Keying Research Draw v0.1.4 正式发布
从本地科研绘图工具到可远程部署的 MCP 服务。Keying Research Draw（柯影科研绘图）迎来 v0.1.4 版本更新。本次发布围绕 MCP 工具能力、远程服务接入、Docker 容器化部署、会话工作区管理以及运行安全 展开，进一步完善科研绘图服务的工程化基础。相比单纯增加绘图功能，v0.1.4 更关注一个实际问题：如何让科研绘图能力脱离单一运行环境，成为能够被不同 AI Agent 客户端调用的独立服务？这也是本次版本升级的核心方向。
01｜MCP 工具能力扩展
在 AI Agent 驱动的科研工作流中，图表渲染只是整个流程的一个环节。实际使用过程中，数据需要经过导入、检查、参数配置、渲染以及结果管理等多个步骤。为完善这一工作流程，v0.1.4 新增了多项 MCP 工具能力。
数据导入与上传
支持通过工具导入数据，并为远程场景提供文件上传能力，为后续绘图操作准备输入数据。
工作区文件管理
支持查询当前工作区中的文件列表，帮助 Agent 识别已经导入的数据及相关文件。
数据预览
在正式渲染之前，可以通过工具预览数据内容，辅助检查数据结构。
绘图参数预校验
新增绘图参数预校验能力，使参数问题能够在正式渲染之前被发现。
渲染结果管理
支持查询已有渲染结果，方便后续定位和使用生成的图表文件。通过这些能力，科研绘图逐渐形成更加完整的工具调用流程：
数据导入 → 数据预览 → 参数校验 → 图表渲染 → 结果查询这些工具能够被 AI Agent 组合使用，为进一步构建自动化科研绘图工作流提供支持。
02｜新增远程 MCP 服务支持
此前，项目已经支持通过本地 stdio 模式提供 MCP 工具。v0.1.4 在保留本地运行方式的基础上，新增了基于 Streamable HTTP 的远程 MCP 服务。远程服务通过以下路径提供：
/mcp这意味着科研绘图服务可以部署在独立设备或服务器上，由具备网络访问权限与认证信息的 MCP 客户端进行调用。
本地 stdio 模式
适用于个人开发环境、本地 AI Agent 应用以及单机科研工作流。
远程 Streamable HTTP 模式
适用于希望将绘图能力独立部署，并通过网络提供给其他 Agent 客户端使用的场景。
通过两种运行模式，项目能够适应不同的科研开发与应用集成需求。本次更新还修复了 FastMCP HTTP 服务启动配置问题，进一步完善远程服务的启动流程。
03｜Docker 容器化部署
为了降低部署环境差异带来的影响，v0.1.4 新增了独立的 MCP 服务 Docker 镜像。镜像采用 Python 3.13.15 运行环境，面向 Linux amd64 架构构建。与完整 Web 应用不同，该镜像专注于提供 MCP 服务，不包含 Web 前端。这种设计使 MCP 服务能够作为独立组件部署，便于在现有系统中集成。镜像设计特点:
使用独立的 Python 运行环境。
以非 root 用户身份运行容器。
通过 Docker Secret 提供认证令牌。
将数据、配置与密钥保存在容器镜像之外。
支持挂载宿主机工作区目录。
服务端口默认仅绑定本机回环地址。
04｜会话工作区管理
科研绘图任务通常涉及多个输入文件、绘图配置以及输出结果。当多个会话共同使用同一个绘图服务时，如何组织这些文件就成为需要解决的问题。v0.1.4 引入了基于会话工作区的文件管理机制。每次文件或绘图工具调用，都需要通过顶层参数 workspace_path 指定当前会话的绝对工作区路径。不同会话的 MCP 输入与输出分别存储在各自工作区内：
inputs/mcp/
outputs/mcp/通过明确的工作区路径，可以将不同任务对应的数据与图表结果分别管理，减少文件混淆。
05｜服务安全机制完善
远程 MCP 服务在提高使用灵活性的同时，也需要考虑访问认证和文件存储安全。本次更新在 Docker 部署中引入了多项安全设计。
Bearer Token 认证
远程 HTTP 请求通过以下请求头进行身份认证：
Authorization: Bearer <token>服务端对请求中的令牌进行验证，避免在未提供有效认证信息的情况下直接调用相关服务。
Docker Secret 管理
服务认证令牌通过 Docker Secret 在运行时提供，不直接写入容器镜像。这种设计有助于将服务运行配置与镜像构建产物分离。
默认本地端口绑定
Docker Compose 默认将服务端口绑定到本机回环地址，避免服务在默认配置下直接监听所有网络接口。如需跨设备访问，应根据实际环境配置网络代理、TLS 和访问控制。
06｜中文科研绘图体验优化
对于中文科研场景，字体兼容性是影响图表输出质量的重要因素之一。尤其是在 Linux 容器环境中，缺少中文字体可能导致标题、坐标轴标签等文字无法正常显示。为改善这一问题，v0.1.4 在 Docker 镜像中安装了 Noto CJK 字体。Linux 绘图环境默认使用：
Noto Sans CJK SC相关中文绘图能力已通过柯影智航客户端进行端到端验证。本次验证覆盖了中文标题及坐标轴等绘图内容，为中文科研图表的正常渲染提供支持。
07｜依赖安全与工程质量
除新增功能外，本次发布还对项目的工程质量进行了维护。主要包括：
更新 Python 依赖约束及锁文件。
更新前端依赖约束及锁文件。
处理已报告的依赖安全问题。
保留后端、前端与 CLI 自动化检查。
修复 GitHub Container Registry 镜像发布命名空间问题。
这些改进主要面向项目长期维护、版本发布和运行稳定性。
08｜应用场景与发展方向
Keying Research Draw 不仅面向传统的科研绘图使用方式，也希望进一步探索科研可视化能力与 AI Agent 的结合。基于当前版本已经实现的功能，项目可以为以下场景提供技术支持。
AI Agent 科研绘图
通过 MCP 工具，让智能体在执行任务时调用数据预览、参数校验和绘图功能。
科研工作流集成
将科研绘图作为独立的工具服务，接入现有的 AI 应用和科研辅助系统。
独立绘图服务部署
通过 Docker 将 MCP 服务部署在专门的运行环境中，为受信任的客户端提供绘图能力。
科学数据可视化开发
为需要集成科研绘图功能的开发者提供可复用的工具基础。
这些场景也将成为项目持续完善的方向。