肃叶、布拉斯乌斯和实验相关性的分析比较。
错误检测：非物理结果检测及5个为什么分析和解决指导。

🎓 自适应教育内容

渐进物理解释：复杂度适应用户展示的理解水平。
苏格拉底教学法：战略性提问以构建深刻的概念理解。
工程指导：基于上下文的设计建议，附带学术依据。
行业应用：来自汽车、航空航天、电子和海洋领域的实际例子。
最佳实践：智能网格质量评估，边界条件验证，求解器选择逻辑。

🔍 全面的CFD验证框架

多物理域：跨管道流动、外部流动、热传递和多相系统的验证。
解析解：自动与经典解（泊肃叶、布拉斯乌斯、瑞利-贝纳德）进行比较。
实验验证：实验相关性和基准案例的数据库。
置信指标：统计验证，不确定性量化和误差界限。

📊 智能可视化与结果

ParaView Web界面：实时结果可视化，端口8080，带有教育注释。
上下文感知图：根据物理域和用户理解自动生成可视化。
互动学习：引导结果探索，关于流动现象的苏格拉底提问。
流线与迹线：流动可视化，附带粒子追踪的教育解释。
结果导出：VTK格式，用于高级后处理，带有综合元数据。

📥 安装

先决条件

系统需求

操作系统：Ubuntu 20.04+ 或 Debian 11+（推荐）
内存：8GB+ RAM（大型模拟推荐16GB+）
存储：10GB+可用磁盘空间
CPU：多核处理器（推荐4+核心）

必需依赖项

# Ubuntu/Debian - 安装所有依赖项
sudo apt-get update
sudo apt-get install -y \
    cmake \
    build-essential \
    git \
    nlohmann-json3-dev \
    libboost-system-dev \
    libboost-thread-dev \
    sqlite3 \
    libsqlite3-dev

OpenFOAM 12安装

# 选项1：Ubuntu/Debian包（最简单）
sudo apt-get install openfoam12

# 选项2：OpenFOAM基金会包（推荐）
# 下载自：https://openfoam.org/download/12-ubuntu/
wget -O - https://dl.openfoam.org/gpg.key | sudo apt-key add -
sudo add-apt-repository http://dl.openfoam.org/ubuntu
sudo apt-get update
sudo apt-get install openfoam12

# 选项3：源码编译（高级用户）
# 跟随：https://openfoam.org/download/1

环境设置

# 添加到 ~/.bashrc 或 ~/.profile
source /opt/openfoam12/etc/bashrc

# 验证安装
which blockMesh
which simpleFoam
foamVersion

构建MCP服务器

克隆仓库

git clone https://github.com/webworn/openfoam-mcp-server.git
cd openfoam-mcp-server

使用CMake构建

mkdir build && cd build
cmake ..
make -j$(nproc)

测试安装

./openfoam-mcp-server --version
# 应输出：OpenFOAM MCP Server v2.0.0-dev

# 测试AI能力
./openfoam-m
c-server --test-context-engine
./openfoam-mcp-server --demo-socratic-questioning

依赖项自动检测

构建系统自动检测：

✅ OpenFOAM库：/opt/openfoam12/platforms/linux64GccDPInt32Opt/lib
✅ nlohmann/json：MCP协议的JSON解析。
✅ Boost：系统和线程库。
✅ SQLite3：可选的案例数据库存储。

🤖 Claude Code集成

MCP配置

添加到您的Claude Code设置（~/.config/claude-code/mcp_servers.json）：

{
  "mcpServers": {
    "openfoam": {
      "command": "/path/to/openfoam-mcp-server/build/openfoam-mcp-server",
      "args": [],
      "env": {
        "FOAM_INST_DIR": "/opt/openfoam12",
        "WM_PROJECT_DIR": "/opt/openfoam12"
      }
    }
  }
}

智能CFD助手示例

苏格拉底式学习：管道流动分析

🧑‍💻 用户："分析直径0.1米、速度2米/秒的水流"

🤖 Claude：在运行分析之前，让我更好地了解您的背景。

🔍 澄清："您对这种管道流动的具体兴趣是什么——是在设计液压系统，学习压力损失，还是优化现有装置？"

🧑‍💻 用户："我正在学习流体力学课程中的压力损失"

🤖 Claude：太好了！我会一步步引导您完成分析。

*使用run_pipe_flow工具并带有教育背景*

📊 结果与学习：
• 雷诺数：200,000 
  💡 这表明是湍流流动（Re > 4,000）。您认为这对混合意味着什么？
• 摩擦因子：0.0184（布拉斯乌斯相关性）
  🌊 探索：如果我们将速度加倍会怎样？
• 压力降：每米2.4千帕
  ✅ 确认：您看到随着速度的增加，压力降显著增加——您能解释一下为什么吗？

🎯 应用："现在您理解了这种关系，您将如何重新设计此管道以减少泵送成本50%？"

上下文感知错误解决

🧑‍💻 用户："我的热传递模拟无法收敛。残差持续振荡。"

🤖 Claude：我将帮助您使用系统分析解决这个问题。

*应用5个为什么方法论*

🔍 为什么#1："为什么残差会振荡？"
分析：可能是数值不稳定或不适当的松弛因子。

🔍 为什么#2："为什么松弛因子可能不合适？"
您的设置显示高温度梯度，这需要更保守的因素。

🔍 为什么#3："为什么温度梯度如此之高？"
边界条件显示薄壁两侧有500K的温差。

📚 研究支持的解决方案：
• 将温度松弛从0.7降低到0.3（Versteeg & Malalasekera, 2007）
• 实现能量方程的欠松弛（Patankar, 1980）
• 考虑瞬态效应的CFL数

🎯 预防策略：
• 在模拟前始终验证物理温度范围
• 使用无量纲温度分析以获得更好的条件
• 对极端条件实施渐进温度提升

自然语言参数提取

🧑‍💻 用户："我有一个大水箱，底部有一个小孔排水。初始水位约为2米，我想知道完全排空需要多长时间。"

🤖 Claude：我可以帮助您进行水坝破裂/排水分析！让我从您的描述中提取CFD参数。

*使用智能参数提取*

📋 提取参数（置信度：85%）：
• 物理域：多相流（自由表面）
• 初始水位：2.0米 ✓
• 几何形状：底部有孔的水箱 ✓
• 流体：水（ρ=1000千克/立方米，μ=1e-3帕斯卡·秒） ✓

❓ 需要澄清：
• 水箱尺寸（长度、宽度）？
• 孔径？
• 我们是否考虑湍流效应？

🔍 探索："根据托里拆利定律，您预期随着水箱排空，流量会发生什么变化？"

*澄清后，运行多相流分析*

📊 结果与物理洞察：
• 分析（托里拆利）：约89秒完全排空
• CFD模拟：约94秒（包括粘性效应）
• 流动状态：最初湍流（Re~50,000），过渡到层流
• 孔附近涡旋影响排水速率约5%

智能工作流程集成

AI增强的工程设计过程

概念设计：基于上下文的初始尺寸，带有智能参数提取。
物理验证：苏格拉底式提问以确保对假设的理解。
详细分析：导出OpenFOAM案例，带有AI生成的文档。
错误解决：5个为什么方法论进行系统故障排除。
优化：AI引导的设计改进，带有学术依据。
验证：自动与解析解和实验数据进行比较。

渐进式CFD教育

自适应学习：复杂度自动调整以适应用户展示的理解水平。
概念映射：CFD知识图谱指导学习路径优化。
苏格拉底式发现：战略性提问构建深刻的概念理解。
研究集成：学术论文和验证解决方案支持学习。
行业背景：理论与实践的实际应用连接。
错误预防：通过系统根本原因分析从错误中学习。

🤝 贡献

开发环境

GitHub Codespaces（推荐）：

分叉仓库。
在Codespaces中打开（自动配置OpenFOAM 12）。
与VS Code桌面集成，带有完整的IntelliSense。
云开发，配备4-32核心机器。

本地开发：

# 安装依赖项
sudo apt-get install cmake build-essential openfoam12 nlohmann-json3-dev

# 克隆并构建
git clone https://github.com/webworn/openfoam-mcp-server.git
cd openfoam-mcp-server
mkdir build && cd build
cmake .. && make -j$(nproc)

新分析工具的添加

1. 创建分析器类

// src/openfoam/your_analysis.hpp
class YourAnalyzer {
public:
    struct Input { /* 物理参数 */ };
    struct Results { /* 计算输出 */ };
    
    Results analyze(const Input& input);
    bool validateInput(const Input&