PDDL MCP Server

PDDL MCP服务器

基于FastMCP框架的PDDL规划服务器，提供自然语言到PDDL规划的转换、执行和批处理功能。

✨ 特性

• 🗣️ 自然语言处理：从自然语言描述生成PDDL规划任务
• 🤖 自动生成问题：根据任务参数创建PDDL问题文件
• 📦 批量任务处理：批量运行多个任务并生成详细的执行报告
• 🔒 类型安全：使用Pydantic进行数据验证和类型检查
• ⚙️ 配置验证：内置配置和系统信息检查

📁 项目结构

pddl-mcp/
├── core/                   # Core modules
├── templates/              # PDDL template files
├── tasks/                  # Task configuration files
├── output/                 # Output directory
├── config.py               # Configuration management
├── constants.py            # Constants
├── error_handler.py        # Error handling
├── server.py               # MCP server
├── test_server.py          # Test suite
├── .env                    # Environment variables
└── requirements.txt        # Dependencies

⚙️ 安装和设置

1.安装依赖项

pip install -r requirements.txt

2.快速向下配置

git clone https://github.com/aibasel/downward.git
cd downward
./build.py

3.环境配置

复制 .env.example 向 .env 并设置：

FAST_DOWNWARD_PATH=/path/to/fast-downward.py
PDDL_DOMAIN_PATH=./templates/domain.pddl

🔧 MCP客户端配置

克劳德桌面

1. 查找配置文件：

- 窗户： %APPDATA%\Claude\claude_desktop_config.json - macOS： ~/Library/Application Support/Claude/claude_desktop_config.json - Linux： ~/.config/Claude/claude_desktop_config.json

1. 添加服务器配置：

{
  "mcpServers": {
    "pddl-planner": {
      "command": "python",
      "args": ["d:/PDDL/pddl-mcp/server.py"],
      "cwd": "d:/PDDL/pddl-mcp",
      "env": {
        "FAST_DOWNWARD_PATH": "/path/to/fast-downward.py"
      }
    }
  }
}

1. 重新启动克劳德桌面

Trae AI集成开发环境

1. 打开MCP设置：

- 点击设置→ MCP服务器 - 或使用快捷方式 Ctrl+Shift+M

1. 添加新服务器：

{
  "name": "PDDL Planner",
  "command": "python",
  "args": ["d:/PDDL/pddl-mcp/server.py"],
  "cwd": "d:/PDDL/pddl-mcp",
  "description": "PDDL planning and NLP server"
}

1. 测试连接

🚀 运行和使用

启动服务器

python server.py

您应该看到：

✅ PDDL MCP Server initialized
🚀 Starting FastMCP server...

运行测试

python test_server.py

批量任务处理

python core/batch_runner.py

💬 提示示例

基本规划任务

Please plan a robot task:
- Robot: robot1
- Start: room1
- Goal: room3
- Task type: delivery

Generate a complete PDDL plan.

自然语言规划

Robot r2 needs to move from the warehouse to the office. Please generate a complete movement plan.

多机器人协调

I have a multi-robot coordination task:
1. Robot r1 in room1, needs to go to room5
2. Robot r2 in room3, needs to go to room2
Please generate an individual plan for each robot and analyze possible path conflicts.

批量任务处理

Please batch process the following robot tasks:
1. r1: room1 → room3 (delivery)
2. r2: room2 → room4 (patrol)
3. r3: room5 → room1 (maintenance)

Generate a batch execution report including execution time and success rate for each task.

系统配置和诊断

Check the configuration status of the PDDL planning system, including:
- Fast Downward path
- Environment variables
- Dependency versions
- System performance

My PDDL planning task failed with error: [error message]
Please diagnose the problem and provide a solution.

🧪 测试指导

先决条件

• Python 3.8+
• 已安装依赖项(pip install -r requirements.txt)
• .env 配置
• Trae IDE导入项目

服务器状态

• MCP服务器应在Trae IDE中显示为已连接

测试方法

1.Trae IDE直接测试

• 系统配置检查
• 简单的规划任务
• 自然语言规划
• 多机器人协调
• 批量任务处理

2.命令行

• 启动服务器： python server.py
• 运行测试套件： python test_server.py
• 批处理任务： python core/batch_runner.py

预期结果

• 系统配置检查返回JSON，包括配置路径、快速向下路径、环境状态、输出目录
• 规划任务生成：

- PDDL问题文件(output/pddl/) - 计划文件(output/plan/) - 说明文件(output/explanation/)

• 批处理任务生成：

- 批量报告(output/report.json) - 分析(output/report.md) - 单个任务文件

常见测试场景

• 基本移动任务：单机器人，简单路径，预计1-3步
• 复杂路径：机器人经过多个房间，期望最优路径
• 多机器人协调：可能的路径冲突，期望冲突分析和解决方案
• 错误处理：任务参数无效，应显示明确的错误消息

故障排除

• 服务器启动失败：

1. 检查依赖关系： pip install -r requirements.txt 1. 检查Python版本： python --version 1. 检查 .env 配置

• 计划失败：

1. 验证快速下行路径 1. 检查 templates/domain.pddl 1. 检查输出目录权限

• MCP连接失败：

1. 重新启动Trae IDE 1. 检查 .mcp.json 配置 1. 确保服务器端口空闲

• 未生成的文件：

1. 检查 output/ 目录权限 1. 确保有足够的磁盘空间 1. 验证文件路径

性能测试

• 响应时间： 简单任务\<2s（多次运行）
• 并发： 同时执行多项任务，预计不会发生冲突
• 大规模任务： 10+机器人，期待成功协调

测试检查表

• \[\]系统配置检查
• \[\]简单的规划任务
• \[\]自然语言处理
• \[\]文件生成
• \[\]多机器人协调
• \[\]批量任务处理
• \[\]路径冲突分析
• \[\]错误处理
• \[\]响应时间
• \[\]并发
• \[\]大规模任务
• \[\]内存使用情况
• \[\]Trae IDE集成
• \[\]MCP协议兼容性
• \[\]文件系统操作
• \[\]配置管理

测试报告模板

Test Date: [date]
Environment: [OS, Python version]
Scope: [modules tested]

Results:
✅ Passed
❌ Failed
⚠️  Issues

Performance:
- Avg response time: [time]
- Success rate: [percent]
- Resource usage: [memory, CPU]

Suggestions:
[improvements]

后续步骤

• 为更复杂的场景扩展测试用例
• 根据结果优化性能
• 添加新的规划算法或特征
• 改进文档和API参考资料

______________________________________________________________________

注： 对于测试过程中出现的问题，请检查 output/ 目录或运行 python test_server.py 用于诊断。

📄 许可证

MIT许可证