OriginLab MCP: AI를 OriginLab 어시스턴트로 활용하기

AI를 OriginLab 어시스턴트로 활용하세요

Model Context Protocol (MCP)을 통해 OriginLab 데이터 분석 및 시각화를 Antigravity, Claude, Cursor 및 기타 AI 클라이언트와 연결합니다.

빠른 시작 · 기능 · 예시 · 클라이언트 설정

简体中文 · English

경고

초기 v0.2 릴리스 - 이 프로젝트는 현재 활발히 개발 중입니다. 기능 및 API가 변경될 수 있습니다. 테스트 및 피드백용으로는 적합하지만, 아직 프로덕션 환경에서의 사용은 권장하지 않습니다.

OriginLab MCP Server는 AI 클라이언트와 OriginLab 사이의 가교 역할을 합니다. 이를 통해 Origin UI를 수동으로 조작하는 대신, 자연어 요청을 통해 데이터를 가져오고, 그래프를 생성하며, 피규어를 커스텀하고, 분석을 실행하며, 결과를 내보낼 수 있습니다.

사용자: 내 데스크톱의 experiment.csv를 Origin으로 가져와서 첫 번째 열을 X로, 두 번째 열을 Y로 사용하고, 산점도(scatter plot)를 생성한 뒤, 가우시안 피팅(Gaussian fit)을 실행하고, 그래프를 PNG로 내보내줘.
...

AI 클라이언트 (Antigravity / Claude / Cursor)
↓ MCP over stdio
OriginLab MCP Server (Python)
...

요구 사항	세부 사항
운영 체제	Windows
...

AI 어시스턴트 또는 원커맨드(one-command) 로컬 설정을 위해, 저장소 루트에서 다음을 실행하세요:

powershell -ExecutionPolicy Bypass -File .\scripts\install-and-open.ps1

이 스크립트는 필요한 경우 uv를 설치하고, uv sync를 실행하며, 로컬 상태 패널을 시작하고, http://127.0.0.1:8765/를 자동으로 엽니다. 해당 페이지에서 Origin을 테스트하고 MCP 클라이언트 설정을 작성할 수 있습니다.

설치 방법 중 하나를 선택하세요.

옵션 A: uv (권장)

1. uv 설치

irm https://astral.sh/uv/install.ps1 | iex

2. 의존성 설치

cd C:\path\to\originlab-mcp
uv sync

3. 서버 시작

uv run originlab-mcp

옵션 B: pip

1. 가상 환경 생성 (선택 사항이지만 권장됨)

cd C:\path\to\originlab-mcp
python -m venv .venv
.venv\Scripts\activate

2. 프로젝트 설치

pip install -e .

3. 서버 시작

originlab-mcp

시작 후, 서버는 stdio를 통해 MCP 클라이언트 요청을 대기합니다. 첫 번째 도구 호출 (tool call) 시 로컬 OriginLab 설치 환경에 자동으로 연결됩니다.

MCP 서버가 시작될 수 있는지, Origin에 접속 가능한지, 그리고 일반적인 클라이언트 설정 파일이 존재하는지 확인하려면 로컬 UI를 시작하세요:

uv run originlab-mcp-ui

그 다음 http://127.0.0.1:8765/를 여세요. 이 페이지에서는 디버그용 MCP 서버 서브프로세스 (subprocess)를 시작/중지할 수 있으며, Origin 연결을 테스트하고 Antigravity / Gemini, Cursor, Codex, Trae, Claude Desktop을 위한 originlab MCP 설정을 작성할 수 있습니다. 일반적인 사용 시에는 AI 클라이언트가 설정에 따라 서버를 자동으로 시작해야 합니다.

기존 설정 파일을 업데이트할 때, UI는 먼저 .bak-timestamp 백업을 생성합니다. 브라우저가 자동으로 열리는 것을 방지하려면 다음과 같이 입력하세요:

$env:ORIGINLAB_MCP_UI_NO_BROWSER = "1"
uv run originlab-mcp-ui

서버는 OriginLab 데이터 워크플로 (workflow)를 아우르는 **65개의 도구 (tools)**를 제공합니다.

카테고리	도구
Import	import_csv · import_excel · import_data_from_text
...
카테고리	도구
---	---
Create	create_plot · create_double_y_plot
...
카테고리	도구
---	---
Axes	set_axis_range · set_axis_scale · set_axis_step · set_axis_title
...

linear_fit · nonlinear_fit · list_fit_functions

Gauss, Lorentz, ExpDec1, Boltzmann과 같은 일반적인 Origin 피팅 함수 (fit functions)를 지원합니다. 초기 파라미터 (initial parameters)를 제공하거나, 파라미터를 고정 (fix parameters)할 수 있으며, 오차 막대 (error bars)를 포함하여 피팅할 수 있습니다.

export_graph · export_all_graphs · export_worksheet_to_csv · save_project · open_project · new_project · get_origin_info · release_origin · reconnect_origin · close_origin · execute_labtalk · get_labtalk_variable

execute_labtalk는 표준 도구로 다루지 않는 작업을 위한 탈출구 (escape hatch) 역할을 합니다. get_labtalk_variable은 LabTalk 변수 값을 안전하게 읽어옵니다.

요청 (Request)	일반적인 도구 호출 (Typical tool call)
data.csv를 Origin으로 가져오기 (Import)	import_csv
워크시트 열(column) 및 메타데이터 표시	get_worksheet_info
첫 번째 열을 X로, 다음 두 열을 Y로 설정	set_column_designations
산점도 (scatter plot) 생성	create_plot
...	apply_publication_style

apply_publication_style은 layer_index, 축 제목 글꼴 크기 (axis-title font size), 눈금 라벨 글꼴 크기 (tick-label font size), 범례 글꼴 크기 (legend font size), 주 눈금 길이 (major tick length), 보조 눈금 개수 (minor tick count), 선 두께 (line width), 심볼 크기 (symbol size) 및 기타 일반적인 출판용 피규어 (publication-figure) 설정을 지원합니다.

일반적인 워크플로 (Typical workflow):

데이터 가져오기 (Import data) -> 구조 검사 (inspect structure) -> 열 지정 (set column designations) -> 플롯 생성 (create plot) -> 그래프 커스텀 (customize graph) -> 분석 실행 (run analysis) -> 결과 내보내기 (export results)

참고 (Note)

MCP 서버를 수동으로 시작할 필요는 없습니다. 설정이 완료되면, AI 클라이언트가 필요할 때 서버 프로세스를 시작하고 stdin/stdout을 통해 통신합니다.

경로를 실제 프로젝트 경로로 교체하세요.

또한 uv run originlab-mcp-ui를 실행하여 로컬 상태 패널에서 클라이언트를 선택하면 설정 파일이 자동으로 작성되도록 할 수 있습니다. 수동 예시는 아래와 같습니다.

프로젝트 루트에 .gemini/settings.json을 생성하세요.

uv 사용 시:

{
"mcpServers": {
"originlab": {
...

pip 사용 시:

{
"mcpServers": {
"originlab": {
...

Claude Desktop

위와 동일한 형식을 사용하여 %APPDATA%\Claude\claude_desktop_config.json을 편집하세요.

Cursor

위와 동일한 형식을 사용하여 프로젝트 루트에 .cursor/mcp.json을 생성하세요.

Trae

위와 동일한 형식을 사용하여 프로젝트 루트에 .trae/mcp.json을 생성하세요.

Codex (OpenAI)

위와 동일한 형식을 사용하여 프로젝트 루트에 .codex/config.json을 생성하세요.

# uv
uv run python -m pytest tests/ -v
# pip, 가상 환경 활성화 후
...

기본 테스트 스위트 (test suite)는 OriginLab 설치를 요구하지 않습니다.

originlab-mcp/
├── pyproject.toml # 프로젝트 설정 및 의존성 (Project configuration and dependencies)
├── CHANGELOG.md # 릴리스 노트 (Release notes)
...

Origin 연결 실패 (Origin connection failed)

다음 사항을 확인하세요:

• OriginLab 2021 이상의 버전이 로컬에 설치되어 있음
• 유효한 OriginLab 라이선스를 보유함
• 현재 사용자가 Origin을 실행할 수 있음
• 다른 프로그램이 Origin COM 인터페이스를 차단하고 있지 않음

MCP 클라이언트가 도구(tools)를 인식하지 못함

• 클라이언트 설정 경로(configuration path)가 올바른지 확인하십시오.
• uv sync 또는 pip install -e .를 통해 의존성(dependencies)이 설치되었는지 확인하십시오.
• MCP 클라이언트를 재시작하십시오.

피팅(Fit) 결과가 부정확해 보임

• get_worksheet_data를 사용하여 이상치(outliers)가 있는지 확인하십시오.
• initial_params를 통해 더 나은 초기값(initial values)을 제공하십시오.
• fixed_params를 사용하여 알려진 파라미터(parameters)를 고정하십시오.
• 피팅 함수(fit function)가 적절한지 확인하십시오. list_fit_functions를 사용하여 일반적인 옵션들을 검사하십시오.

MIT © 2025 garethbeaumo