¿Qué es MCP Solver?
MCP Solver, de Stefan Szeider, convierte un host MCP como Claude Desktop o Claude Code en un programador de solvers. El host elige un backend, recibe instrucciones de modelado y un kernel IPython persistente con la biblioteca del solver cargada, escribe un programa, lo ejecuta contra el solver real, comprueba la respuesta y envía el programa final. Te quedas con la solución y con el código que la produjo.
La versión 4 admite seis backends: PySAT, MaxSAT, Z3, CPMpy, Clingo y DIDP. Tiene licencia MIT, está escrito en Python, tiene unas 187 estrellas en GitHub y su último commit llegó el 13 de octubre de 2026. El diseño anterior, v3, está documentado en un artículo de SAT 2025 y se conserva en su propia rama.
Cómo instalar MCP Solver
git clone https://github.com/szeider/mcp-solver.git && cd mcp-solver && uv venv && uv pip install -e ".[agent]"¿Merece la pena MCP Solver?
MCP Solver corrige la forma más habitual en que un modelo de lenguaje falla en problemas combinatorios: adivina una respuesta que incumple una restricción. Aquí el modelo nunca responde directamente. Escribe un programa para uno de seis backends, PySAT, MaxSAT, Z3, CPMpy, Clingo o DIDP para rutas y planificación, lo ejecuta, verifica el resultado y solo entonces llama a submit_code. El resultado es un programa que puedes volver a ejecutar y auditar, lo que importa más que la respuesta para quien tiene que defender un horario o una configuración.
Las pruebas son mejores de lo que ofrecen la mayoría de servidores MCP. Con Claude Opus como host, el README informa de 229 de 229 instancias resueltas correctamente entre CP-Bench (101) y ASP-Bench (128) con validación estricta, y los 30 problemas de prueba incluidos se resuelven con GPT-5.6 Terra mediante la CLI. Son ejecuciones del propio autor sobre bancos de pruebas que él creó, así que conviene leerlas como señales sólidas y no como resultados independientes. La versión 4 es además una reescritura: el servidor v3, con herramientas finas de edición de modelos y MiniZinc, desaparece y lo sustituyen un kernel y seis herramientas.
La pega: la instalación y la seguridad exigen cuidado. La v4 no está en PyPI porque un tercero tiene el nombre mcp-solver con código obsoleto de la v2.0.0, así que uvx mcp-solver instala otra cosa; hay que clonar e instalar desde el código fuente hasta que se resuelva una solicitud de transferencia del nombre. La guía INSTALL dice que la v4 solo se ha probado en macOS. Y el kernel de debajo, del agentic-python-coder del mismo autor, ejecuta automáticamente el código que escribe el modelo en el directorio de trabajo; su propio aviso de seguridad recomienda una VM o un contenedor para entradas no fiables.
Nuestra opinión: para un planificador, investigador o ingeniero con un problema real de planificación, asignación o verificación, es la diferencia entre una respuesta plausible y una que un solver ha demostrado. Vale la pena clonar y usar el contenedor. El empaquetado llegará; el método ya es sólido.
Dónde se gana su sitio
La responsable de operaciones de una residencia de 40 plazas
Montar un cuadrante de personal que cumpla turnos, descansos y preferencias
Describe las reglas a Claude; elige CPMpy o MaxSAT, codifica las reglas obligatorias y las preferencias ponderadas, ejecuta el solver y envía el programa. El mes siguiente, vuelve a ejecutar el programa guardado con la nueva disponibilidad en lugar de volver a pedirlo.
Un ingeniero de firmware
Demostrar que una rutina de manipulación de bits cumple su especificación para todas las entradas
El agente codifica ambas versiones en Z3 y busca un contraejemplo. Un resultado unsat es la demostración; un modelo es una entrada que falla. Ejecútalo dentro de un contenedor, porque el kernel ejecuta el código generado.
Un coordinador académico de universidad
Asignar 30 asignaturas a aulas sin solapamientos
Usa el backend Clingo o CPMpy para codificar aulas, aforos y conflictos de profesorado; el programa enviado se convierte en el generador de horarios del curso siguiente. Gratis salvo los tokens del modelo del host.
Antes de decidirte
- Puesta en marcha
- Clona el repositorio, uv venv, uv pip install -e ".[agent]" y apunta tu cliente a uv run --project <ruta> --extra agent mcp-solver-serve. No uses la configuración con uvx hasta que se complete la transferencia del nombre en PyPI. Requiere Python 3.13 o 3.14 y uv.
- Integraciones
- Backends: python-sat, RC2 MaxSAT, z3-solver, cpmpy (con ortools), clingo y didppy. Herramientas: select_backend, python_exec, python_reset, python_status, python_interrupt y submit_code, más recursos de guía y plantillas. La CLI y el banco de pruebas funcionan con OpenRouter.
- Datos y privacidad
- Funciona en local por stdio. Las descripciones de los problemas y el código generado van al proveedor del modelo de tu host. Los programas del solver se ejecutan en un kernel IPython local en el directorio de trabajo sin aislamiento; las estadísticas opcionales se escriben en un archivo JSONL que tú eliges.
- Coste a escala
- Gratis con licencia MIT. El coste son los tokens del modelo del host; las ejecuciones de la CLI cargan el uso de OpenRouter a tu clave.
- Límites
- Cada ejecución de la CLI se detiene tras 30 pasos del agente por defecto. Aún no admite Python 3.15, porque ortools y python-sat no publican paquetes para esa versión. python_interrupt detiene una resolución descontrolada.
Lo bueno
- Seis backends de solver, de SAT a programación dinámica
- Deja un programa de solver verificado y reejecutable
- 229 de 229 instancias de referencia resueltas en las pruebas del autor
- Sin clave de API; resuelve el modelo del host
Lo malo
- No se puede instalar desde PyPI; el nombre aloja código obsoleto de la v2.0.0
- La v4 solo se ha probado en macOS por ahora
- El kernel ejecuta código escrito por el modelo sin aislamiento
- Necesita Python 3.13 o 3.14 y uv
Ideal para
Investigadores operativos, ingenieros y analistas que quieren que un agente resuelva problemas de planificación, asignación, configuración o verificación con un solver real y conservar el programa.
Alternativas a MCP Solver
MCP Solver: preguntas frecuentes
- ¿Merece la pena MCP Solver?
- La idea correcta para problemas de planificación y rompecabezas que un modelo nunca debería resolver de cabeza, frenada por ahora por una instalación solo desde el repositorio y un kernel que ejecuta cualquier código que escriba el modelo. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta MCP Solver?
- Gratuito y de código abierto (MIT). El servidor no necesita clave de API; la CLI opcional usa tu propia clave de OpenRouter.
- ¿Qué inconvenientes tiene MCP Solver?
- No se puede instalar desde PyPI; el nombre aloja código obsoleto de la v2.0.0; la v4 solo se ha probado en macOS por ahora; el kernel ejecuta código escrito por el modelo sin aislamiento; necesita Python 3.13 o 3.14 y uv.
- ¿Para quién es MCP Solver?
- Investigadores operativos, ingenieros y analistas que quieren que un agente resuelva problemas de planificación, asignación, configuración o verificación con un solver real y conservar el programa.
- ¿Cuánto cuesta MCP Solver para un equipo o en producción?
- Gratis con licencia MIT. El coste son los tokens del modelo del host; las ejecuciones de la CLI cargan el uso de OpenRouter a tu clave.
- ¿Es MCP Solver seguro para los datos de la empresa?
- Funciona en local por stdio. Las descripciones de los problemas y el código generado van al proveedor del modelo de tu host. Los programas del solver se ejecutan en un kernel IPython local en el directorio de trabajo sin aislamiento; las estadísticas opcionales se escriben en un archivo JSONL que tú eliges.
- ¿Cuáles son las mejores alternativas a MCP Solver?
- Las alternativas más cercanas que hemos analizado son Lean LSP MCP y Sequential Thinking (reference server).
Respuestas comprobadas el 7 nov 2026.