使用说明

项目简介

该仓库实现了一个基于 MCP 的服务端，用于 Tekla Structures 的自动化工作流。它将 Tekla 的模型对象、元数据、以及可执行工具以统一的 JSON-RPC 形式暴露给 MCP 客户端（如对话式 AI 或大语言模型代理），以便在对话式工作流中读取资源、调用工具、并获取/渲染 Prompts。

主要功能点

资源与数据访问：通过 TeklaModel 与模型对象包装类，提供对元素属性、UDAs、切割信息、重量等的读取与序列化输出。
注册与执行 Tools：使用 FastMCP 框架将一系列工具暴露为 MCP Tool，包括对象筛选、元素选择、标签绘制、缩放、组件放置/移除、UDA 操作、属性获取等。
Prompts/模板支持：结合 TemplateAttributeParser 提供对 Tekla 模板属性的匹配与描述，以及对属性映射的嵌入式语义匹配（可选）。
Embeddings 支持（可选）：基于 sentence-transformers 的嵌入模型进行属性描述与名称的语义匹配，提升自定义属性映射的鲁棒性。
配置与运行时管理：使用 Config 单例加载 settings.json 与其他配置，支持通过环境变量覆盖与延迟加载。

安装步骤

运行环境要求：Python 3.11 及以上， Tekla Structures 2022（或与项目兼容版本）。
安装依赖：按 README 中的要求安装 Python 依赖（例如 pip install -r requirements.txt），以及开发依赖（如果需要本地开发/测试）。
Tekla DLL 加载前提：需要 Tekla Structures 已在系统中安装，且 TEKLA_PATH 配置正确。
启动服务：在合适的环境中以 Python 运行 mcp_server.py（仓库中实现的入口点），确保 Tekla 环境就绪后即可对外提供 MCP 服务。

服务器配置（供 MCP 客户端使用的配置信息）

以下为 MCP 客户端用于连接该服务器所需的配置示例（仅为描述性文本，不包含代码块）：

server name: Tekla MCP Server
command: python
args: ["src/tekla_mcp_server/mcp_server.py"]
环境变量示例:
- TEKLA_MCP_LOG_LEVEL: INFO
- TEKLA_MCP_LOG_FILE_PATH: "mcp_server.log"
- TEKLA_MCP_CONFIG_DIR: "config"

在 JSON 配置中可表达为： { "mcpServers": { "tekla": { "name": "Tekla MCP Server", "command": "python", "args": ["src/tekla_mcp_server/mcp_server.py"], "env": { "TEKLA_MCP_LOG_LEVEL": "INFO", "TEKLA_MCP_LOG_FILE_PATH": "mcp_server.log", "TEKLA_MCP_CONFIG_DIR": "config" } } } } 说明：

该配置用于 MCP 客户端在启动服务器时传递必要的信息，客户端本身并不需要理解 Tekla 具体实现细节，只需要启动服务器的命令和必要的环境变量即可。
服务器会从 config 目录及 settings.json 加载运行时参数，如 Tekla 路径、模板属性、嵌入模型等。

基本使用方法

启动后，客户端可以通过 MCP 协议向 Tekla MCP Server 发送请求，调用 check_tekla_connection、put_components、select_elements_by_filter、get_elements_properties、compare_elements 等工具，获取结构化的 JSON 响应。
通过 Embeddings/模板属性相关功能，可以在自然语言层面进行映射与检索，提升对自定义属性的理解与匹配能力。
如需进行大模型对话集成，请将 MCP 客户端与服务端通过 JSON-RPC 通信，按工具名与参数格式进行请求与处理。

Tekla MCP Server