🚀 Oh My KEGG MCP

これはKEGG (Kyoto Encyclopedia of Genes and Genomes) データベースにアクセスするためのModel Context Protocol (MCP) サーバーです。(非公式)

✨ 主な機能

30のKEGGツール：代謝経路、遺伝子、化合物、反応、酵素、疾患、薬物など、様々な生物学的データの検索と分析が可能です。
Streamable HTTP Transport：Web環境で使用可能なHTTPベースの通信方式を採用しています。
LangChain統合：LangChain Agentと完全に統合されており、LLMがKEGGデータを活用できます。
Ollamaサポート：ローカルのLLMモデルと一緒に使用することができます。

📦 インストール

1. 必要なパッケージのインストール

pip install -r requirements.txt

2. 環境変数の設定

.env.example ファイルを参考に .env ファイルを作成します：

cp .env.example .env

.env ファイルを編集して必要な値を設定します：

# OpenAI APIキー (OpenAIモデルを使用する場合に必要)
# Ollamaを使用する場合は設定する必要はありません
OPENAI_API_KEY=your_openai_api_key

# MCPサーバーのURL (クライアントで使用)
# サーバーが別のホスト/ポートで実行されている場合は変更してください
KEGG_MCP_SERVER_URL=http://localhost:3000/mcp

# MCPサーバーの設定 (サーバーを実行する際に使用、オプション)
# デフォルト値が設定されているので、変更する必要はありません
MCP_HOST=localhost
MCP_PORT=3000
MCP_PATH=/mcp

# Ollamaの設定 (オプション)
# Ollamaが別のホスト/ポートで実行されている場合は変更してください
# OLLAMA_HOST=http://localhost:11434

⚠️ 重要提示

Ollamaを使用する場合：OPENAI_API_KEY は設定する必要はありません。現在のコードではOllamaをデフォルトモデルとして使用しています。

OpenAIを使用する場合：OPENAI_API_KEY に実際のAPIキーを設定し、langchain_integration.py で ChatOpenAI を使用するように変更する必要があります。

サーバーの設定：MCP_HOST、MCP_PORT、MCP_PATH はサーバーを実行する際に使用され、デフォルト値が設定されているので、変更する必要はありません。

Ollamaのホスト：Ollamaがデフォルトポート(11434)以外のポートで実行されている場合、OLLAMA_HOST を設定することができます。

💻 使用例

1. サーバーの起動

# デフォルト設定で起動 (localhost:3000/mcp)
python kegg_mcp_server.py

# または環境変数で設定
MCP_HOST=localhost MCP_PORT=3000 MCP_PATH=/mcp python kegg_mcp_server.py

サーバーが起動すると、次のようなメッセージが表示されます：

Starting KEGG MCP Server on http://localhost:3000/mcp
Transport: Streamable HTTP

2. クライアントの起動

# デフォルトの起動 (Streamable HTTPを使用)
python langchain_integration.py

# Ollamaの接続テストのみを実行
python langchain_integration.py --test

# stdioを使用 (オプション、別途TypeScriptサーバーが必要)
# langchain_integration.pyでuse_http=Falseに変更
# 注意: 現在はStreamable HTTP方式のみ提供されています

利用可能なツール

Database Information & Statistics (2つ)

get_database_info - データベースの情報と統計を取得します。
list_organisms - すべてのKEGG生物のリストを取得します。

Pathway Analysis (3つ)

search_pathways - 代謝経路を検索します。
get_pathway_info - 代謝経路の詳細情報を取得します。
get_pathway_genes - 代謝経路の遺伝子リストを取得します。

Gene Analysis (2つ)

search_genes - 遺伝子を検索します。
get_gene_info - 遺伝子の詳細情報（配列を含むオプション）を取得します。

Compound Analysis (2つ)

search_compounds - 化合物を検索します。
get_compound_info - 化合物の詳細情報を取得します。

Reaction & Enzyme Analysis (4つ)

search_reactions - 反応を検索します。
get_reaction_info - 反応の詳細情報を取得します。
search_enzymes - 酵素を検索します。
get_enzyme_info - 酵素の詳細情報を取得します。

Disease & Drug Analysis (5つ)

search_diseases - 疾患を検索します。
get_disease_info - 疾患の詳細情報を取得します。
search_drugs - 薬物を検索します。
get_drug_info - 薬物の詳細情報を取得します。
get_drug_interactions - 薬物の相互作用を取得します。

Module & Orthology Analysis (4つ)

search_modules - モジュールを検索します。
get_module_info - モジュールの詳細情報を取得します。
search_ko_entries - KOエントリを検索します。
get_ko_info - KOの詳細情報を取得します。

Glycan Analysis (2つ)

search_glycans - 糖鎖を検索します。
get_glycan_info - 糖鎖の詳細情報を取得します。

BRITE Hierarchy Analysis (2つ)

search_brite - BRITE階層を検索します。
get_brite_info - BRITEの詳細情報を取得します。

Advanced Analysis Tools (5つ)

get_pathway_compounds - 代謝経路の化合物リストを取得します。
get_pathway_reactions - 代謝経路の反応リストを取得します。
get_compound_reactions - 化合物の反応リストを取得します。
get_gene_orthologs - 遺伝子の直列相同体を検索します。
batch_entry_lookup - バッチエントリを検索します。

Cross-References & Integration (2つ)

convert_identifiers - データベース間の識別子を変換します。
find_related_entries - 関連するエントリを検索します。

基本的な使用法

import asyncio
from langchain_integration import create_kegg_client, load_and_display_tools, create_default_model, run_agent_query
from langchain.agents import create_agent

async def main():
    # クライアントを作成 (Streamable HTTP)
    client = create_kegg_client()
    
    try:
        # ツールをロード
        tools = await load_and_display_tools(client)
        
        # モデルとエージェントを作成
        model = create_default_model()
        agent = create_agent(model=model, tools=tools)
        
        # クエリを実行
        await run_agent_query(
            agent,
            "ヒトの解糖系(glycolysis)経路を探してください。",
            "解糖系経路の検索"
        )
    finally:
        if hasattr(client, 'close'):
            try:
                await client.close()
            except:
                pass

if __name__ == "__main__":
    asyncio.run(main())

📚 ドキュメント

プロジェクト構造

kegg-mcp-test/
├── kegg_mcp_server.py          # Python MCPサーバー (Streamable HTTP)
├── langchain_integration.py    # LangChain統合クライアント
├── requirements.txt             # Pythonパッケージの依存関係
├── .env.example                # 環境変数のサンプルファイル
├── .gitignore                  # Gitで無視するファイルのリスト
├── LICENSE                     # MITライセンス
└── README.md                    # プロジェクトのドキュメント (このファイル)