Agentic Target Evidence

Agentic Target Evidence

Testing
Containers
Tooling
Stack
Meta

疾患に対する遺伝子が有望な創薬標的となりうるかどうかについて、エビデンスを収集し解釈するマルチエージェントシステムです。(gene, disease, direction) の組み合わせ（例：BRCA1、乳がん、inhibit）を指定すると、約20種類の生物医学情報源からエビデンスを取得し、6つの独立した観点（遺伝学、生物学、安全性、臨床、商業性、規制）からスクリーニングして解釈し、出典情報付きのドシエを作成します。ドシエには、合意に基づく判定、0～100の単一の適合性スコア、観点ごとの説明、カテゴリ分けされたリンク豊富なエビデンス一覧が含まれます。

DepMap、gnomAD、ClinicalTrials.gov、OpenTargets、PubMed、FAERS、その他約20のすべてのソースコネクタは、src/mcp_servers/ に一元化されており、2通りの方法で利用されます。パイプラインのエージェントからプロセス内で利用する方法（高速で、型付けされており、プロトコルによるオーバーヘッドがありません）、またはMCP ゲートウェイを通じて利用する方法です。MCP ゲートウェイは同じコネクタを組み合わせて1つの MCP サーバーを構成し、約40種類の読み取り専用ツールをあらゆる MCP ホスト（Claude Desktop、Claude Code、ご自身のエージェントなど）に公開するため、パイプライン全体を実行せずに必要な情報を個別に検索できます。同梱のチャットアシスタントを使えば、ブラウザーから同じ検索を行えます。詳しくは、以下の§ MCP ゲートウェイとサーバーをご覧ください。

LangGraph（オーケストレーション）と MCP（データレイヤー）を基盤とし、トレーシング（Langfuse + OpenTelemetry）、Postgres によるチェックポイント管理、ローカル／クラウド LLM の設定可能なルーティングに対応しています。

すべての判定は、取得したエビデンスをもとに LLM が生成します。確定的な事実ではなく、予備的な調査の補助としてご利用ください。 標的検証におけるエビデンス収集の段階を効率化するためのものであり、専門家によるレビューに代わるものではありません。免責事項、ライセンス、データに関する通知の全文はNOTICE.mdをご覧ください。

📄 実際の動作を見る： ドシエの例 — 巣状分節性糸球体硬化症における TRPC6。 実際のエンドツーエンド実行例です。合意に基づく判定、0～100の適合性スコア、6つの観点ごとの説明、135件を超える採用ソースへのリンク豊富なエビデンス一覧をご覧いただけます。

---

クイックスタート

uv sync                  # Python ≥ 3.12, via uv: https://docs.astral.sh/uv/
cp .env.example .env      # fill in any keys you want; most sources are keyless

make up                   # infra + Langfuse + OTEL + the app, as containers
make run GENE=BRCA1 DISEASE="breast cancer"

出力は results/report/{gene}/{disease}/{direction}/report.md に保存されます。Langfuse のトレース UI は http://localhost:3000 で利用できます。Windows では make の代わりに make.bat を使用してください。詳しくはdocs/tutorial.mdをご覧ください。

全体の実行は不要ですか？ 同梱のチャット UI、または Claude Desktop／Code から同じコネクタを使って、単発の質問（例：「TRPC6 の DepMap 依存性スコアは？」）を行えます。詳しくはdocs/mcp_tutorial.mdをご覧ください。

ビルド済みイメージ

make up を実行すると、すべてのサービスイメージがローカルでビルドされます。タグ付きのリリースでは、同じイメージが GHCR にも公開されるため、ビルドせずにプルできます。

docker pull ghcr.io/athril/agentic-target-evidence/mcp-servers:latest
docker pull ghcr.io/athril/agentic-target-evidence/mcp-gateway:latest
docker pull ghcr.io/athril/agentic-target-evidence/agents-knowledge:latest
docker pull ghcr.io/athril/agentic-target-evidence/agents-reasoning:latest
docker pull ghcr.io/athril/agentic-target-evidence/report-agent:latest
docker pull ghcr.io/athril/agentic-target-evidence/planner:latest
docker pull ghcr.io/athril/agentic-target-evidence/chat:latest

latest は最新リリースを指します。再現性を確保するには、代わりにバージョンを固定してください（例：:v0.1.2）。ローカルビルドの代わりにこれらを使うには、docker-compose.yml 内のサービスの build: ブロックを image: ghcr.io/athril/agentic-target-evidence/<target>:<tag> に置き換えてください。

---

MCP ゲートウェイとサーバー

各バイオメディカルソースコネクターは、src/mcp_servers/ の下に、独立した tools.py と MCP server.py のペアとして配置されています。27 のソースコネクター、約 46 個の読み取り専用ツールが、名前の付いた 30 以上の公開ソース（コネクターフォルダーによっては複数の上流 API をまとめています。docs/data_sources.md を参照）に加え、独自の内部データにも対応しています。

ChEMBL · ClinGen · ClinicalTrials.gov · ClinVar · DepMap · DGIdb · ENCODE · Expression Atlas · GBD (IHME) · GenCC · gnomAD · Google Patents · GTEx · GWAS Catalog · HGNC · HPA · IMPC · Monarch Initiative · MONDO · OMIM · OpenAlex · OpenFDA · OpenTargets · Orphanet · Project Score · PubMed · SCImago (SJR) · SPOKE · TTD · UniProt · USPTO · 内部データ（組織のプライベートテーブル）

各ソースの詳細（提供内容、ライセンス／アクセス制限の状況）については、docs/data_sources.md を参照してください。 MCP ゲートウェイ（src/mcp_gateway/server.py）は、これらすべてを動的に検出して統合し、単一の MCP サーバーとして提供します。手動で管理するレジストリは不要です。新しい src/mcp_servers/<name>/server.py を追加すると、自動的にマウントされます（機能フラグによる制御があります。internal_data はマウントされません）。

パイプライン全体を実行せずに接続する方法は 3 つあります。

クライアント	説明
チャットアシスタント	ローカルの Ollama モデルを使った Gradio チャット UI です。make chat を実行するか、docs/mcp_tutorial.md を参照してください。
Claude Desktop / Claude Code	他の MCP サーバーとともに stdio 経由で接続します。
その他の MCP クライアント	HTTP 経由でプログラムからツールを呼び出します（MCP_GATEWAY_TOKEN によるベアラートークン認証）。

パイプラインも他のサービスも使用せず、ゲートウェイだけをセルフホストする場合は、単一のコンテナーで実行できます。 docker run -p 8765:8765 ghcr.io/athril/agentic-target-evidence/mcp-gateway:latest — デフォルトでは 0.0.0.0:8765 で HTTP を使用します。任意の MCP クライアントから http://<host>:8765/mcp に接続してください。

リポジトリをクローンせずに Claude Desktop または Claude Code から利用するには、クライアントに同じイメージを stdio 経由で起動させます。これを claude_desktop_config.json（または .mcp.json）に追加してください。

{
  "mcpServers": {
    "agentic-target-evidence": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-e", "MCP_TRANSPORT=stdio",
               "-e", "NCBI_API_KEY", "-e", "USPTO_API_KEY",
               "ghcr.io/athril/agentic-target-evidence/mcp-gateway:latest"]
    }
  }
}

どちらのキーも省略可能です（値を指定しない -e NAME は、環境から値を引き継ぎます）。このゲートウェイは公式 MCP Registry にも io.github.athril/agentic-target-evidence として登録されています。

一括取得では、パイプラインがゲートウェイと通信することはありません。各 tools.py を直接インポートし、処理のホットパスでプロトコルのオーバーヘッドが発生しないようにしています。ゲートウェイは、同じコネクターをフル実行以外でもアドホックに利用するための、追加のインターフェースです。（パイプライン内でゲートウェイを利用するのは、合成フェーズの Investigator エージェントだけです。レポート作成前に、MCP 経由で取得ツールを呼び出してエビデンスの不足を補います。ゲートウェイが停止している場合も、適切に処理を続行します。）設計（公開モデル、セキュリティ、トランスポート、検出の内部動作）については docs/mcp_gateway.md を、手順に沿った解説については docs/mcp_tutorial.md を参照してください。

---

ドキュメント

完全なドキュメントはdocs/にあります。まずはこちらをご覧ください。「とにかく実行したい」「設計を理解したい」「コントリビュートしたい」という目的別の読み進め方を紹介しています。主なドキュメントはこちらです。

ドキュメント	内容
docs/README.md	まずはこちらをご覧ください。 ドキュメント一覧、全ドキュメントの目次、目的別（実行する、設計を理解する、コントリビュートする）の読み進め方を掲載しています。
docs/tutorial.md	分析を実行し、生成された資料を読む方法を説明します。
docs/mcp_tutorial.md	MCP ゲートウェイとチャットアシスタントを介して、必要に応じてツールにアクセスする方法を順を追って説明します。
docs/mcp_gateway.md	MCP ゲートウェイのリファレンス：公開モデル、セキュリティ、トランスポート、ディスカバリーの内部仕様。
docs/data_sources.md	すべてのソースコネクター、その提供内容、ライセンスやアクセス制限の状況を説明します。
docs/restricted.md	アクセス制限のあるソース（OMIM、SCImago、GBD、TTD）の設定を順を追って説明します：API キー、データのダウンロード、検証。
docs/architecture.md	全体の設計：パイプライングラフ、HITL、機能、オブザーバビリティ。
docs/developers.md	拡張ポイントとコントリビュートに関する規約。
docs/faq.md	注意点や間違いやすい点をQ&A形式で説明します。

---

コントリビュート

コントリビュートを歓迎します。セットアップ、規約、変更の提出方法についてはCONTRIBUTING.mdを、拡張ポイントについてはdocs/developers.mdをご覧ください。行動規範もお読みください。

---

ライセンス

Apache-2.0。一部のデータソースにはより限定的な利用条件があり、デフォルトではアクセスが制限されています。詳細は、リファレンス表があるdocs/data_sources.md、設定を順を追って説明したdocs/restricted.md、免責事項全文とソースごとのライセンスを記載したNOTICE.mdをご覧ください。

---

連絡先

Patryk Orzechowski, Ph.D.