我停止了重建望远镜，转而制造了一个镜头......

看起来您只提供了来源链接，而没有提供需要翻译的正文内容。请把要翻译的文本粘贴在 Source: 行之后，我就可以为您完成简体中文翻译。

背景

在我之前翻译《Surya Siddhanta》（一本古代印度天文学著作）的工作中，我花了数月时间手动计算行星位置，以验证梵文诗句与现代星历表的一致性。这个过程既繁琐又重复，需要为单一文化背景定制模拟。

当我转向毕业设计，专注于玛雅和中国天文学时，我几乎又陷入了同样的陷阱。我开始为玛雅历法编写新的模拟程序，随后又计划为汉代编写另一个。我意识到，每当想观察不同的“星星”，我都在重新构建“望远镜”。

Source: …

Sky Culture MCP

这种认识促成了 Sky Culture MCP 的创建——一个抽象轨道力学的计算微服务，使 AI 代理能够专注于文化解读。

核心理念很简单：改变镜头，而不是望远镜。

• 望远镜：物理引擎——用于计算 2000 年前某颗行星位置的复杂数学。
• 镜头：特定的文化语境（名称、日期及其意义）。

Model Context Protocol (MCP)

该服务使用 Model Context Protocol (MCP) 将高精度天文数据与大型语言模型（如 Claude）进行桥接。

与其让 LLM “凭空想象” 某个特定的玛雅长计数日期对应的火星位置，代理会查询 MCP 服务器。服务器负责向量运算并返回精确的 J2000 坐标。

Primary Function Signature

def convert_culture_to_coordinates(culture_id: str, object_name: str, date_str: str) -> dict:
    """
    Takes a cultural input and returns a scientific output.
    """

示例

• 输入：culture_id="mayan"，object_name="chak_ek"，date_str="M:9,16,4,10,8"
• 输出：儒略日数、赤经和赤纬

镜头库 (JSON)

文化“镜头”在 JSON 库中定义，该库将本土名称映射到现代标识符。

{
  "chinese_han": {
    "name": "Chinese (Han)",
    "objects": {
      "yinghuo": {
        "name": "Yinghuo (Fire Star)",
        "modern_id": "mars"
      }
    }
  },
  "mayan": {
    "name": "Mayan",
    "objects": {
      "chak_ek": {
        "name": "Chak Ek (Great Star)",
        "modern_id": "venus"
      }
    }
  }
}

Docker 集成

将引擎以 Docker 容器的形式运行，可轻松融入日常工作流。以下代码片段展示了如何在 Claude 桌面配置中添加该服务：

{
  "mcpServers": {
    "sky-culture-lite": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "yourname/sky-culture-lite"
      ]
    }
  }
}

现在，当在 Claude 中讨论历史文本时，AI 可以调用此工具获取真实的天文数据，而无需打开单独的模拟程序。

结论

本项目展示了 AI 在历史和科学领域使用方式的转变：

• 不要依赖大型语言模型进行精确数学运算（它们容易出错）。
• 将物理计算交给确定性的引擎（如 Skyfield）。
• 使用 MCP 作为桥梁，让 AI 能“戴上玛雅的镜头”或“汉代的镜头”，从而看到这些文化当时所看到的天空，同时专注于解释、诗意和意义。

这种方法实现了准确且具文化语境的天文查询，赋能考古天文学及相关领域的研究者。