原型 · 预览版:收录官方注册中心里的全部服务器,每 30 分钟同步一次。使用 Google 登录即可撰写评价。原型 · 每 30 分钟更新
PopNx MCP为使用 AI 的人准备的 MCP 服务器 · 用大白话讲清楚

Jiheng

作者:CQQOOQ123版本 0.3.9i★ 0i在你的电脑上运行代码仓库 ↗
注册名称io.github.CQQOOQ123/jiheng

安装方法

What it does

Exact math execution layer for AI agents: fractions, finance, units, dates. 19 packs.

  • Connects 在你的电脑上运行
  • Account or key No key needed
  • Category 会计、财务与税务

为什么排在这里

列表按使用分(满分 100)排序,由以下部分组成

热度23/80GitHub 星标或每周下载量:较大的计 60,较小的计 20
新鲜度12/1230 天内有发布或代码更新得满分
仍在响应0/8上次检查时云端端点有响应
使用分35/100

质量: 基础检查通过 3/3 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)

安装

选择你使用的 AI 应用,然后复制设置。

用一句话让 AI 帮你安装

请帮我安装 Jiheng。按照 https://mcp.popnx.com/i/cqqooq123-jiheng.md 操作,先把命令给我看,等我同意后再运行。

粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文

通过 3/3 项检查 · 在你的电脑上运行 · ✓ 命令已检查 2026年11月13日

第一步:你用哪个 AI?

选择你用的应用,步骤会显示在下方。

可连接 Claude,但需要先准备

需要先在电脑上安装 Python (uv)(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用

让 AI 帮你安装

把这段话复制到 Claude 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Claude 安装 MCP server Jiheng,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "jiheng": { "command": "uvx", "args": [ "jiheng-mcp" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 Jiheng 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 uv(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    uv --version
    • 显示版本号(例如 uv …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载

    打开 uv 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version

    安装一次,所有需要 uv 的工具都能用

  2. 打开电脑版 Claude 应用的设置文件

    SettingsDeveloperEdit Config

  3. 粘贴这些设置并保存文件

    {
      "mcpServers": {
        "jiheng": {
          "command": "uvx",
          "args": [
            "jiheng-mcp"
          ]
        }
      }
    }
  4. 退出 Claude 再重新打开

  5. 试一试

    用 Jiheng 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Claude 说正在使用 Jiheng,或回答中出现 Jiheng 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同

ChatGPT 暂时无法连接 Jiheng

Jiheng 需要安装在你的电脑上,而 ChatGPT 只能连接在网上运行的服务器

你可以改用这些方式

A · 使用能连接 Jiheng 的应用

  • 需要先在电脑上安装 Python (uv)(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用
  • 需要先在电脑上安装 Python (uv)(只需一次)
  • 需要先在电脑上安装 Python (uv)(只需一次)
  • 需要先在电脑上安装 Python (uv)(只需一次)

B · 会计、财务与税务 类中能连接 ChatGPT 的其他服务器

从同类中使用较多的里挑选,仅限用地址即可连接、无需密钥的

可连接 Claude Code,但需要先准备

需要先在电脑上安装 Python (uv)(只需一次)

让 AI 帮你安装

把这段话复制到 Claude Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Claude Code 安装 MCP server Jiheng,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):claude mcp add --scope user jiheng -- uvx jiheng-mcp 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 Jiheng 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 uv(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    uv --version
    • 显示版本号(例如 uv …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载

    打开 uv 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version

    安装一次,所有需要 uv 的工具都能用

  2. 打开终端

    Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell

  3. 粘贴这条命令并按 Enter

    claude mcp add --scope user jiheng -- uvx jiheng-mcp
  4. 在 Claude Code 中输入 /mcp

    应能看到 Jiheng 在列表中并显示已连接

  5. 试一试

    用 Jiheng 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Claude Code 说正在使用 Jiheng,或回答中出现 Jiheng 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同

可连接 Cursor,但需要先准备

需要先在电脑上安装 Python (uv)(只需一次)

让 AI 帮你安装

把这段话复制到 Cursor 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Cursor 安装 MCP server Jiheng,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "jiheng": { "command": "uvx", "args": [ "jiheng-mcp" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 Jiheng 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 uv(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    uv --version
    • 显示版本号(例如 uv …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载

    打开 uv 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version

    安装一次,所有需要 uv 的工具都能用

  2. 点击这个按钮打开 Cursor

    在 Cursor 中打开

    Cursor 会请你确认安装,点击 Install

  3. 在 Cursor 中以 Agent 模式打开 AI 聊天

  4. 试一试

    用 Jiheng 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Cursor 说正在使用 Jiheng,或回答中出现 Jiheng 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同

可连接 VS Code,但需要先准备

需要先在电脑上安装 Python (uv)(只需一次)

让 AI 帮你安装

把这段话复制到 VS Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 VS Code 安装 MCP server Jiheng,按顺序:1) 用 uv --version 检查是否有 uv。没有的话,请让我从 https://docs.astral.sh/uv/getting-started/installation/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "servers": { "jiheng": { "type": "stdio", "command": "uvx", "args": [ "jiheng-mcp" ] } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) 不需要密钥。5) 按约定执行,然后确认 Jiheng 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 uv(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    uv --version
    • 显示版本号(例如 uv …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: uv 没有点选式安装程序。从 uv 官方页面复制适合你系统(macOS 或 Windows)的一行命令,粘贴到终端 · 不需要单独安装 Python,uv 会在需要时自动下载

    打开 uv 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: uv --version

    安装一次,所有需要 uv 的工具都能用

  2. 点击这个按钮打开 VS Code

    在 VS Code 中打开

    VS Code 会请你确认安装,点击 Install

  3. 在 VS Code 中以 Agent 模式打开 AI 聊天

  4. 试一试

    用 Jiheng 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 VS Code 说正在使用 Jiheng,或回答中出现 Jiheng 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同

其他支持 MCP 的应用(如 Windsurf、Zed、Gemini CLI)添加方式各不相同,请在应用列表中查看

查看所有支持 MCP 的应用 →

JSON 设置在下方“开发者专用”中

卡住了?问问正在用 Jiheng 的人💬 讨论 →
开发者专用:终端命令和 JSON 设置

安装在电脑上

Claude Code

claude mcp add --scope user jiheng -- uvx jiheng-mcp

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "jiheng": {
      "command": "uvx",
      "args": [
        "jiheng-mcp"
      ]
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "jiheng": {
      "command": "uvx",
      "args": [
        "jiheng-mcp"
      ]
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "jiheng": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "jiheng-mcp"
      ]
    }
  }
}

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同,请以 README 为准。

一览

每周下载量i
1,152/周
连接方式
在你的电脑上运行
最新版本i
0.3.9
发布到注册中心i
2026年11月5日
代码最后更新i
2026年11月17日
作者
CQQOOQ123
软件包
pypi: jiheng-mcp
注册状态
活跃

哪些应用可以使用它

依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。

在你的电脑上运行,适用于

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

全部应用及其优缺点 →

它能做什么

它在你的电脑上运行;安装后,工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息;我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月19日

  • ✓ 通过

    作者与仓库一致

    注册名称已通过 GitHub 账户 CQQOOQ123 验证,该账户拥有此仓库

  • ✓ 通过

    仍在维护

    代码最后更新于前天

  • ✓ 通过

    有许可证

    使用 MIT

  • – 不适用

    端点有响应

    它在你的电脑上运行,没有互联网端点

  • – 不适用

    使用 OAuth 登录

    在你的电脑上运行,改用本地设置

  • … 尚未检查

    工具描述中没有隐藏指令

    它在你的电脑上运行;我们只能读取互联网端点的工具列表

已公开的漏洞(OSV.dev)

OSV.dev 中没有 jiheng-mcp@0.3.9 的记录

只检查这个版本的包本身,不包括所有依赖 · 检查于 2026年11月15日

我们检查什么 → · JSON

作者:申请重新检查或报告信息错误
给作者:在 README 中加徽章

如果你是作者,可把这段代码贴到 README。徽章会链接回本页。

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/cqqooq123-jiheng.svg)](https://mcp.popnx.com/en/servers/cqqooq123-jiheng)

讨论

提问、分享技巧或报告无法使用。按“有帮助”数量排序。

还没有帖子,欢迎第一个提问或分享。

此处内容由用户撰写,不代表 PopNx 团队。

登录后发帖

用户评价

还没有评价

登录后写评价

与“会计、财务与税务”中的其他服务器比较i

  • 星标数多于此分类中其他 3417 个服务器的 0%
  • 发布到注册中心的时间比此分类中其他 3417 个服务器的 70% 更新
  • 基础检查结果等于或优于此分类中其他 3417 个服务器的 99%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时,星标数才计入。

常见问题

Jiheng 安全吗?

它在 3 项适用的基础检查中通过了 3 项。我们没有阅读代码。在添加密钥或令牌之前,请先看看这个服务器要求哪些权限,并使用只具备所需权限的密钥。

它需要哪些密钥或代码?

注册中心没有列出必需的密钥,不过有些服务器会在首次使用时要求你登录。

它在我的电脑上运行还是在云端?

它在你的电脑上运行。你的 AI 应用会在需要时启动它,数据不会经过作者的服务器(除非它自己调用在线服务)。

它还在维护吗?

GitHub 仓库最后更新于前天,最新版本(0.3.9)于14天前进入注册中心。

哪些应用可以使用它?

支持 MCP 的应用,例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Python (uv)。

有什么可以替代它?

同一分类中有:SolidInvoice, Signal8, Journalit, Beancount.io, Tapetide - Indian Stock Market MCP

功能相近的其他选择

同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。

如何看卡片:↓ 每周下载量i★ GitHub 星标i三大支柱:评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

SolidInvoice

Create and send invoices and quotes, manage clients, and track payments in SolidInvoice.

作者:SolidInvoice正在增长★ 98910天前更新

在云端运行✓ 服务方 · solidinvoice.co

Signal8

SEC filings, dilution, insider & institutional ownership, and political-trade data for AI agents.

作者:signal8ai正在增长↓ 431/周★ 42510天前更新

电脑或云端✓ 服务方 · signal8.ai

Journalit

Trading journal in Obsidian. Ask Claude or ChatGPT about your trades; edits are previewed first.

作者:Cursivez正在增长★ 26111天前更新

在云端运行✓ 服务方 · journalit.co

Beancount.io

Query, edit, and reconcile a hosted Beancount ledger: BQL, reports, files, and bank imports.

作者:bex-co正在增长★ 702 整个仓库的星标44天前更新

在云端运行✓ 服务方 · beancount.io
与相似项目对比
本项
Jiheng
SolidInvoiceSignal8JournalitBeancount.ioTapetide - Indian Stock Market MCP
运行位置需要安装在电脑上在云端运行,无需安装云端或安装在电脑上都可以在云端运行,无需安装在云端运行,无需安装云端或安装在电脑上都可以
需要密钥否否是否否是
可在 Claude 中按 + 添加否否否否否否
基础检查3/34/65/54/44/45/5
许可证MITMITMITNOASSERTIONMITMIT
价格登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

玑衡 Jiheng — 给 AI 的精确数学执行层

English | 中文

不是让计算器替 AI 思考,而是让 AI 不必自己心算。

模型擅长推理,却不擅长算术。一个被静默舍入的数字,可能一路传进报价、报表或仓位里。

玑衡只做一件事:要么给出精确值,要么明确告诉你为什么给不了。

这是什么

给 AI Agent / MCP 客户端使用的精确数学执行层:分数、根号、符号、统计、金融、单位、日期。 既可以作为 MCP 服务器,也可以作为 DSH 插件 接入。

给谁用

  • 做 AI Agent / MCP 客户端的开发者
  • 金融、量化、工程、数据类 Agent
  • 需要精确数字、单位、日期、统计口径,不能接受静默舍入的场景

为什么用它

  • 1/3 保留分数,sqrt(2) 保留根号,2^200 逐位精确
  • 不静默舍入,不猜单位,不返回“看起来对的错数”
  • 错误要么明确,要么可行动,让模型能自己修正
  • 本地运行,无 API key,毫秒级延迟

快速开始(MCP)

{

"mcpServers": { "jiheng": { "command": "uvx", "args": ["jiheng-mcp"] } } }

DSH 插件:@local/jiheng,设置页可查看状态与策略。

uv pip install jiheng-mcp==x.y.z 若报 unsatisfiable,但 PyPI 页面已有该版本:

执行 uv cache clean jiheng-mcp 后重试;仍失败则执行完整 uv cache clean。通常是 uv 本地缓存了旧索引。

可信度

  • 19,000 表达式级验收
  • 1,000 综合验收
  • 19 个能力包
  • fail-loud 错误契约:不静默失败
  • 外部 benchmark 结论见 BENCHMARKS.md

不做什么

  • 不负责读题、建模、推理:那是 LLM 的工作
  • 不替代 Wolfram 级符号积分 / PDE
  • 不抓实时行情、不读大型 CSV:先取数,再计算

详细文档

为什么选 Jiheng

不同工具优化的目标不同。Jiheng 只专注一件事: 给 AI 代理一个快、准、本地、接口干净的精确计算器。

JihengWolfram(Alpha / Cloud)SymPy MCPCode Interpreter
精确分数/根号✅ 始终(1/3、sqrt(2))✅✅ 但接口偏底层⚠️ 不写代码就是浮点
AI 原生接口✅ steps、functions()、help()、教学式错误⚠️ 偏文档❌ 原始 API✅ 通用
本地、无需 API key✅ uvx jiheng-mcp❌ 云端/付费✅ 本地❌ 托管
热延迟约 3ms/次网络往返每次起 Python秒级
领域覆盖19 个包:统计、金融、工程、单位、日期、分布、ODE、线代…✅ 很广只有基础数学⚠️ 靠库
一次调用多步✅ 命名 steps⚠️❌✅ 写代码
并行拆题✅ calc_shard + worker 池❌❌⚠️ 手动
符号深度⚠️ 够用,非 Wolfram 级✅ 最强✅ 强⚠️ 靠 SymPy
难数值积分⚠️ 已改进,非 Wolfram 级✅⚠️✅ SciPy
中文口径✅ 折扣/税/日期/单位模板⚠️❌⚠️
许可/成本MIT,免费付费/云端BSD,免费免费但托管
可测量基准✅ 1000 题混合基准 97.6%———

适合用 Jiheng:

  • 你在做 AI Agent / MCP 客户端,需要一个可靠的计算器工具
  • 需要精确值(金额、分数、根号),不能静默舍入
  • 想要一条命令、本地运行、毫秒级延迟
  • 需要金融、单位、日期、工程等现成函数,不想写 Python
  • 需要稳定可解析的输出,以及模型能自己修正的错误提示

不适合用 Jiheng:

  • Risch 级符号积分、Meijer-G、PDE → 用 Wolfram / Mathematica
  • 大型 CSV / DataFrame 处理 → 用代码执行 / DuckDB
  • 实时行情、新闻、网页查询 → 先取数据,再交给 Jiheng
  • 任意编程任务 → 用代码解释器

互操作(Interoperability)

Jiheng 是计算层,不是数据层。它不连接数据库、不抓网页、不读文件, 只负责把“已经拿到的数字”算准。数据获取交给专门的 MCP 工具,两者组合使用:

需要做什么用什么
从数据库/CSV 取数数据库 MCP、文件 MCP、代码解释器
统计、金融、单位、日期计算Jiheng
大表 join / ETLDuckDB / 代码执行
画图图表 MCP

典型链路:

数据库 MCP:SELECT month, revenue FROM finance

↓ [120000, 135000, 149000, 162000] ↓ Jiheng:cagr(162000, 120000, 3) → 0.105... Jiheng:mean([...]) → 141500 Jiheng:npv(0.08, [...], 1) → 折现值

为什么不在 calc 里内置数据库连接:

  • 不保存数据库凭据
  • 不暴露 SQL 执行面
  • 不发起网络请求
  • 计算器保持小、可审计、可离线

如果你需要“只读 SQLite / DuckDB / CSV”,建议用独立的数据工具或 MCP, 把结果数字交给 Jiheng 计算。

快速开始

30 秒上手(MCP)

1. 安装 uv(已装可跳过)

# macOS / Linux

curl -LsSf https://astral.sh/uv/install.sh | sh

Windows PowerShell

irm https://astral.sh/uv/install.ps1 | iex

2. 让客户端启动 Jiheng

在 Claude Desktop、Cursor、Codex 等 MCP 客户端配置里加入:

{

"mcpServers": { "jiheng": { "command": "uvx", "args": ["jiheng-mcp"] } } }

第一次启动时 uvx 会自动下载 jiheng-mcp,之后走本地缓存。

3. 重启客户端,直接提问

用 calc 算 1/3 + 1/6

用 calc 算 mean([12,15,9,22]) 用 calc 算 npv(0.08, [623,644,431,286], 1) 用 calc 算 sqrt(2)*sqrt(2)

其他安装方式
方式命令
PyPI(pip)pip install jiheng-mcp
本地目录开发uvx --from ./dsh-calc jiheng-mcp
直接从 gituvx --from git+https://github.com/CQQOOQ123/jiheng jiheng-mcp
DSH 插件
plugin_manager install_bundle target="D:\AI\DeepSeek-workplace\创造模式\dsh-calc"

plugin_manager set_bundle target="@local/jiheng" enabled=true

装载后工具表出现 calc;设置 → 计算器 出现配置页。

直接跑 MCP server(调试用)
cd dsh-calc

python -u mcp_server.py # 读取 stdin 的 JSON-RPC

工具参数
{

"expr": "最终表达式(可省略,若 steps 已给出结果)", "steps": [{"name": "中间变量名", "expr": "子表达式"}], "defs": {"const": {"k": 1.05}, "fn": {"f": {"p": ["x"], "e": "x^2"}}} }

返回:content[0].text 为十进制优先的结果(附精确形式);错误时 isError: true, 文本中包含可修正的提示。

工具用法示例

calc(expr="1/3 + 1/6")                         → 1/2

calc(expr="sqrt(2)*sqrt(2)") → 2 calc(expr="mean([12,15,9,22])") → 14.5 calc(expr="loan_pmt(1000000, 0.049, 20)") → 月供 calc(expr="black_scholes_call(115,113,1,0.05,0.30)") calc(expr="npv(0.08, [623,644,431,286], 1)") → start=1 表示首笔第 1 年末 calc(expr="functions()") → 全部函数名 calc(expr="help(\"norm_cdf\")") → norm_cdf(x, mu, sigma) — 正态累积分布

多步一次提交(推荐,减少往返):

{

"steps": [ {"name": "d1", "expr": "(ln(115/113)+(0.05+0.3^2/2)*1)/(0.3*sqrt(1))"}, {"name": "d2", "expr": "d1-0.3*sqrt(1)"}, {"name": "C", "expr": "115*norm_cdf(d1)-113*exp(-0.05)*norm_cdf(d2)"} ] }

⚠️ N(expr, digits) 是数值求值,不是正态 CDF;CDF 用 norm_cdf(x)。

常用函数

  • 运算/常量:+ - * / % ** ^、pi、e
  • 统计:sum mean std std_pop std_sample var_pop var_sample median quantile min max count corr cov regression
  • 金融:loan_pmt npv(rate, flows[, start]) annuity_pv discount_factor irr bond_price bond_duration black_scholes_call black_scholes_put irr_all
  • 单位:unit_convert unit_add unit_mul unit_div unit_pow unit_eval + convert
  • 日期:days_between date_add weekday
  • 符号:solve diff integrate simplify expand factor subs limit series taylor
  • 工程:stress strain bending_stress beam_cantilever_point heat_flux thermal_resistance
  • 分布:norm_pdf norm_cdf norm_quantile t_pdf chi2_pdf
  • 函数发现:functions()、help("name")

完整 61+ 函数见 AI-USAGE.md。

配置

使用策略(policy)

设置页可选,或 cordis.patch.yml 的 config.policy:

policy行为
always任何计算都调工具
complex只在数组统计、金额、单位、符号、3+ 步、大数时调(默认)
auto模型自判
never不注册工具
custom用 customRules 自然语言规则
限额

设置 → 计算器 → 限额(存 /settings.json,立即生效):

限额默认超限
max_series10000报错
max_output_items200列表转摘要
max_expr_chars2000报错
max_steps50报错
max_symbol_len / max_decimal_len120 / 4000降级为数值 + exact=false
exact_only1长符号表达式保留精确形式(同时给 d)
strict_numeric01=无法精确表示时报错
Worker 池

默认 1 个常驻进程(单次约 3ms);高并发/重符号任务可开池:

# cordis.patch.yml

workers: 1 # 1..maxWorkers,或 auto maxWorkers: 8 # 硬上限 16;每个约 52MB

  • auto:起始 1 个,忙时自动扩到 maxWorkers
  • 设置页可查看 运行中/就绪,切换 1..8 / 自动 / 自定义,保存即生效
  • 接口:GET/POST /calc/workers、POST /calc/batch(1..200 条表达式并行)
  • worker 启动完成发 {"ready":true} 握手;扩容后等全部就绪再返回
环境变量
变量默认说明
DSH_CALC_PYTHON自动探测worker 解释器
DSH_CALC_HOME./.calc 或 ~/.calc公式/设置目录
DSH_CALC_TIMEOUT_MS8000单次求值超时
DSH_CALC_DEBUG空透传 worker stderr
DSH_CALC_POLICY空临时覆盖策略
DSH_CALC_BUILTIN_PACKS包内 packs/内置能力包目录

架构

DSH Host (Node, 常驻)

└─ index.js ──注册 calc / calc_shard 工具──▶ ctx.tools.register │ spawn(1..N 个) ▼ worker.py(常驻,JSON 行协议,~3ms/次) └─ calc_core.py AST 白名单 + Fraction + SymPy └─ packs/*.py 能力包(热加载)

MCP 客户端 ──stdio JSON-RPC──▶ mcp_server.py ──▶ calc_core.py + packs/

  • 常驻 worker:避免每次 250–800ms 的 Python 启动
  • 禁 eval:AST 白名单,只允许数字/字符串/列表/四则/幂/白名单函数
  • 精确优先:能 Fraction 就 Fraction,涉及根号/π/超越函数才进 SymPy

精度契约

  • 四则/整数幂/百分比/统计 → 精确有理数:1/7*7 = 1、2^200 精确
  • 分数/根号/常量保留符号,同时给 d 字段(30 位小数)
  • 超越函数能化简就化简(sin(pi/6)=1/2、log(1000,10)=3)
  • 精确分数过大时降级为小数,标 exact=false
  • 永不静默舍入;所有近似都有说明

错误协议(方便模型一次改对)

{"e":"ValueError","msg":"unknown function 'norm_cdf'... did you mean ..."}

{"e":"ValueError","msg":"invalid date '2026-02-30': 2026-02 has 28 days ... Do not roll over."} {"e":"ValueError","msg":"dimension mismatch: GB (data) vs kg (mass)"} {"e":"ValueError","msg":"not an expression (hint: multiple statements are not supported ...)"}

设置页与 HTTP 路由

  • /calc/status:版本、策略、注册状态、worker/就绪数、目录
  • POST /calc/policy:{policy, customRules}
  • GET/POST /calc/limits:限额;{"reset":true} 恢复默认
  • GET/POST /calc/workers:worker 池
  • POST /calc/batch:{exprs:[...]} 并行求值
  • GET/POST /calc/packs:公式包/能力包

能力包扩展

.calc/plugins/*.py(或包内 packs/):

NAME = "stats"

def register(reg): reg.func("corr", ["x", "y"], corr_impl, doc="Pearson 相关系数")

  • 纯函数、无 IO、无状态;输入输出为精确值
  • 修改/新增后自动热加载(worker 校验 mtime)
  • 指导文档:PACKS.md

拆题并行(calc_shard)

calc_shard(expr="x*exp(x)", var="x", from=0, to=1, shards=4, mode="integrate", op="sum")

→ sum(nintegrate) = 1

  • mode: integrate / sum;op: sum / mean / max / min
  • 只适合可分解题型(区间积分、区间求和、参数扫描)

测试与基准

python dsh-calc/test_cases.py       # 63 项:精度/统计/语义/错误/安全

python dsh-calc/test_packs.py # 169 项:能力包 python dsh-calc/test_worker.py # 12 项:worker 协议/热加载/ready node dsh-calc/test_client_contract.mjs # 8 项:客户端契约 node dsh-calc/test_routes.mjs http://127.0.0.1:3379 # 26 项:HTTP 路由 python research/bench/mcp_smoke.py # 7 项:MCP 冒烟

质量审计记录见 QUALITY.md。

基准(1000 题混合题集,deepseek-v4-flash,自然使用模式):97.6%(976/1000)。

黑盒验收(0.3.9 候选)
项目结果
综合任务银行1,000/1,000
按能力包19 包 × 1,000 = 19,000/19,000
真值来源Fraction / mpmath dps=50 / 日历事实;不调用插件自身算答案
调用方式通过 MCP stdio 黑盒调用,只看输入/输出
难度分布(综合集)easy 639 / medium 131 / hard 130 / adversarial 100
构建产物性能冷启动 ~4.2 ms,p50 ~1.8 ms,p95 ~42 ms,p99 ~45 ms,~119 calls/s

说明:这是生成式验收集,覆盖行为一致性、精确契约和 fail-loud 边界;难度以工程/量化计算为主,不等同于竞赛数学。

常见问题

Q:`std` 是样本还是总体? A:std/std_pop/var/var_pop 是总体;std_sample/var_sample 是样本。 sharpe、zscore、cov 内部使用样本口径(ddof=1);max_drawdown 默认要求价格严格 >0,allow_leading_zeros=1 时允许前导 0。

Q:为什么 `N(...)` 不等于正态 CDF? A:N(expr, digits) 是数值求值;正态 CDF 用 norm_cdf(x)。

Q:`npv` 第一笔为什么不折现? A:默认 start=0(flows[0] 在 t=0);年末现金流用 npv(rate, flows, 1)。

Q:非法日期会怎样? A:明确报错(如 2026-02-30),不会顺延到 3 月 2 日。

Q:`api retries exhausted` 是什么? A:模型 API 连续重试 6 次仍失败(限流/网络),不是计算器错误;用 --resume 补跑。

开发与发布

  • CI:.github/workflows/test.yml 在 push / PR 时跑核心、能力包、文档、客户端、MCP 冒烟测试
  • 发布:.github/workflows/publish.yml 在 GitHub Release 发布时自动构建并上传 PyPI (Trusted Publishing:GitHub OIDC,无需长期 token)

发布流程:

# 1. 改版本号(同步 package.json / pyproject / mcp_server)

python scripts/bump_version.py 0.3.2

2. 更新 CHANGELOG.md

3. 提交并创建 GitHub Release(建议先 Draft,确认后再 Publish)

4. Release 触发 publish.yml → 自动发布到 PyPI

PyPI 项目需在 Publishing 里配置 GitHub publisher:

Owner:        CQQOOQ123

Repository: jiheng Workflow: publish.yml Environment: (留空)

手动发布(备用):

$env:UV_PUBLISH_TOKEN = "pypi-..."

uv build --directory dsh-calc uv publish dsh-calc/dist/*

已知限制

  • 表达式不是 Python:不支持推导式/循环/赋值(有意为之)
  • 单位表覆盖常用类别,不是全量单位库
  • 循环小数/超越函数是近似(有 exact=false 标记)
  • 单点符号运算无法用 calc_shard 切分
  • 宿主重启前改 index.js 不热更新;calc_core.py 在 worker 重启后生效

安装 / 打包

uv build --directory dsh-calc

dist/jiheng_mcp-0.3.2-py3-none-any.whl

dist/jiheng_mcp-0.3.2.tar.gz

Do

只显示了开头部分;其余内容请在仓库中阅读