Skip to main content

Cold-Chain MCP Server

Analiza danych z czujników łańcucha chłodniczego dla agentów AI. Podłącz swój logger temperatury/wilgotności do Claude, Cursora czy dowolnego klienta MCP i pytaj naturalnym językiem: "czy ten przejazd naruszył łańcuch chłodniczy?", "znajdź anomalie w tym logu", "rozdziel plik na osobne przejazdy".

🔒 Prywatność: cała analiza dzieje się lokalnie. Twoje dane NIE opuszczają maszyny. Żadnych zewnętrznych API, żadnej chmury. Idealne dla środowisk compliance.

Dlaczego to narzędzie

Model językowy słabo liczy odchylenia statystyczne i naruszenia progów na tysiącach punktów pomiarowych — myli chwilowe artefakty czujnika z realnymi naruszeniami, gubi się w timestampach. Ten serwer daje agentowi deterministyczne, powtarzalne narzędzia, które robią tę robotę poprawnie za każdym razem.

Narzędzia

Narzędzie Co robi
summary_stats Statystyki podsumowujące: min/max/średnia/mediana/odchylenie, zakres i czas trwania.
detect_threshold_breaches Wykrywa naruszenia progów (np. 2–8°C) z minimalnym czasem trwania i histerezą — odróżnia realne naruszenie od chwilowego skoku.
detect_anomalies Wykrywa punkty odstające (z-score globalny lub odchylenie od średniej kroczącej).
segment_journey Dzieli ciągły log na osobne przejazdy na podstawie przerw czasowych (START/STOP).

Kluczowa różnica: naruszenie ≠ anomalia

Krótki skok czujnika do 40°C na jedną próbkę to anomalia (błąd sensora), nie naruszenie łańcucha. Otwarte drzwi podnoszące temperaturę do 12°C przez 20 minut to naruszenie, nawet jeśli każda pojedyncza wartość jest "prawdopodobna". To narzędzie rozróżnia oba przypadki — dokładnie to, czego wymaga audyt compliance.

Instalacja

git clone https://github.com/matuzale/coldchain-mcp
cd coldchain-mcp
pip install "mcp[cli]"

Podłączenie do Claude Desktop

Dodaj do claude_desktop_config.json (patrz claude_desktop_config.example.json):

{
  "mcpServers": {
    "cold-chain": {
      "command": "python3",
      "args": ["/absolutna/sciezka/do/coldchain-mcp/server.py"]
    }
  }
}

Zrestartuj Claude Desktop. Narzędzia pojawią się automatycznie.

Format danych

CSV z nagłówkiem lub JSON. Nazwy kolumn są konfigurowalne (parametry ts_field, value_field), a parser rozpoznaje popularne aliasy (temp, temperature, time, czas, wartosc).

timestamp,value
2026-07-20T08:00:00,5.1
2026-07-20T08:05:00,4.9

Przykład użycia (w rozmowie z agentem)

"Załaduj sample_data.csv i sprawdź, czy przejazd naruszył zakres 2–8°C. Naruszenie liczy się dopiero po 10 minutach."

Agent wywoła detect_threshold_breaches(min_temp=2, max_temp=8, min_duration_minutes=10) i zwróci ustrukturyzowany raport.

Roadmapa

  • Eksport raportów PDF (płatny tier)
  • MKT (Mean Kinetic Temperature) — standard farmaceutyczny
  • Wilgotność + korelacja temperatura/wilgotność
  • Detektory dla wielu stref w jednym transporcie

Licencja

MIT

Metadata

Release files for coldchain-mcp 0.1.0

For a detailed explanation of source distributions (sdists) and built distributions (wheels), please see the package formats documentation.

Source distribution (sdist)

Source distribution for coldchain-mcp 0.1.0
File Size Uploaded Provenance Actions
coldchain_mcp-0.1.0.tar.gz 8.0 kB Without provenance Details for coldchain_mcp-0.1.0.tar.gz

Built distribution (wheel)

Table of built distributions (wheels) for coldchain-mcp 0.1.0
File Interpreter ABI Platform Actions
coldchain_mcp-0.1.0-py3-none-any.whl Python 3 none any Details for coldchain_mcp-0.1.0-py3-none-any.whl

Total release size: 16.8 kB

Release files / coldchain_mcp-0.1.0.tar.gz

Download URL coldchain_mcp-0.1.0.tar.gz
Size 8.0 kB
Tags Source
SHA-256 checksum
How to use checksums
512d0e8189f0eae01d9dd5e031fa6736a96585889fb3ae1adeed3fb81c250a4c
BLAKE2b-256 checksum
How to use checksums
91608db5e1e08e60ec0bfb492213858db4ff4ac93918656646a31f81f18c0478
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.2.0 CPython/3.14.6

Release files / coldchain_mcp-0.1.0-py3-none-any.whl

Download URL coldchain_mcp-0.1.0-py3-none-any.whl
Size 8.8 kB
Tags Python 3
SHA-256 checksum
How to use checksums
7e83f9685f8b6e76d458e8bae55482199f0878cede9a65271a2369a83355eb9c
BLAKE2b-256 checksum
How to use checksums
4dae6308f6a4b257328165236e98ddb64e834d4c4866530be169b35241eed7b7
Upload date
Uploaded using Trusted Publishing?
What is trusted publishing?
No
Uploaded via twine/6.2.0 CPython/3.14.6

Security for coldchain-mcp 0.1.0

Provenance

Provenance describes where a file came from. On PyPI, provenance is shared via attestations, which provide a verifiable record of the build or publishing details. View details, limitations and caveats.

No provenance found

None of the files in this release were uploaded with provenance metadata.

A note on package security

PyPI is a repository for distributing packages, not a service for auditing them. While third-party security researchers and our staff do their best to detect and remove malicious packages, PyPI cannot guarantee the quality, security or suitability of any given package.

To learn more about protecting yourself from malicious actors, visit our package security documentation.

Release history Release notifications | RSS feed

This release

0.1.0 This release

2 release files No provenance

Anthropic, PBC Visionary sponsor Bloomberg Visionary sponsor Hudson River Trading Visionary sponsor Meta Visionary sponsor NVIDIA Visionary sponsor Microsoft Sustainability sponsor Depot Continuous Integration AWS Cloud computing and Security Sponsor Datadog Monitoring Fastly CDN Google Download Analytics Sentry Error logging StatusPage Status page