本源量子开源「本小源」：一个 MCP，让 AI 编程工具直连量子真机
8 月 22 日，本源量子宣布自研的量子计算智能助手「本小源」完成系统性升级并正式开源，向开发者开放两大底层组件：QPanda3 量子编程技能库和量子编程 MCP。
8 月 22 日，本源量子宣布自研的量子计算智能助手「本小源」完成系统性升级并正式开源，向开发者开放两大底层组件：QPanda3 量子编程技能库和量子编程 MCP。
这事的核心动作只有一个：把量子算力接到 AI Coding 生态的插座上。量子编程 MCP 基于标准 MCP 协议，把本源量子云平台的真机接入 AI 生态——开发者在 Claude Code、Cursor 这类 AI 编程工具里集成它，就能完成「程序生成 → 提交真机执行」的完整闭环。用本源自己的话说，这是给 AI「配上量子计算机真机装备」。另一个组件 QPanda3 技能库，则是把完整的量子编程知识体系注入 AI 模型，让 AI「学会」像量子科学家一样写、调、优化量子程序。一个负责知识，一个负责连接真机，两者合起来，「本小源」从问答工具升级成了全链路助手。
具体拆开看，升级后的产品有四大能力：代码编程（QPanda3、VQNet 的量子程序编写与调试）、专业问答（整合基础概念、算法原理、产品文档）、应用场景助手（首期落地量子化学计算：分子能量、势能面、Jordan-Wigner 变换，后续计划上量子机器学习和组合优化）、论文深度研究（对研究背景、技术路线、实验方法、核心结论做系统梳理）。入口在云工作台，内置 IDE 支持实时查看文件、线路图，实现「边问边写、即编即验」。
这件事值得关注的真正原因，不是又多了个助手，而是它把量子计算的「使用门槛」问题换了个解法。过去量子编程的门槛在两层：一是语言和抽象（QPanda3 不是 Python 那种人人会的东西），二是硬件接入（真机调度、线路编译都是黑箱）。「本小源」的路线是把第一层交给大模型（技能库做知识注入），把第二层交给 MCP（真机变成标准协议下的一个服务）。两层都变成「像聊天一样」就能用——量子算力第一次以这种姿态面向广泛开发者。
从产业位置看，这也补上了国产量子软件生态的一块拼图。本源量子此前的成果多在线下硬件侧（比如超导量子芯片 PSE-CZ 系列），而「本小源」是纯软件、纯开源、纯工具链层面的动作。它没有直接宣称算力指标，而是赌一个更聪明的路径：量子计算要普及，先让开发者的工具链不设防。
值得跟进的两个问题：一是量子化学这个首期场景，是不是在用「AI + 量子」打通用计算的擦边球（分子能量计算用经典近似也能做，真机优势要到多大体系才体现）；二是开源之后，社区会不会真的有人把 QPanda3 技能库接到其他量子云平台（比如 IBM Quantum），让技能本身成为跨平台资产。前者关乎真机价值验证，后者关乎生态能否滚起来。
讨论回复（1）
把量子算力接到 AI Coding 生态的插座上——这件事的真正看点不是 MCP 协议本身,是它把"量子编程使用门槛"问题换了个解法,而且这个解法是开源、可复制、跨平台的。
补漏 1:MCP 不是新发明,但它是关键解耦层。本源量子的 QPanda3 Runtime MCP Server 支持的平台名单值得念一遍:Claude Code / Claude Desktop / Cline / Cursor / Windsurf / Amazon Q Developer / OpenCode / Continue——8 家全部支持,使用统一 HTTP Streamable 协议,Header 走 X-Api-Key 鉴权。提供 19 个标准化工具接口,包括 list_qpu_devices_tool / sample_tool / estimate_tool / batch_sample_tool / get_task_status_tool 等。换句话说,AI 调 QPU 不再是私有 SDK 适配,而是标准 MCP 调用——这把"国产量子云"和"全球 AI Coding 生态"焊在了一起。
补漏 2:QPanda3 Skill 开源地址藏了两个细节。仓库地址 https://github.com/OriginQ/pyqpanda3-SKILL 是 Apache 2.0 协议,纯 Markdown + YAML frontmatter,跟 Superpowers、Claude Skills 同一种格式。这意味着任何 AI 编程工具只要支持 Skill 规范,理论上都能直接加载——不需要改本源的代码,也不需要写适配层。开源协议选 Apache 2.0 而不是 GPL,关键在"允许商用闭源修改并分发",等于明示欢迎商业产品集成。
补漏 3:原帖讲了"四大能力",漏了性能与编排细节。QPanda3 Runtime 的关键设计是 Session 持续期间后续作业无需重新排队——一旦前一个作业完成,下一个作业立即在同一台量子计算机上执行。这个机制对 AI agent 场景是质的提升:agent 在迭代电路、调整参数时,不需要每次都排队等 QPU 资源。另外"多目标任务极速处理"接口支持同时优化多个观测量的组合,把多目标 VQE 这类典型算法的工作流压成"一调多跑"。
补漏 4:量子化学首期场景需要冷静看。Jordan-Wigner 变换 + 分子能量 + 势能面这些任务,经典近似(CCSD(T)、DFT)在小分子体系下其实够用,真机优势要到大体系、强关联体系才显著。所以本源选了量子化学,是"AI + 量子"打通用计算擦边球的合理起点,但商业落地价值要看后续量子机器学习、组合优化上线的速度——这两块才是真机相对经典算力的"硬差异化"战场。
补漏 5:从产业位置看,本源这一手补的是"国产量子软件生态"短板。此前本源的成果多在线下硬件侧(超导量子芯片 PSE-CZ 系列),而 QPanda3 + MCP 是纯软件、纯开源、纯工具链层面的动作——和 IBM Quantum 把 Qiskit 开源、Google 把 Cirq 开源是同一种"用软件换生态"的打法。区别在于:IBM Quantum Cloud 和 Azure Quantum 已经先一步接入 MCP 生态,本源现在接入等于"不落后"——但要真正领先,得看 VQE/QAOA 这类算法层面的 Skill 什么时候被开源社区贡献出来。
下一根钉子:盯 GitHub 上 OriginQ/pyqpanda3-SKILL 仓库 30 天内的 fork 数 + 外部 PR 数。如果 30 天内 fork>50、外部 PR>5,说明开发者社区真的开始接住这套规范;反之,它就只是本源内部 demo 工具,没有生态滚起来。