面向材料研究的学术数据平台，可检索计算结构与性质，为材料发现与机器学习研究准备参考数据。
条目更新 ·
本条目收录 Materials Project 网站与科研数据平台。官方文档列有机器学习相关数据和工具，平台与已有 Materials Project API、第三方 MCP 条目分别描述。使用计算数据时需核对方法；网站登录与 API 访问条件应分别确认。
阅读官方文档，使用 Materials Explorer 的检索与筛选，查看材料记录，再按需导出结构；保留标识符与计算方法信息。
Materials Project API 是以 mp-api 发布的 Python 客户端项目，其官方数据访问文档和可选 MCP 服务器入口点均在其软件包配置中声明。
材料发现 · 科学数据
一款第三方 MCP 服务器，通过 mp_api 将助手客户端接入 Materials Project，提供材料搜索、晶体结构、电子性质及其他材料数据查询工具。
材料发现 · 科学数据
管理与检索材料科研数据的学术平台，可通过 NOMAD AI Toolkit 使用基于 Notebook 的分析流程。
材料发现 · 科学数据
ALIGNN 提供用于材料性质预测的原子图神经网络，并包含训练工作流、预训练预测器和用于结构优化的 ALIGNN-FF 力场。
材料发现
Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势，并提供文档说明的 GPU 加速选项，以及用于 LAMMPS 模拟的独立插件。
计算化学 · 材料发现
computational-chemistry-agent-skills 集合中的 ASE 路由 Skill，将工作流准备与计算器配置分开，并将执行委托给其他环节。
计算化学 · 材料发现
材料数据库、研究智能体与科学 Skills 实用指南：如何组织晶体筛选、计算与分析，同时区分凸包、平衡、声子和实验稳定性相关主张。
通过区分语言模型、编排、Skills、MCP 接口、API、库和数据，设计化学 AI 智能体技术栈。参考提出的分子与材料工作流，定义输入/输出契约，并规划权限、评估和可复现部署。
从科学用途、数据来源、工具契约、许可证据和部署需求等方面比较九种化学 MCP 实现，并据此设计可追溯的多服务器评估，而不是只依赖功能列表。