convez.ai
MCP ServerDevOps & InfraestruturaAvançado
Malps-del

LS-PrePost MCP Server

Malps-del/lspp-mcp-server

Automação segura de pós-processamento LS-DYNA com templates auditados

Ver no GitHub
InicialPluginScore · de 0 a 100

MCP server Python para automação de pós-processamento em LS-DYNA via LS-PrePost. Encapsula templates de command files validados como ferramentas seguras, permitindo que Claude execute simulações de forma controlada e auditável.

Instalação

$npx convez-ai Malps-del/lspp-mcp-server

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
2
Forks
1
Acompanhando
0
Saúde
14%
Último commit
há 2 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Automação de pós-processamento de simulações LS-DYNA
  • Execução controlada de command files LS-PrePost via linguagem natural
  • Auditoria e rastreabilidade de operações de simulação

Veredito

Ferramenta especializada para engenharia de simulação, bem arquitetada com controles de segurança (whitelist de templates, sandbox de saída). Requer setup manual considerable e conhecimento técnico de LS-DYNA/LS-PrePost — não é para iniciantes.

README

A tradução para o português deste README ainda está na fila.

lspp-mcp-server

lspp-mcp-server 是一个基于 Python 的 LS-PrePost MCP server。它把经过白名单验证的 LS-PrePost command file 模板封装成稳定、有限、可复核的 MCP tools,用于 LS-DYNA 后处理自动化。

它不允许 AI 传入任意 raw cfile,也不直接操控 LS-PrePost GUI。所有工具只会渲染项目内的模板,执行生成的 .cfile,并把 .cfile、运行日志、返回码和输出检查结果保存在输出目录旁的 .lspp_mcp/ 目录中。

典型使用流程

通常你会按这个顺序使用本项目:

  1. 从 GitHub 克隆 lspp-mcp-server 到本机。
  2. 在项目目录里创建 Python 虚拟环境并安装 MCP server。
  3. 手动复制 config.example.yaml 为 config.yaml,填写本机 LS-PrePost 路径和允许访问的仿真目录。
  4. 手动把这个 MCP server 加入 Codex 的 config.toml。
  5. 重启 Codex 或新开 Codex 会话。
  6. 用自然语言让 Codex 调用 LS-PrePost 完成后处理。

在新电脑上部署

下面以 Windows 为例。项目可以放在任意目录,后文用 <MCP项目目录> 表示你实际克隆本仓库的位置。

例如你可以放在:

D:\tools\lspp-mcp
E:\apps\lspp-mcp
C:\Users\<你的用户名>\Projects\lspp-mcp

只要后面 config.toml 里的 command、cwd、LSPP_MCP_CONFIG 都改成同一个实际目录即可。

1. 手动安装前置软件

新电脑需要先手动安装:

  • Git
  • Python 3.10 或更高版本
  • LS-PrePost
  • Codex

2. 克隆仓库

用 Git 克隆仓库:

$McpDir = "D:\tools\lspp-mcp"  # 可换成你想放置本项目的任意目录
git clone https://github.com/Malps-del/lspp-mcp-server.git $McpDir
Set-Location $McpDir

3. 创建虚拟环境并安装

在项目根目录运行:

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -e .

安装完成后运行测试:

.\.venv\Scripts\python.exe -B -m unittest discover -s tests

看到 OK 就说明 Python 包和基础逻辑可用。

4. 手动创建本机 config.yaml

这个步骤必须手动做,因为每台电脑的 LS-PrePost 安装路径和仿真文件目录都不同。

Copy-Item config.example.yaml config.yaml

然后编辑 <MCP项目目录>\config.yaml。以下几项可能需要根据实际情况修改:

lsprepost_exe: "D:/Program Files/Ansys/LS-PrePost-2025R1(4.12)/lsprepost4.12.exe"
lsdyna_exe: ""
workspace_root: "D:/lsdyna-projects"
allowed_roots:
  - "D:/lsdyna-projects"
timeout_seconds: 300
case_generator_python: ""
case_generator_src: ""

含义:

  • lsprepost_exe:本机 LS-PrePost 可执行文件路径。
  • lsdyna_exe:可选。本机 LS-DYNA 求解器可执行文件路径,用于 run_lsdyna_solver。
  • workspace_root:相对路径的默认起点。例如传入 case01/d3part 时,会按 workspace_root/case01/d3part 解析。
  • allowed_roots:安全白名单目录。MCP 只允许读写这些目录下面的文件。
  • timeout_seconds:单次 LS-PrePost 调用的超时时间。
  • case_generator_python:可选。已有 LS-DYNA Batch Case Generator 项目的 Python 解释器路径,通常是该项目 .venv 里的 python.exe。
  • case_generator_src:可选。已有 LS-DYNA Batch Case Generator 项目的 src 目录。

如果你的仿真项目分散在多个目录,可以写多个白名单目录:

workspace_root: "D:/lsdyna-projects"
allowed_roots:
  - "D:/lsdyna-projects"
  - "E:/shared-results"

5. 手动配置 Codex MCP

Codex 通过 config.toml 加载 MCP server。Windows 上通常是:

C:\Users\<你的用户名>\.codex\config.toml

在这个文件里新增:

[mcp_servers.lspp]
command = "<MCP项目目录>/.venv/Scripts/python.exe"
args = ["-m", "lspp_mcp.server"]
cwd = "<MCP项目目录>"
startup_timeout_sec = 20
tool_timeout_sec = 600
default_tools_approval_mode = "prompt"

[mcp_servers.lspp.env]
LSPP_MCP_CONFIG = "<MCP项目目录>/config.yaml"

将上述文本复制到 config.toml 前,请把 <MCP项目目录> 替换成你的实际绝对路径,并建议使用 / 写路径。例如项目放在 D:\tools\lspp-mcp 时:

[mcp_servers.lspp]
command = "D:/tools/lspp-mcp/.venv/Scripts/python.exe"
args = ["-m", "lspp_mcp.server"]
cwd = "D:/tools/lspp-mcp"
startup_timeout_sec = 20
tool_timeout_sec = 600
default_tools_approval_mode = "prompt"

[mcp_servers.lspp.env]
LSPP_MCP_CONFIG = "D:/tools/lspp-mcp/config.yaml"

其中:

  • command:运行 MCP server 的 Python 解释器,通常是项目虚拟环境里的 python.exe。
  • cwd:MCP 项目根目录,也就是包含 pyproject.toml、src、README.md 的目录。
  • LSPP_MCP_CONFIG:本机 config.yaml 的绝对路径。

配置后,重启 Codex 或新开一个 Codex 会话。

6. 验证 MCP 是否加载

在 Codex CLI/TUI 中可以输入:

/mcp

确认能看到 lspp。

在 Codex 桌面窗口中,可以用两种方式验证:

  1. 打开 Codex 设置,进入 MCP 相关设置页,确认 lspp server 已启用且没有启动错误。
  2. 新开一个 Codex 会话,直接输入下面的验证问题。
列出当前可用的 MCP server,确认 lspp 是否已加载。

然后可以继续问:

列出 lspp MCP 支持的 d3plot_fringe 变量。

或:

用 lspp MCP 检查 LS-PrePost 路径和 workspace 是否可用。

不通过 Codex 直接启动

调试时也可以手动启动 MCP server:

$env:LSPP_MCP_CONFIG="D:/tools/lspp-mcp/config.yaml"  # 改成你的实际 config.yaml 路径
.\.venv\Scripts\python.exe -m lspp_mcp.server

正常在 Codex 中使用时,不需要手动运行这条命令;Codex 会按 config.toml 自动启动 MCP server。

在 Codex 中怎么调用

配置完成后,你不需要手写 JSON。直接用自然语言说清楚输入文件、输出文件、变量、状态帧和视角即可。

例如:

从 D:\lsdyna-projects\case01\d3part 导出第 5 帧 von_mises 云图,等轴测视图,
输出到 D:\lsdyna-projects\case01\post\von_mises_s005.png,云图显示层级设为 50。

Codex 会把它映射为 export_d3plot_contour,并自动设置输入文件、输出图片、变量名、状态帧、视角和云图层级等参数。

图片格式会根据输出文件扩展名自动选择。例如输出到 .jpg 会使用 JPG,输出到 .wrl 会使用 VRML/WRL。也可以明确说“输出为 jpg 格式”。当前在 LS-PrePost 4.12 cfile 自动化中已验证支持:

png, jpg, bmp, gif, wrl

LS-PrePost 界面下拉框里还可能显示 pdf、tif、pcx、ps、eps、tex、svg、pgf 等格式,但这些格式在当前 4.12 环境下用同一套 cfile print 命令没有稳定生成非空文件,因此暂时不作为 MCP 支持格式。

再比如提取节点历史曲线:

从 D:\lsdyna-projects\case01\d3plot 提取节点 524 的 resultant_displacement 历史曲线,
保存到 D:\lsdyna-projects\case01\post\node524_resultant_disp.csv。

提取 ASCII 曲线:

从 D:\lsdyna-projects\case01\nodout 提取节点 524 的 y_displacement 曲线,
保存到 D:\lsdyna-projects\case01\post\node524_y_disp.csv。

提取 binout 曲线:

从 D:\lsdyna-projects\case01\binout 提取 glstat 的 kinetic_energy 曲线,
保存到 D:\lsdyna-projects\case01\post\binout_glstat_ke.csv。

如果新会话中 Codex 没有自动选择这个 MCP,可以在句子前面加:

用 lspp MCP ...

案例:导出第 1 到 10 帧 von Mises 云图

假设工况目录是:

D:\lsdyna-projects\case01

其中有:

D:\lsdyna-projects\case01\d3part

目标是从 d3part 导出第 1 到 10 帧的 von Mises 应力云图,等轴测视图,并在该目录下新建文件夹保存图片。

可以直接对 Codex 说:

从 D:\lsdyna-projects\case01 的 d3part 中提取第 1 到 10 帧的 mises 应力云图,
等轴测视图,图片在该目录下新建一个文件夹保存。

推荐更明确一点:

用 lspp MCP 从 D:\lsdyna-projects\case01\d3part 导出第 1 到 10 帧 von_mises 云图,
视角 isometric,输出到 D:\lsdyna-projects\case01\von_mises_isometric_frames_1_10,
文件名按 von_mises_state_001.png 到 von_mises_state_010.png 命名。

Codex 会优先调用 export_d3plot_contour_frames,在同一个 LS-PrePost 会话中打开一次 d3plot 或 d3part,然后连续切换 state 并截图:

state_index = 1, 2, 3, ..., 10
variable = von_mises
view = isometric

输出目录示例:

D:\lsdyna-projects\case01\von_mises_isometric_frames_1_10

输出文件示例:

von_mises_state_001.png
von_mises_state_002.png
...
von_mises_state_010.png

这类多帧任务只会生成一次 .lspp_mcp 运行记录,里面包含:

generated.cfile
run.json

这些文件用于复核实际执行的 LS-PrePost 命令、返回码和每一帧输出文件的检查结果。少量帧或每帧设置不同的特殊任务,仍然可以使用单帧 export_d3plot_contour。

MCP Tools

validate_lsprepost

检查 LS-PrePost 可执行文件是否存在、workspace 是否存在且可写。

list_supported_variables

列出配置中支持的变量映射。支持 d3plot_fringe、nodout、matsum、node_history、binout。

export_d3plot_contour

从 d3plot 或 d3part 导出单帧云图。支持变量、状态帧、视角、part、图例、坐标轴、背景、窗口尺寸、显示层级和图片格式设置。

export_d3plot_contour_frames

从同一个 d3plot 或 d3part 连续导出多帧云图。适合批量截图,并支持与单帧云图相同的显示和格式设置。

extract_ascii_curve

从 nodout、matsum、glstat、rcforc 等 ASCII 结果文件导出曲线 CSV。

extract_d3plot_node_history

从 d3plot 提取指定节点的历史变量曲线,并保存为 CSV。

extract_binout_curve

从 binout 或 binout0000 提取 glstat、matsum、trhist、dbfsi 等 block 下的变量曲线,并保存为 CSV。

batch_postprocess_cases

对多个工况目录批量运行后处理任务,并写出 summary.json、summary.csv。适合把同一套云图导出或曲线提取流程应用到多个 case。

validate_case_generator_integration

检查 MCP 是否能调用外部 LS-DYNA Batch Case Generator 项目。

inspect_lsdyna_case_config

读取 LS-DYNA Batch Case Generator 保存的 JSON 配置,并汇总工况生成设置。

generate_lsdyna_cases

根据 LS-DYNA Batch Case Generator 的 JSON 配置生成参数化工况。支持预览和正式导出。

generate_lsdyna_keyword_field_sweep

批量修改 LS-DYNA k 文件中指定 keyword 字段,并生成参数扫描工况。适合直接扫描 *CONTROL_*、*DATABASE_*、*INITIAL_*、*MAT_*、*EOS_*、*BOUNDARY_* 等关键字参数。

generate_lsdyna_parameter_sweep

批量修改 *PARAMETER 中指定参数,并生成参数扫描工况。适合模型通过 *PARAMETER 管理参数的情况。

validate_lsdyna_solver

检查 lsdyna_exe 是否存在、求解工作目录是否在 allowed_roots 内且可写。正式启动求解前建议先运行一次。

run_lsdyna_solver

从指定 k 文件启动一次 LS-DYNA 求解。支持工作目录、CPU 数、memory、额外参数、超时时间、dry run,以及可见控制台模式。

diagnose_lsdyna_logs

读取求解日志,汇总错误、警告、终止状态和最新求解进展。

inspect_keyword_deck

只读解析 LS-DYNA k/keyword 文件,汇总关键字、include、材料、part、set、数据库输出和常见仿真功能卡。

inspect_keyword_fields

只读解析 LS-DYNA keyword block 内的字段、字段值和参数引用。

check_keyword_deck

检查 LS-DYNA keyword 文件中常见的前处理和输出设置问题。

扩展模板

新增模板时:

  1. 把 .cfile.j2 放入 src/lspp_mcp/cfile_templates/。
  2. 在 src/lspp_mcp/templates.py 的 ALLOWED_TEMPLATES 中加入模板文件名。
  3. 在工具模块中只构造参数上下文,不把 LS-PrePost 命令散落到业务函数里。
  4. 添加单元测试,检查渲染结果和禁止命令。

所有生成的 cfile 都会经过检查,禁止以 system、shell、exec、cmd 开头的命令行。

扩展变量映射

变量编号都在 YAML 中配置。修改 config.yaml 的 variables 段即可,例如:

variables:
  d3plot_fringe:
    custom_result: 999
  binout:
    glstat:
      custom_energy:
        variable: custom_energy
        index1: 0
        index2: 1
        entity_index: 0

如果以后 LS-PrePost 版本或变量列表变化,可以继续在 config.yaml 中修改。

Ver o original no GitHub

Bom para

Relacionados