Math & Numbers
用教科书版匈牙利算法求解 2–8 × 2–8 的指派问题（支持矩形矩阵，自动补零成本哑行/哑列）：先做行约简与列约简，再用增广路径在零元素中找最大匹配，不够则按 König 定理用最少直线覆盖所有零并调整矩阵，每轮减未覆盖最小元、加双覆盖交点；最大化问题内部取负求解后报告收益。逐步输出约简与覆盖过程，给出最优指派与总成本并代回验证。经典例：[[9,2,7],[6,4,3],[5,8,1]] 最小化 → 总成本 9（工人 1→任务 2、工人 2→任务 1、工人 3→任务 3）。
用三种语言从你的代码中调用此工具。
curl -X POST 'http://127.0.0.1:3003/zh/api/tools/assignment-problem-solver' \
-H 'Content-Type: application/json' \
-d '{"matrix":"9, 2, 7\n6, 4, 3\n5, 8, 1","goal":"min","decimalPlaces":4}'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST http://127.0.0.1:3003/zh/api/tools/assignment-problem-solver| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| matrix | textarea | 是 | Cost (or benefit) matrix, one row per worker, one column per task. 2–8 rows × 2–8 columns; rectangular matrices are padded with zero-cost dummies. |
| goal | select | 是 | — |
| decimalPlaces | number | 否 | — |
文本结果
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置：
{
"mcpServers": {
"elysiatools-assignment-problem-solver": {
"name": "assignment-problem-solver",
"description": "用教科书版匈牙利算法求解 2–8 × 2–8 的指派问题（支持矩形矩阵，自动补零成本哑行/哑列）：先做行约简与列约简，再用增广路径在零元素中找最大匹配，不够则按 König 定理用最少直线覆盖所有零并调整矩阵，每轮减未覆盖最小元、加双覆盖交点；最大化问题内部取负求解后报告收益。逐步输出约简与覆盖过程，给出最优指派与总成本并代回验证。经典例：[[9,2,7],[6,4,3],[5,8,1]] 最小化 → 总成本 9（工人 1→任务 2、工人 2→任务 1、工人 3→任务 3）。",
"baseUrl": "http://127.0.0.1:3003/mcp/sse?toolId=assignment-problem-solver",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后，列出已开放的工具：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用，参数由其参数表构建：
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "assignment-problem-solver",
"arguments": {
"matrix": "9, 2, 7\n6, 4, 3\n5, 8, 1",
"goal": "min",
"decimalPlaces": 4
}
}
}有问题或反馈？请联系 [email protected]