$ loading_
帮助用户用简单 JSON 接口求解线性、整数与背包优化问题。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Opti-MCP" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 Opti-MCP 建立一个线性规划模型：有产品 A、B，利润分别为 30 和 50；机器工时限制为 40，小时时间消耗分别为 2 和 4；原料限制为 30，消耗分别为 3 和 2。目标是利润最大化，输出最优产量和最大利润。
返回模型求解结果，包括 A、B 的最优产量、最大利润，以及约束是否满足。
请用 Opti-MCP 求解一个整数规划：3 名员工覆盖早班和晚班。员工 1 可上早晚班，成本 8；员工 2 只能早班，成本 5；员工 3 只能晚班，成本 6。早班至少需要 2 人，晚班至少需要 2 人。变量取 0 或 1，目标是最小化总成本。
给出是否安排每位员工上班的最优方案、最低总成本，以及是否存在可行解。
请用 Opti-MCP 求解 0/1 背包问题：预算上限 15，有 5 个项目，成本分别为 4、6、3、5、8，收益分别为 7、10、4、8、13。每个项目只能选或不选一次，目标是收益最大化。输出入选项目编号、总成本和总收益。
返回最优入选项目组合，并汇总总成本、总收益与是否达到全局最优。
用 Google OR-Tools 通过 JSON 建模并求解约束与优化问题。
通过 MCP 提供 COPT 文档、示例代码与引用格式，辅助准确调用求解器接口。
用约束求解自动修正方程变量值，帮助排查 OCR 或表单识读错误。
让 AI 直接操作 OmniFocus，管理任务、项目与收件箱流程。
帮你优化提示词并搭建智能体脚手架
帮助 AI 助手在 OTOBO ITSM 中搜索、创建与更新工单并处理服务请求。