Physbound

🚀 PhysBound

物理层检查工具 — 一个 MCP 服务器，用于验证射频（RF）和物理计算是否符合严格的物理限制。它能够捕捉工程工作流程中人工智能产生的错误信息。

🚀 快速开始

📦 安装指南

pip install physbound

MCP 客户端配置

将 PhysBound 添加到任何与 MCP 兼容的客户端中。例如，在 Claude Desktop（claude_desktop_config.json）、Cursor 或 Windsurf 中：

{
  "mcpServers": {
    "physbound": {
      "command": "uvx",
      "args": ["physbound"]
    }
  }
}

⚠️ 重要提示

首次运行时，uvx 会在首次启动时下载约 60 MB 的依赖项（scipy、numpy）。在终端中运行一次 uvx physbound 以预缓存它们，后续启动将立即完成。

完成上述步骤后，你的人工智能助手现在就可以访问经过物理验证的 RF 计算了。

✨ 主要特性

🔍 捕捉大语言模型（LLM）的错误

大语言模型经常会产生不符合物理规律的结果，而 PhysBound 能够捕捉到这些错误：

由 pytest tests/test_marketing.py -s 自动生成

💻 工具功能

rf_link_budget

使用弗里兹传输方程计算完整的 RF 链路预算，并根据孔径限制验证天线增益。

示例："在 2.4 GHz 链路中，发射功率为 20 dBm，发射天线增益为 10 dBi，接收天线增益为 3 dBi，距离为 100 m 时，接收功率是多少？"

返回值包括：自由空间路径损耗（FSPL）、接收功率、波长，以及可选的孔径限制检查结果。该工具会拒绝违反 G_max = eta * (pi * D / lambda)^2 的天线增益。

shannon_hartley

计算香农 - 哈特利信道容量 C = B * log2(1 + SNR)，并验证吞吐量声明。

示例："一个 20 MHz 信道在 15 dB 信噪比下能否支持 500 Mbps？"

返回值包括：理论容量、频谱效率，以及该声明是否符合物理规律。如果声明违反香农极限，会标记出超出的具体百分比。

noise_floor

计算热噪声功率 N = k_B * T * B，使用弗里兹噪声公式计算多级接收机的级联噪声系数，并计算接收机灵敏度。

示例："一个 1 MHz 接收机在 290K 温度下，采用两级低噪声放大器（LNA）级联时，噪声基底是多少？"

返回值包括：以 dBm 和瓦特为单位的热噪声、级联噪声系数、系统噪声温度，以及接收机灵敏度。

radar_range

计算单基地雷达探测范围方程 R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min L)]^(1/4)，并验证探测范围声明。

示例："一个 1 kW X 波段雷达，天线增益为 30 dBi，能否在 200 km 处探测到雷达散射截面积（RCS）为 0.01 m² 的无人机？"

返回值包括：最大探测范围、最小可检测信号、波长，以及中间计算值。该工具能够捕捉常见的四次方根谬误，即错误地认为发射功率加倍会使探测范围加倍。

🔧 物理保证

每个计算结果都会根据严格的物理限制进行验证：

• 光速：c = 299,792,458 m/s — 无例外情况
• 热噪声基底：290K 时 N = -174 dBm/Hz — 符合 IEEE 标准参考值
• 香农极限：C = B * log2(1 + SNR) — 任何吞吐量声明都不能超过该极限
• 孔径极限：G_max = eta * (pi * D / lambda)^2 — 天线增益受物理规律限制
• 雷达探测范围方程：R_max = [P_t G^2 lambda^2 sigma / ((4pi)^3 S_min)]^(1/4) — 探测范围遵循四次方根定律

如果计算结果违反物理限制，将返回结构化的 PhysicalViolationError 响应，并附带 LaTeX 解释，而不是静默失败。

💻 使用示例

实时捕捉错误信息

• 捕捉错误信息 — 详细介绍四种大语言模型的实际失败模式，并提供完整的 JSON 响应。
• 交互式演示笔记本 — 一个实践型 Jupyter 笔记本，可直接调用物理计算引擎。

📚 详细文档

开发步骤

# 克隆仓库并安装依赖
git clone https://github.com/JonesRobM/physbound.git
cd physbound
uv sync --all-extras

# 运行测试
uv run pytest tests/ -v

# 打印错误信息差异表
uv run pytest tests/test_marketing.py -s

# 本地启动 MCP 服务器
uv run physbound

为什么选择 PhysBound？

人工智能编码助手在 RF 工程、电信和信号处理工作流程中的应用越来越广泛。然而，大语言模型本身并不理解物理规律，它们可能会生成看似合理但违反基本物理定律（如香农 - 哈特利定理、热噪声极限和天线孔径限制）的数值。

PhysBound 可以作为任何与 MCP 兼容的人工智能助手的 物理防护栏。每个计算结果都会通过 SciPy 与 CODATA 物理常数进行核对，并通过 Pint 进行量纲分析。如果计算结果违反物理限制，将返回结构化的错误信息，并附带 LaTeX 解释，而不是静默失败。

使用场景

• RF 系统设计审查 — 验证链路预算、接收机灵敏度和噪声级联。
• 电信提案审核 — 在提案提交给客户之前，捕捉不可能实现的吞吐量声明。
• 教育工具 — 通过经过验证的计算，教授香农 - 哈特利定理、弗里兹传输方程和热噪声知识。
• 物理计算的持续集成/持续部署（CI/CD） — 作为工程流程中的验证步骤进行集成。

📄 许可证

本项目采用 MIT 许可证。详情请见 LICENSE。

相关链接

• 模型上下文协议 — 人工智能工具集成的开放标准
• MCP 服务器注册表 — MCP 服务器的官方目录
• FastMCP — 用于构建 MCP 服务器的 Python 框架

支持我们

如果 PhysBound 对你的工作有帮助，欢迎 请作者喝杯咖啡。