基于确定性 MCP 工具消除结构工程中的大模型幻觉

在大语言模型（LLM）主导的软件工程变革中，AI Agent 已展现出极强的文本理解与逻辑推理能力。然而，当将 LLM 引入结构工程（Structural Engineering）与建筑设计（AEC）等零容忍领域时，模型对物理规则与精确定量的把握却屡屡失误。在严格受《国际住宅规范》（IRC）约束的楼梯结构设计中，LLM 随意“幻觉”出的浮点数截面尺寸不仅是 UX 体验层面的瑕疵，更是直接关乎物理安全与法规安全的重大隐患。

当生成式模型给出一个超出 IRC 允许的最大踢面高度（7.75 英寸）的设计方案，或者忽视 16 英尺连续跑梯必须设置中间休息平台的硬性规定时，这种错误便从数字世界延伸到了物理世界。为了解决这一痛点，开发者必须跳出单纯依赖 Prompt 工程与检索增强生成（RAG）的局限，通过模型上下文协议（Model Context Protocol, MCP）赋予 AI Agent 驱动确定性计算引擎的能力。

通过结合 n1n.ai 提供的高稳定、低延迟 LLM API 网关，开发者能够将大模型的概率化推理与外部确定性工具无缝结合，构建生产级的工程计算 Agent。

概率化 Token 预测与确定性工程逻辑的根本冲突

要彻底消除 LLM 在物理工程中的幻觉，首先需要理解 LLM 的本质机制。Transformer 模型通过计算前文 Token 推导下一个 Token 的概率分布：

$P(w_t \\mid w_1, w_2, \\dots, w_{t-1})$

这种机制极擅长自然语言分析与抽象概念梳理，但其内部并不包含处理空间几何、三维碰撞检测与高精度浮点数演算的确定性运行时（Deterministic Runtime）。

为什么 RAG 无法解决几何约束问题？

业界存在一个普遍误区，认为只需要将建筑规范（如 IRC Section R311.7）导入向量数据库并使用 RAG 架构即可解决合规性问题。然而，RAG 仅仅完成了文本检索，并未赋予 LLM 空间算术执行力。

下表对比了纯概率模型（含 RAG）与基于 MCP 的确定性工具在处理楼梯结构时的差异：

设计维度	概率化 LLM / RAG 方案	确定性 MCP 工具方案
踢面（Riser）计算	根据训练数据“猜测”看似合理的值（如针对 108" 总高度随意回答 7.5" 踢面）。	执行 `total_rise / target_risers`，在 1/16 英寸精度内严格收敛。
净空高度（Headroom）	简单比较文本描述，极易遗漏斜向运动轨迹与上层楼板交界处的碰撞。	实时计算楼梯鼻线与上层开口边缘的 3D 向量距离，精准校验。
法规硬性限界	将 IRC 规范（如连续垂直高度不得超过 147"）视为“软性建议”。	强制布尔断言（Guardrails），一旦 `vertical_rise > 147` 立即阻断并触发修正。
累计误差控制	随着多跑梯梯段叠加，浮点数舍入误差呈线性累积。	始终使用标准双精度浮点数引擎处理整个计算链。

当 LLM 试图直接生成几何数值时，它并非在执行数学计算，而是在回忆“计算过程看起来像什么”。这种概率预测导致了结构工程中无法承受的安全风险。

模型上下文协议（MCP）：从计算者到协调者的架构转变

由 Anthropic 开源的模型上下文协议（MCP）重新定义了 AI Agent 与外部系统的交互方式。MCP 并不强求 LLM 内部进行复杂的数值运算，而是建立了一套标准化的 Client-Server 机制。在这一架构下，LLM 扮演**意图协调者（Intent Orchestrator）**的角色，而具体的数值推演与法规校验则交由专用的 MCP 工具处理。

+-------------------------------------------------------------------------+
|                               用户输入                                  |
|          "请为 118 英寸层高的建筑设计一套符合 IRC 标准的直跑楼梯"       |
+-------------------------------------------------------------------------+
                                     |
                                     v
+-------------------------------------------------------------------------+
|                     LLM Agent (通过 n1n.ai API 调用)                    |
|          (解析用户意图，匹配所需 MCP 工具及其参数 Schema)              |
+-------------------------------------------------------------------------+
                                     |
                                     | JSON-RPC 2.0 (MCP Tool Call)
                                     v
+-------------------------------------------------------------------------+
|                        STAIR BUILDER MCP SERVER                         |
|                                                                         |
|  1. calculate_stair_geometry(total_rise: 118, target_tread: 10)         |
|  2. check_clearance_and_headroom(stair_profile, floor_opening)          |
|  3. validate_landing_requirements(total_rise, run_length)               |
+-------------------------------------------------------------------------+
                                     |
                                     | 返回经物理与法规验证的 JSON 结果
                                     v
+-------------------------------------------------------------------------+
|                              最终 AI 输出                               |
|    "首次计算 15 级踢面（单级 7.87"，超出 IRC 允许的 7.75" 上限）。        |
|     自动修正为：16 级踢面（单级 7.375"），踏面 10"，总跑长 150"，已验证！" |
+-------------------------------------------------------------------------+

在复杂的 Agent 工作流中，频繁的 Function Calling 对 API 的响应速度与成功率有着极高的要求。通过接入 n1n.ai 统一 API 网关，开发者可以无缝调用包括 Claude 3.5 Sonnet、DeepSeek-V3 与 OpenAI o3-mini 在内的多款顶级大模型，确保工具调用的极致低延迟与高可用。

核心工具设计：楼梯工程 MCP Server 实现

为了保障结构设计的严谨性，专门构建的 Stair Builder MCP Server 包含了三个核心工具：

1. `calculate_stair_geometry`

该工具负责基础物理几何的推演，计算总踢面数、精准踢面高度、踏面深度（Tread Depth）与总跑长（Total Run），同时嵌入 IRC Section R311.7 法规限制：

最大踢面高度：7.75 英寸（197 mm）
最小踏面深度：10.0 英寸（254 mm）
舒适度公式： $2R + T \\approx 24 \\text{ 至 } 25.5 \\text{ 英寸}$

2. `check_clearance_and_headroom`

净空高度（Headroom）是住宅设计中最容易被忽视的变量。IRC 规定从踏面鼻线构成的斜面向上垂直测量，必须保持至少 6 英尺 8 英寸（80 英寸 / 2032 mm）的净空。该工具实时进行二维/三维几何相交校验。

3. `validate_landing_requirements`

建筑规范规定，单跑楼梯的连续垂直高度不得超过 147 英寸（3734 mm）。该工具作为强效逻辑护栏，一旦检测到超出限制，将强制 Agent 在设计方案中加入中间休息平台。

TypeScript 代码实现：MCP 楼梯计算 Server

以下是基于 @modelcontextprotocol/sdk 编写的完整生产级 TypeScript 服务端实现：

import \{ Server \} from "@modelcontextprotocol/sdk/server/index.js";
import \{ StdioServerTransport \} from "@modelcontextprotocol/sdk/server/stdio.js";
import \{
  CallToolRequestSchema,
  ListToolsRequestSchema,
  Tool
\} from "@modelcontextprotocol/sdk/types.js";

// IRC 法规常量定义
const IRC_MAX_RISER_INCHES = 7.75;
const IRC_MIN_TREAD_INCHES = 10.0;
const IRC_MIN_HEADROOM_INCHES = 80.0; // 6'8"
const IRC_MAX_CONTINUOUS_RISE_INCHES = 147.0;

// 工具 Schema 定义
const STAIR_GEOMETRY_TOOL: Tool = \{
  name: "calculate_stair_geometry

参考来源：https://dev.to/renato_marinho/moving-beyond-llm-hallucinations-in-structural-engineering-via-deterministic-mcp-tools-28o4