Fermat MCP MCP Server安装配置 GitHub与使用方法

选型结论

Fermat MCP 属于运维云端类 MCP Server，公开资料标注 12 个工具，通过stdio 本地进程接入，适配 Claude、Windsurf，有可以直接复制的安装命令；接入前先确认权限范围。

分类

运维云端

传输方式

stdio

认证方式

无需认证

部署方式

仅本地运行

安装与配置

安装命令

npx -y @smithery/cli install @abhiphile/fermat-mcp --client gemini

公开命令不是通用的启动方式，拼不出可靠配置示例；请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

1
准备运行环境
stdio 服务在本地起进程，需要先装好 Node.js，再按安装命令拉取依赖。
2
安装服务
复制下面的安装命令执行；命令里带占位符的位置换成自己的密钥或路径。
3
写入客户端配置
在客户端的 MCP 配置里填启动命令和参数，保存后完全退出客户端再打开，让新配置生效。
4
验证是否可用
连接成功后客户端会列出 12 个工具，随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

详细介绍

费马MCP

这个项目提供了一个FastMCP服务器，用于数学计算，包括数值计算、符号计算以及绘图功能。

模块

1. mpl_mcp - Matplotlib 集成

特性	描述
`plot_barchart`	绘制给定数据值的条形图
`plot_scatter`	根据数据点创建散点图
`plot_chart` 绘制折线图、散点图或柱状图
`plot_stem`	为离散数据创建茎叶图
`plot_stack`	生成堆叠面积/条形图
`eqn_chart`	绘制数学方程图

2. numpy_mcp - NumPy 集成

类别	操作
基础数学	加，减，乘，除，幂运算，绝对值，指数函数，对数函数，平方根
三角的正弦，余弦，正切
统计	平均值，中位数，标准差，方差，最小值，最大值，最小值索引，最大值索引，百分位数
线性代数	点乘，矩阵乘法，求逆，行列式，特征值，求解，奇异值分解
矩阵运算	创建（create），全零数组（zeros），全一数组（ones），全值数组（full），等差数列（arange），线性间隔数组（linspace）
数组操作	重塑，展平，拼接，转置，堆叠

3. sympy_mcp - SymPy 集成

类别	操作
代数简化、展开、因式分解、合并同类项
微积分	差分，积分，极限，级数
方程式	solve, solveset, linsolve, nonlinsolve	（中文翻译为）	解方程，求解集，线性方程组求解，非线性方程组求解
矩阵运算	创建，行列式，逆矩阵，行简化阶梯形，特征值

设置

要求

Python 3.12 或更高版本（如需安装 Python 3.12，请遵循以下步骤） Python 下载)

uv（要安装uv，请遵循 UV安装）

克隆仓库

git clone https://github.com/abhiphile/fermat-mcp

Visual Studio Code，风帆冲浪

你可以找到 mcp.json 文件在 MCP：打开用户配置或 MCP：打开工作区配置

在你的（内容/列表/等）中添加以下内容 mcp.json：

{
  "mcpServers": {
    "fmcp": {
      "command": "bash",
      "args": ["MCP_SERVER_ABSOLUTE_PATH/setup.sh"],
      "description": "fmcp server is for mathematical computations, including numerical and symbolic calculations, as well as plotting."
    }
  }
}

克劳德（Anthropic公司开发）

如果你正在使用Claude或Anthropic MCP客户端，请将这个有效的MCP配置添加到你的（系统/设置中） mcp.json （将目录路径更新为您的本地克隆路径）：

{
  "mcpServers": {
    "fmcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/home/ty/Repositories/fermat-mcp",
        "run",
        "server.py"
      ]
    }
  }
}

Gemini 命令行界面（CLI）

打开位于 \~/.gemini/settings.json\ 的 Gemini 设置 JSON 文件，其中 \~\ 表示你的主目录。

在你的 settings.json 文件中添加以下内容：

{
  "mcpServers": {
    "fmcp": {
      "command": "bash",
      "args": ["MCP_SERVER_ABSOLUTE_PATH/setup.sh"],
      "description": "fmcp server is for mathematical computations, including numerical and symbolic calculations, as well as plotting."
    }
  }
}

通过Smithery进行安装

通过（某种方式）自动安装Fermat MCP以供本地使用 Smithery（或可译为“锻造厂”、“铁匠铺”，具体根据上下文确定）：

npx -y @smithery/cli install @abhiphile/fermat-mcp --client gemini

示例用法

使用Gemini CLI

╭──────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│  > Can you use fmcp server and using numpy method find the eigen values of this 8*8 matrix,                  |
│    2 1 3 1 1 8 4 2                                                                                           |
│    6 6 0 7 1 4 6 1                                                                                           │
│    9 2 1 8 7 9 9 0                                                                                           │
│    2 5 6 6 9 8 0 1                                                                                           │
│    1 3 6 2 3 8 8 1                                                                                           │
│    9 4 2 2 1 2 2 9                                                                                           │
│    8 6 4 4 2 0 2 8                                                                                           │
│    0 0 0 6 6 7 5 6                                                                                           │
╰──────────────────────────────────────────────────────────────────────────────────────────────────────────────╯

 ╭─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
 │ ✔  numpy_mcp_numerical_operation (fmcp MCP Server) {"a":[[2,1,3,1,1,8,4,2],[6,6,0,7,1,4,6,1],[9,2,1,8,7,9,9,0],[2,5,6,6,9,8,0,1],[1,3,… │
 │                                                                                                                                         │
 │    {"eigenvalues":["32.077244457548815+0j","-11.531090644775198+0j","-6.6653982146786195+0j","0.6715984762411508+3.37024850             │
 │    10270413j","0.6715984762411508-3.3702485010270413j","4.541270555490195+2.776364664923869j","4.541270555490195-2.77636466             │
 │    4923869j","3.6935063384423428+0j"],"eigenvectors":[["-0.23263835483680192+0j","-0.2264723575289234+0j","-0.4308391916391             │
 │    0195+0j","-0.012346573390129022+0.17748655663058255j","-0.012346573390129022-0.17748655663058255j","-0.21221572277027187             │
 │    +0.3524396218277479j","-0.21221572277027187-0.3524396218277479j","0.3451499664861578+0j"],["-0.31955742545335186+0j","-0             │
 │    .2569860493445581+0j","0.05691886770041556+0j","-0.35591013681869693-0.2242364092694275j","-0.35591013681869693+0.224236             │
 │    4092694275j","0.1932161673963751-0.39527849111641133j","0.1932161673963751+0.39527849111641133j","-0.7979681696063214+0j             │
 │    "],["-0.46626263247473404+0j","-0.4684914620112376+0j","0.5469400556350749+0j","0.34325164099973565+0.06607019711949293j             │
 │    ","0.34325164099973565-0.06607019711949293j","0.21312270185159682+0.28822307710358636j","0.21312270185159682-0.288223077             │
 │    10358636j","0.42707422750984786+0j"],["-0.41589316441674523+0j","0.2291771012892302+0j","0.09410792992600435+0j","0.6375             │
 │    92441360358+0j","0.637592441360358+-0j","0.46446646137729414+0j","0.46446646137729414+-0j","0.08171661775583623+0j"],["-             │
 │    0.35812884189789035+0j","-0.26551071423139044+0j","-0.649979374400915+0j","-0.2999153430497845+0.20110182336747695j","-0             │
 │    .2999153430497845-0.20110182336747695j","0.04424367733961273-0.020400357434930304j","0.04424367733961273+0.0204003574349             │
 │    30304j","-0.037276545325188024+0j"],["-0.3042416233100104+0j","0.4027405071320744+0j","0.2343447346668298+0j","-0.119224             │
 │    87219398595+0.10317726668781271j","-0.11922487219398595-0.10317726668781271j","-0.3387759141362585+0.15790241128043445j"             │
 │    ,"-0.3387759141362585-0.15790241128043445j","0.11473144194899779+0j"],["-0.35389732755448017+0j","0.5359362131480812+0j"             │
 │    ,"0.13989902586074168+0j","-0.16008513226461316-0.26111873108374495j","-0.16008513226461316+0.26111873108374495j","0.055             │
 │    729749650881726-0.22748184206919145j","0.055729749650881726+0.22748184206919145j","-0.19838514696566653+0j"],["-0.327615             │
 │    5213691367+0j","-0.30122843153433887+0j","0.07858579556736099+0j","0.00042251379361638556-0.11670182367986544j","0.00042             │
 │    251379361638556+0.11670182367986544j","-0.18590228871569267-0.2479130526139182j","-0.18590228871569267+0.247913052613918             │
 │    2j","-0.03374593856285834+0j"]]}                                                                                                     │
 ╰─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
✦ Of course, I can do that. Here are the eigenvalues for the given matrix:

  32.077244457548815
  -11.531090644775198
  -6.6653982146786195
  0.6715984762411508 + 3.3702485010270413j
  0.6715984762411508 - 3.3702485010270413j
  4.541270555490195 + 2.776364664923869j
  4.541270555490195 - 2.776364664923869j
  3.6935063384423428

使用Visual Studio Code进行风帆冲浪（注：这里的“Windsurf”在中文里通常指的是“风帆冲浪”这项运动，但在此上下文中，如果是指使用Visual Studio Code进行与“风帆冲浪”相关的开发或编辑工作，则可能需要根据具体情境调整翻译，不过直接翻译为“风帆冲浪”在多数情况下也能传达基本意思，即使用该编辑器进行与“风帆冲浪”主题相关的开发或编辑任务。）

在这里，任务是将x\*\*2和sin(x)绘制在同一张图表上。

工具与能力

工具数量

12

资源数量

0

提示词数量

0

能力标签

数学计算Python本地部署数值分析符号计算数据可视化科学计算

支持客户端

ClaudeWindsurf

数量来自来源目录的标注，具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标，定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量，找出闲置和超额的部分。

选择建议

值得选的地方

工具数量 12 个，一次接入能覆盖的操作比单点工具更全。
有现成的安装命令，不用自己找入口，照着跑就能起服务。
已经适配 Claude、Windsurf，换客户端不用重新研究配置。

先想清楚的地方

stdio 方式要求本地装好 Node.js，换机器要重新装一遍。
公开摘要偏短，具体能力和限制要回到仓库确认。
第三方目录整理，版本更新和行为细节以官方仓库为准。

更适合

需要在运维云端场景里让模型直接调用外部能力的人。
已经在用 Claude 的用户，接入路径最短。
想先快速试一下、能接受在本地跑服务的人。

不太适合

完全不想在本地装环境的人。
需要厂商级 SLA 和技术支持的生产环境。

MCP Server	工具数	传输方式	安装命令	收录来源	最后核验
Fermat MCP MCP World · 本页	12	stdio	有	2 个	2026-05-17
Ui Tars Desktop 8a825770 MCP World	0	stdio	有	1 个	2026-05-17
Elie222 MCP MCP World	0	未说明	未标注	1 个	2026-05-17
Arizeai Phoenix MCP MCP World	0	stdio	有	3 个	2026-05-17
Unity MCP 87ee506e MCP World	42	HTTP	有	2 个	2026-05-17

常见问题

5 条

Fermat MCP 怎么安装？

公开资料给出的安装命令是 npx -y @smithery/cli install @abhiphile/fermat-mcp --client gemini，运行环境为 Node.js。装完后按客户端要求写进 MCP 配置，重启客户端生效。

Fermat MCP 怎么在 Claude Desktop、Cursor 里配置？

它是stdio 本地进程，客户端配置里要写启动命令和参数，运行环境是 Node.js；保存后完全退出客户端再打开，配置才会生效。

Fermat MCP 收费吗？

本站只整理公开资料，不代收费用，也没有标注具体价格。是否收费取决于服务本身和背后的接口额度，正式使用前按官方说明确认。

Fermat MCP 需要 API Key 吗？

公开资料标注为无需认证，装好就能连；如果实际调用时报鉴权错误，按官方文档补上凭据。

Fermat MCP 支持哪些客户端？

公开资料标注支持 Claude、Windsurf；其他客户端只要能配置 MCP Server，也能用同样的命令或地址接入。

来源信息

MCP World

fermat-mcp

Fermat MCP是一个提供数值计算、符号计算和绘图功能的数学计算服务器。

www.mcpworld.com

/detail/5d9f755b5e83380b97ba737eb6a8df7b

Glama

Fermat MCP

A FastMCP server for mathematical computations, including numerical and symbolic calculations with NumPy and SymPy integration, as well as data visualization through Matplotlib.

glama.ai

/mcp/servers/abhiphile/fermat-mcp

参考链接

仓库入口

github.com

/abhiphile/fermat-mcp

来源标签

数学计算Python本地部署数值分析符号计算数据可视化科学计算hosting:local-only

来源分类路径

数学计算

继续浏览同类 MCP

更多运维云端 MCP（13,853）返回 MCP 目录

上一个 MCP

Fels Public AI Lab MCP

Fels公共AI实验室开发的MCP服务器，通过AI接口使公共部门数据真正可访问，支持自然语言与政府数据系统交互。

下一个 MCP

Fernando Benegas MCP

用于在本地Kubernetes集群和OKE中部署MCP服务器以测试MCP网关的工具。