O que é MCP Solver?
O MCP Solver, de Stefan Szeider, transforma um host MCP como o Claude Desktop ou o Claude Code em programador de solvers. O host escolhe um backend, recebe instruções de modelagem e um kernel IPython persistente com a biblioteca do solver carregada, escreve um programa, roda-o contra o solver real, confere a resposta e envia o programa final. Você fica com a solução e com o código que a produziu.
A versão 4 suporta seis backends: PySAT, MaxSAT, Z3, CPMpy, Clingo e DIDP. Tem licença MIT, é escrito em Python, tem cerca de 187 estrelas no GitHub e o último commit chegou em 13 de outubro de 2026. O design anterior, v3, está documentado em um artigo do SAT 2025 e mantido em um branch próprio.
Como instalar MCP Solver
git clone https://github.com/szeider/mcp-solver.git && cd mcp-solver && uv venv && uv pip install -e ".[agent]"MCP Solver vale a pena?
O MCP Solver corrige o jeito mais comum de um modelo de linguagem errar em problemas combinatórios: ele chuta uma resposta que quebra uma restrição. Aqui o modelo nunca responde diretamente. Ele escreve um programa para um de seis backends, PySAT, MaxSAT, Z3, CPMpy, Clingo ou DIDP para roteamento e escalonamento, roda, verifica o resultado e só então chama submit_code. O resultado é um programa que você pode rodar de novo e auditar, o que importa mais do que a resposta para quem precisa defender uma escala ou uma configuração.
As evidências são melhores do que a maioria dos servidores MCP oferece. Com o Claude Opus como host, o README relata 229 de 229 instâncias resolvidas corretamente no CP-Bench (101) e no ASP-Bench (128) sob validação estrita, e todos os 30 problemas de teste incluídos são resolvidos com o GPT-5.6 Terra pela CLI. São execuções do próprio autor em benchmarks que ele mesmo criou, então leia como sinais fortes, não como resultados independentes. A versão 4 também é uma reescrita: o servidor v3, com ferramentas finas de edição de modelo e MiniZinc, saiu e foi substituído por um kernel e seis ferramentas.
O porém: instalação e segurança exigem cuidado. A v4 não está no PyPI porque um terceiro detém o nome mcp-solver com código antigo da v2.0.0, então uvx mcp-solver instala a coisa errada; é preciso clonar e instalar a partir do código-fonte até que um pedido de transferência do nome seja resolvido. O guia INSTALL diz que a v4 só foi testada no macOS. E o kernel por baixo, do agentic-python-coder do mesmo autor, executa automaticamente o código escrito pelo modelo no diretório de trabalho; o próprio aviso de segurança dele recomenda uma VM ou um contêiner para entradas não confiáveis.
Nossa opinião: para um planejador, pesquisador ou engenheiro com um problema real de escalonamento, alocação ou verificação, esta é a diferença entre uma resposta plausível e uma que um solver provou. Vale o clone e o contêiner. O empacotamento vai chegar; o método já é sólido.
Onde ele se destaca
A gerente de operações de uma casa de repouso com 40 leitos
Montar uma escala de pessoal que respeite turnos, descansos e preferências
Descreva as regras ao Claude; ele escolhe CPMpy ou MaxSAT, codifica regras obrigatórias e preferências ponderadas, roda o solver e envia o programa. No mês seguinte, rode de novo o programa salvo com a nova disponibilidade em vez de pedir tudo outra vez.
Um engenheiro de firmware
Provar que uma rotina de manipulação de bits atende à especificação para todas as entradas
O agente codifica as duas versões no Z3 e procura um contraexemplo. Um resultado unsat é a prova; um modelo é uma entrada que falha. Rode dentro de um contêiner, já que o kernel executa o código gerado.
Um coordenador de curso em uma universidade
Encaixar 30 disciplinas em salas sem conflitos
Use o backend Clingo ou CPMpy para codificar salas, capacidades e conflitos de professores; o programa enviado vira o gerador de horários do próximo semestre. Grátis, exceto pelos tokens do modelo do host.
Antes de decidir
- Configuração
- Clone o repositório, uv venv, uv pip install -e ".[agent]" e aponte o cliente para uv run --project <caminho> --extra agent mcp-solver-serve. Não use a configuração com uvx até a transferência do nome no PyPI ser concluída. Exige Python 3.13 ou 3.14 e uv.
- Integrações
- Backends: python-sat, RC2 MaxSAT, z3-solver, cpmpy (com ortools), clingo e didppy. Ferramentas: select_backend, python_exec, python_reset, python_status, python_interrupt e submit_code, além de recursos de guia e templates. A CLI e o harness de benchmark rodam pelo OpenRouter.
- Dados e privacidade
- Roda localmente por stdio. As descrições dos problemas e o código gerado vão para o provedor de modelo do seu host. Os programas do solver rodam em um kernel IPython local, no diretório de trabalho, sem sandbox; estatísticas opcionais são gravadas em um arquivo JSONL que você escolhe.
- Custo em escala
- Grátis sob MIT. O custo são os tokens do modelo do host; execuções da CLI cobram o uso do OpenRouter na sua chave.
- Limites
- Cada execução da CLI para após 30 passos do agente por padrão. Ainda sem suporte ao Python 3.15, porque ortools e python-sat não publicam pacotes para essa versão. python_interrupt interrompe uma resolução descontrolada.
O que é bom
- Seis backends de solver, de SAT a programação dinâmica
- Deixa um programa de solver verificado e reexecutável
- 229 de 229 instâncias de benchmark resolvidas nos testes do autor
- Sem chave de API; quem resolve é o modelo do host
O que não é
- Não instala pelo PyPI; o nome guarda código antigo da v2.0.0
- v4 testada só no macOS até agora
- O kernel roda código escrito pelo modelo sem sandbox
- Precisa de Python 3.13 ou 3.14 e uv
Ideal para
Pesquisadores operacionais, engenheiros e analistas que querem um agente resolvendo problemas de escalonamento, alocação, configuração ou verificação com um solver real e guardando o programa.
Alternativas ao MCP Solver
MCP Solver: perguntas frequentes
- MCP Solver vale a pena?
- A ideia certa para problemas de escala e quebra-cabeças que um modelo nunca deveria resolver de cabeça, travada por enquanto por uma instalação só a partir do repositório e por um kernel que roda qualquer código que o modelo escreva. Damos nota 3.9 de 5.
- Quanto custa MCP Solver?
- Gratuito e de código aberto (MIT). O servidor não precisa de chave de API; a CLI opcional usa sua própria chave do OpenRouter.
- Quais são as desvantagens de MCP Solver?
- Não instala pelo PyPI; o nome guarda código antigo da v2.0.0; v4 testada só no macOS até agora; o kernel roda código escrito pelo modelo sem sandbox; precisa de Python 3.13 ou 3.14 e uv.
- Para quem MCP Solver é indicado?
- Pesquisadores operacionais, engenheiros e analistas que querem um agente resolvendo problemas de escalonamento, alocação, configuração ou verificação com um solver real e guardando o programa.
- Quanto custa MCP Solver para uma equipe ou em produção?
- Grátis sob MIT. O custo são os tokens do modelo do host; execuções da CLI cobram o uso do OpenRouter na sua chave.
- MCP Solver é seguro para dados da empresa?
- Roda localmente por stdio. As descrições dos problemas e o código gerado vão para o provedor de modelo do seu host. Os programas do solver rodam em um kernel IPython local, no diretório de trabalho, sem sandbox; estatísticas opcionais são gravadas em um arquivo JSONL que você escolhe.
- Quais são as melhores alternativas ao MCP Solver?
- As alternativas mais próximas que analisamos são Lean LSP MCP e Sequential Thinking (reference server).
Respostas verificadas em 7 de nov. de 2026.