kshana-mcp: zapytaj swojego asystenta AI, a silnik odpowie

kshana-mcp to serwer Model Context Protocol (MCP) dla Kshana, otwartoźródłowego symulatora odporności PNT (pozycjonowanie, nawigacja i czas). Pozwala asystentowi AI (sztucznej inteligencji) uruchomić prawdziwy silnik i odczytać jego JSON (JavaScript Object Notation) zamiast zgadywać obliczenia. Komunikuje się przez stdio (standardowe wejście i wyjście) z dowolnym klientem zgodnym z MCP, w tym z Cursorem i JetBrains AI Assistant / Junie.

Obliczenia, dla których Kshana jest sprawdzona względem niezależnego wzorca, to dokładnie te, w których model językowy zgaduje najgorzej: propagacja orbit SGP4 (Simplified General Perturbations 4), układy odniesienia IAU (Międzynarodowa Unia Astronomiczna), odchylenia Allana, dostępność GNSS (globalny system nawigacji satelitarnej) i współczynnik DOP (rozmycie dokładności), poziomy ochrony ARAIM (zaawansowane autonomiczne monitorowanie integralności w odbiorniku), fuzja GNSS i INS (inercyjny system nawigacji) oraz modele czujników kwantowych. Zadaj pytanie; asystent uruchamia prawdziwy scenariusz i otrzymuje wskaźniki jakości wraz z ich pochodzeniem i etykietą VALIDATED lub MODELLED.

Narzędzia#

Każde narzędzie jest cienką, wierną nakładką na publiczną funkcję biblioteki kshana; nie ma tu żadnej nowej logiki symulacji, więc agent uruchamia dokładnie ten silnik, który został sprawdzony względem niezależnego wzorca.

Narzędzia GNSS IQ: pliki na wejściu, zwięzły JSON na wyjściu#

Nagrania IQ sięgają gigabajtów, więc narzędzia iq_* nigdy nie przekazują próbek przez protokół. Obowiązuje je jeden kontrakt:

• Katalog roboczy. Serwer odczytuje i zapisuje pliki IQ wyłącznie w folderze wskazanym przez KSHANA_MCP_IQ_DIR. Każdy argument ścieżki jest względny wobec niego (ścieżka bezwzględna musi rozwiązywać się do jego wnętrza); dane wejściowe są przed sprawdzeniem rozwiązywane przez dowiązania symboliczne, folder danych wyjściowych musi już w nim istnieć, a istniejące dane wyjściowe są zastępowane tylko z overwrite: true. Gdy nie jest ustawiony, narzędzia do plików IQ są wyłączone i podają, jak je włączyć; wszystkie inne narzędzia pozostają bez zmian.
• Budżet próbek. Jedno wywołanie generuje lub przetwarza najwyżej KSHANA_MCP_IQ_MAX_SAMPLES zespolonych próbek (domyślnie 50 000 000). W bajtach to 400 MB jako cf32_le (8 bajtów na próbkę zespoloną), 200 MB jako ci16_le (4 bajty) i 100 MB jako ci8 (2 bajty); scena jest zapisywana jako cf32_le, chyba że format mówi inaczej. Kontrola odbywa się przed jakąkolwiek pracą, a odmowa podaje czas trwania lub max_seconds, który się mieści.
• Zwięzłe odpowiedzi. Każde narzędzie odpowiada jednym podsumowaniem JSON: piki akwizycji, C/N0, stan synchronizacji oraz każdy zapisany plik z jego ścieżką i liczbą bajtów. Tabele dla każdej epoki trafiają do wskazanych przez Ciebie plików json_out / csv_out.
• Nieznane argumenty są odrzucane, a nie ignorowane, więc błędnie wpisana opcja jest błędem.

Każde narzędzie uruchamia tę samą ścieżkę kodu co kshana iq w wierszu poleceń, w tym samym procesie. Warstwa jest wyłącznie programowa: zapisuje pliki dla odbiorników programowych i nie steruje żadnym sprzętem radiowym. Warstwa IQ nie dodaje syntezy zakłóceń ani spoofera i nic nie jest nigdy nadawane. (Osobny rodzaj scenariusza spectrum może zapisać do pliku analityczne migawki IQ zagłuszarki.)

{
  "mcpServers": {
    "kshana": {
      "command": "/Users/you/.cargo/bin/kshana-mcp",
      "env": { "KSHANA_MCP_IQ_DIR": "/Users/you/iq" }
    }
  }
}

Z obrazem Docker zamontuj folder i wskaż go zmiennej: docker run --rm -i -v "$PWD/iq:/iq" -e KSHANA_MCP_IQ_DIR=/iq ghcr.io/ashfordeou/kshana-mcp.

Każdy rodzaj jest osiągalny#

run_scenario rozdziela wywołania według kind scenariusza, więc przechodzi przez niego każdy rodzaj, który wymienia list_scenario_kinds. Obejmuje to nowsze rodziny, każdą z dołączonymi przykładami, które agent może pobrać:

list_example_scenarios z kind wymienia każdy dołączony przykład tego rodzaju. Animacje, raporty i eksporty interoperacyjne nie są rodzajami: są widokami przebiegu, a animate_scenario, report_scenario i export_interop zwracają je dla każdego scenariusza, do którego mają zastosowanie.

Nieobsługiwane: zestawy badań (kshana --study <suite.toml>), ponieważ zestaw wskazuje na dysku sąsiednie pliki scenariuszy, a narzędzia scenariuszy nie czytają żadnego pliku. Uruchom każdy element przez run_scenario. (Narzędzia IQ czytają i zapisują pliki, ale tylko w swoim katalogu roboczym.)

Instalacja serwera MCP#

Wyłącznie doradczo, nie jest to sprzęt nawigacyjny z zatwierdzeniem typu: za nawigację odpowiada nadal operator. Serwer działa na Twoim komputerze; nic nie jest wysyłane do Ashforde OÜ.

Fragment wymieniający zewnętrznych klientów AI został tu pominięty; jest w mcp/kshana-mcp/README.md na GitHubie.

Z kopii roboczej lub z git (rozwój):

cd mcp/kshana-mcp && cargo install --path .
cargo install --git https://github.com/AshfordeOU/kshana kshana-mcp

Tryb HTTP (własny hosting)#

kshana-mcp --http 127.0.0.1:8080 udostępnia te same narzędzia przez streamable HTTP pod /mcp. Nasłuchuje tylko na pętli zwrotnej; adres inny niż pętla zwrotna wymaga --allow-remote i tokenu bearer w KSHANA_MCP_HTTP_TOKEN; narzędzia do plików IQ są wyłączone; rozmiar żądania, czas i współbieżność są ograniczone; nie jest wysyłany żaden nagłówek CORS. Kshana nie udostępnia punktu końcowego: hostuje się go samodzielnie. Zob. docs/deploy/mcp-http.md.

cargo install umieszcza kshana-mcp w Twoim PATH (zwykle ~/.cargo/bin/kshana-mcp). Serwer komunikuje się przez JSON-RPC (zdalne wywołanie procedur JSON) po stdio; logi trafiają do stderr. Budowanie ze źródeł wymaga toolchainu Rust ≥ 1,88 (potrzebuje go załatany SDK rmcp 2.x, podobnie jak biblioteka kshana); obraz Docker nie wymaga żadnego.

Zarejestruj go w kliencie#

Praktycznie każdy klient MCP używa tego samego bloku konfiguracji mcpServers: zarejestruj plik binarny kshana-mcp przez ścieżkę bezwzględną:

{
  "mcpServers": {
    "kshana": {
      "command": "/Users/you/.cargo/bin/kshana-mcp",
      "args": [],
      "env": {}
    }
  }
}

Albo z obrazem Docker zamiast lokalnego pliku binarnego (PATH nie jest potrzebny):

{
  "mcpServers": {
    "kshana": {
      "command": "docker",
      "args": ["run", "--rm", "-i", "ghcr.io/ashfordeou/kshana-mcp"]
    }
  }
}

Miejsce tego bloku zależy od klienta:

• Cursor — ~/.cursor/mcp.json (globalnie) lub .cursor/mcp.json (dla projektu).
• JetBrains AI Assistant / Junie — Settings → Tools → AI Assistant → Model Context Protocol → Add → As JSON, wklej blok, a następnie całkowicie uruchom ponownie IDE (zintegrowane środowisko programistyczne).
• Asystenci na komputerze — większość używa …_config.json o tym samym kształcie mcpServers; lokalizację pliku sprawdź w dokumentacji swojego klienta.
• Agenci wiersza poleceń — wielu przyjmuje ten sam JSON przez mechanizm mcp add / mcp.json.

Zawsze używaj ścieżki bezwzględnej do pliku binarnego. Ustaw RUST_LOG=debug w env, aby diagnozować problemy (diagnostyka trafia do stderr; stdout jest zarezerwowane dla protokołu JSON-RPC).

Wypróbuj#

Po zarejestrowaniu zapytaj asystenta na przykład o:

• „Wymień rodzaje scenariuszy Kshana.” → list_scenario_kinds
• „Pokaż mi przykład spectrum z Kshana i uruchom go.” → list_example_scenarios, get_example_scenario, run_scenario
• „Uruchom scenariusz holdover zegara z Kshana z progiem 20 ns i 2-godzinną przerwą w GNSS; jaki jest holdover kwantowy w porównaniu z klasycznym?” → run_scenario
• „Wyeksportuj tę konstelację GPS (Global Positioning System) jako SP3.” → export_sp3
• „Daj mi tabelę realtime-frame-eop jako CSV.” → export_table_csv
• „Pokaż ten przelot Iridium na globusie Cesium.” → list_export_formats, export_interop
• „Zanimuj kampanię zagłuszania.” → animate_scenario
• „Daj mi raport z tego przebiegu wraz z zapisem odtwarzalności.” → report_scenario
• „Zrób jednosekundową scenę GPS L1 z PRN 3 i 17, a potem ją pozyskaj i śledź.” → iq_signals, iq_scene, iq_acquire, iq_track

Uwaga projektowa: dlaczego osobny crate#

Serwer jest samodzielnym crate'em wyłączonym z workspace z własnym Cargo.lock, więc oficjalny SDK (zestaw narzędzi programistycznych) Rust MCP rmcp i jego asynchroniczne środowisko uruchomieniowe nigdy nie trafiają do grafu zależności opublikowanego crate'a kshana: użytkownik biblioteki lub Pythona nie kompiluje serwera, którego nie uruchamia. (Wydzielono go początkowo dlatego, że rmcp jest w edycji 2024, co wymaga rustc ≥ 1,85, podczas gdy główny crate obiecywał wtedy 1,75. Biblioteka i ten serwer deklarują teraz oba 1,88, dolną granicę załatanego pod względem bezpieczeństwa rmcp 2.x oraz zaktualizowanych crate'ów RustCrypto.) Ciągła integracja (CI) bramkuje ten crate osobno: testy i cargo deny względem jego pliku blokady. Drzewo licencji rmcp jest czyste (Apache-2.0/MIT/BSD), więc w odróżnieniu od crate'a walidacji krzyżowej xval/anise-frames, który poza tym odwzorowuje, podział nie wynika z licencjonowania.

Licencja: AGPL-3.0-only, GNU Affero General Public License wersja 3 wyłącznie (albo licencja komercyjna od Ashforde OÜ; zob. LICENSING.md w repozytorium).