Knowledgebase MCP

🚀 BioContextAI - Knowledgebase MCP

BioContextAI - Knowledgebase MCP是一個用於生物醫學研究的模型上下文協議（MCP）服務器，它在人工智能系統和生物醫學資源之間提供了一個標準化的連接層，助力生物醫學領域的智能研究。

🚀 快速開始

BioContextAI Knowledgebase MCP有兩種使用方式：

• 本地部署：作為開源軟件包，可在本地進行託管（詳見自託管）。
• 遠程服務器：可通過https://mcp.biocontext.ai/mcp/ 進行免設置集成（需遵守合理使用原則）。

⚠️ 重要提示

若條件允許，建議您在本地運行BioContextAI Knowledgebase MCP，以避免速率限制，並確保依賴遠程託管的應用程序的服務可用性。

✨ 主要特性

• 統一訪問層：與以往為每個資源進行自定義集成的方法不同，BioContextAI KB MCP通過模型上下文協議提供了一個統一的訪問層，實現了人工智能系統與特定領域數據源之間的互操作性。
• 多工具集成：暴露了許多外部生物醫學API，可看作是大語言模型（LLM）的瀏覽器，使其能夠在這些知識庫中查找相關信息。
• 易於擴展：FastMCP允許將遵循OpenAPI規範的REST端點輕鬆轉換為MCP服務器，用戶可通過編輯配置文件（src/biocontext_kb/openapi/config.yaml）輕鬆擴展可用工具列表。

📦 安裝指南

克隆倉庫

克隆此倉庫的最新版本：

git clone https://github.com/biocontext-ai/core-mcp-server.git
cd core-mcp-server

部署方式

1. Docker 部署（gunicorn 搭配多個 uvicorn 工作進程）

# 構建 Docker 容器
docker build -t biocontext_kb:latest .
docker run -p 127.0.0.1:8000:8000 biocontext_kb:latest

此方式將在 http://127.0.0.1:8000/mcp/ 暴露您的 MCP 服務器。

⚠️ 重要提示

對於公共部署，您應該禁用不必要的端口，並通過反向代理（如 Nginx 或 Caddy）訪問您的 MCP 服務器。您可能還需要配置運行用戶和目錄以限制權限，在無 root 權限的環境中使用 Docker 或 podman，並採取額外的安全措施，如使用 Cloudflare 進行 DDoS 保護或使用 fail2ban。

2. 使用 uv 進行本地部署，支持可流式傳輸的 HTTP 和 uvicorn

uv build
export MCP_ENVIRONMENT=PRODUCTION
export PORT=8000
biocontext_kb

3. 使用 uv 進行本地部署，使用標準輸入輸出傳輸

uv build
export MCP_ENVIRONMENT=DEVELOPMENT
biocontext_kb

4. 使用 Claude Desktop 進行本地部署（claude_desktop_config.json）

{
  "mcpServers": {
    "biocontext_kb": {
      "command": "uvx",
      "args": [
        "biocontext_kb@latest"
      ],
      "env": {
        "UV_PYTHON": "3.12"
      }
    }
  }
}

別忘了重啟 Claude 以應用更改。

5. 在 VS Code（.vscode/mcp.json）、Cursor（.cursor/mcp.json）或 WindSurf（.codeium/windsurf/mcp_config.json）中與您的編碼代理一起進行本地部署

{
  // VS Code: "servers"
  "mcpServers": {
    "biocontext_kb": {
      // 如果不起作用，請替換為 `which uvx` 的路徑（建議在 macOS 上通過 Homebrew 安裝）
      "command": "uvx",
      "args": [
        "biocontext_kb@latest"
      ]
    }
  }
}

在使用 Windows 和 WSL2 時，上述配置需要進行如下調整：

{
  // VS Code: "servers"
  "mcpServers": {
    "biocontext_kb": {
      "command": "wsl",
      "args": [
        "~/.local/bin/uvx", // 設置為您的 `uvx` 路徑
        "biocontext_kb"
      ]
    }
  }
}

6. 與您自己的 MCP 客戶端進行本地部署

• 遵循 PydanticAI 設置指南
• 遵循 FastMCP 設置指南
• 遵循 mcp-use 設置指南

💻 使用示例

BioContextAI Knowledgebase MCP 可幫助大語言模型（LLM）在多個生物醫學知識庫中查找相關信息。例如，您可以使用它來進行基因ID轉換、文獻搜索、蛋白質結構預測等操作。以下是一些使用示例：

基礎用法

假設您需要進行基因ID轉換，您可以使用集成的 Antibody Registry 或 Ensembl 工具。具體代碼實現需根據您使用的編程語言和具體的API調用方式進行編寫。

高級用法

如果您需要進行更復雜的操作，如結合多個工具進行綜合分析，您可以根據具體需求組合使用不同的API。例如，您可以先使用 bioRxiv/medRxiv 進行最新預印本搜索，然後使用 EuropePMC 進行文獻全文訪問。同樣，具體代碼需根據實際情況編寫。

📚 詳細文檔

• 項目文檔：https://biocontext.ai
• API 文檔：https://docs.kb.biocontext.ai/
• BioContextAI 註冊表：https://github.com/biocontext-ai/registry
• 聊天界面：https://biocontext.ai/chat

🔧 技術細節

BioContextAI Knowledgebase MCP 實現了一個 MCP 服務器，用於連接人工智能系統和生物醫學資源。它通過統一的訪問層，允許大語言模型（LLMs）檢索經過驗證的信息並執行特定領域的任務。服務器使用了多種技術，如 FastMCP 來將遵循 OpenAPI 規範的 REST 端點轉換為 MCP 服務器，方便用戶擴展可用工具列表。

📄 許可證

本項目採用 Apache License 2.0 許可 - 詳情請參閱 LICENSE 文件。

⚠️ 重要提示

Apache 2.0 許可證僅適用於此倉庫中提供的代碼。對於各個集成 API 的使用限制和許可證，用戶應直接參考相應的 API 提供商。以下是數據來源和許可的概述。

數據來源和許可

免責聲明

用戶在通過此 MCP 服務器訪問數據時，應獨自負責確保遵守所有適用的許可條款和條件。 上述許可證和條款可能會發生變化，特定數據集或出版物可能有額外的引用要求。在將任何數據用於商業目的、再分發或出版之前，請直接從每個數據源審查當前的許可條款。某些數據源可能有未在此摘要中完全涵蓋的額外限制。

對於 KEGG 數據，特別需要注意的是，雖然允許學術使用，但根據其專有許可證條款，不允許使用 KEGG 數據提供商業服務或進行遠程託管。

引用

如果我們的工作對您的研究有用，請按以下方式引用：

TBA.

已實現的工具

BioContextAI Knowledgebase MCP 暴露了許多外部生物醫學 API，您可以將 BioContextAI 視為大語言模型（LLM）的瀏覽器，使其能夠在這些知識庫中查找相關信息。使用 BioContextAI Knowledgebase MCP 時，請務必遵守各個服務的使用限制（如速率限制）。如果您在研究中使用了這些服務的數據，請務必同時引用 BioContextAI 和相應的數據源/工具。

⚠️ 重要提示

通過這些 API 訪問的數據不在 BioContextAI Knowledgebase MCP 許可證的覆蓋範圍內。您有責任確保您對數據的使用符合許可規定。

工具列表

• Antibody Registry - 基因 ID 轉換
• bioRxiv/medRxiv - 最新預印本搜索和元數據訪問
• Ensembl - 基因 ID 轉換
• EuropePMC - 文獻搜索和全文訪問
• Google Scholar - 學術出版物和作者搜索（由於速率限制，僅適用於本地使用）
• InterPro - 蛋白質家族、結構域和功能位點分類
• KEGG - 通路、基因和藥物 - 藥物相互作用數據庫（由於許可限制，僅適用於本地使用）
• OpenTargets - 靶點 - 疾病關聯
• PanglaoDB - 單細胞 RNA 測序細胞類型標記物
• PRIDE - 蛋白質組學質譜數據存儲庫
• Protein Atlas - 蛋白質表達數據
• Reactome - 通路數據庫
• STRING - 蛋白質 - 蛋白質相互作用網絡
• AlphaFold DB - 蛋白質三級結構預測