MCP
集成Google OR-Tools，为AI模型提供约束求解与优化能力。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：MCP。 它的用途是：集成Google OR-Tools，为AI模型提供约束求解与优化能力。 详细介绍见：https://321skill.com/skills/mcp-mcp-ortools/ 请根据该页面的说明完成安装。
使用示例
“我有5个仓库需要向20个客户送货，每辆车有载重和里程限制，请帮我规划总路程最短的配送路线。”，它会理解您的约束条件，调用ORTools构建车辆路径规划模型并求解，返回最优的配送方案和路线图。或者，您可以说：“在不超过10万元预算的情况下，从这50个潜在广告位中选择一组，使得预计触达用户数最大。”，AI会将其转化为一个背包问题并求解。
介绍
MCP ORTools服务器Skill将强大的Google OR-Tools优化引擎集成到AI工作流中，解决了模型在复杂决策场景下（如资源分配、路径规划、排班调度）缺乏专业求解能力的问题。它通过MCP协议暴露OR-Tools的功能，允许AI模型直接调用，将自然语言描述的业务约束（如“在预算内最大化利润”、“安排最少车辆完成所有配送”）转化为数学模型并求解最优方案。
该Skill特别适合数据分析师、运维工程师、量化交易员等需要处理优化问题的专业人士。他们可以在分析经营数据、规划出行行程、制定项目计划或开发交易策略时，借助AI快速构建和求解优化模型，无需手动编写复杂的求解代码。
对于智能体开发者和全栈开发者而言，此Skill是构建具备高级决策能力AI应用的关键组件。他们可以将其集成到自己的智能体或应用中，为产品添加自动化的排产、排班、资源分配等优化功能。
使用前需确保运行环境已安装Python及必要的依赖。由于涉及数学建模，用户向AI描述问题时，应尽可能清晰、具体地说明决策变量、目标和约束条件，以获得准确的求解结果。对于超大规模或实时性要求极高的工业级问题，可能需要结合专业软件进行更深度的定制和性能优化。
核心特点
核心区别在于直接为AI模型集成了工业级的OR-Tools求解器，使其能处理复杂的组合优化问题，而同类Skill多侧重于基础计算或数据查询。它提供了从自然语言问题描述到数学规划模型构建与求解的端到端自动化流程。
注意事项
不适合需要实时毫秒级响应或处理超大规模（变量/约束数量极大）优化问题的场景。
常见问题
这个Skill能解决哪些具体问题？
可解决车辆路径规划、员工排班、资源分配、投资组合优化、生产计划等带约束的优化问题。
需要我懂数学建模或编程吗？
不需要，您只需用自然语言向AI描述问题、目标和限制，AI会代为建模和调用求解器。