MCP SERVER LIMS

MCP SERVER LIMS

このリポジトリには、以下の LinkedIn 記事の動画で紹介された MCP Server のコードが格納されています。この例では、Anthropic の Claude が MCP のデータベースツールとシミュレーション機器ツールを呼び出し、ラボのワークフローを実行する手順を示しています。複数のステップにわたって、構造が複雑なデータの集合を管理する必要があるため、難易度の高い例となっています。

https://www.linkedin.com/pulse/ai-agent-lims-iot-mcp-tom-sheffler-ylmpc/

はじめに

LIMS（Laboratory Information Management System）の例では、サンプルの集合がラボのワークフローを進む際に関連するデータを AI エージェントが管理することを目指します。

ここでの架空のワークフローは、ラボで見られるようなものを簡略化し、多くの詳細を省略したものです。このワークフローでは、サンプルを処理または分析する機器の間で、物理サンプルを受け渡します。また、サンプルが機器に入るときと処理後に追跡するためのデータフローもあります。

以下のワークフロー図は、ワークフローの手順と管理が必要なデータを示す概略図です。データは、各ステップにおける各サンプルのエントリーを含む表として示されています。

例

ワークフローは、チューブに入ったサンプルの到着から始まります。チューブは複数あります。それぞれに「サンプル名」と対応する「質量」があります。ラボにチューブを導入したときのデータは、データ追跡システムに入力されます。この手順は「受入登録」と呼ばれます。

サンプルがシステムに登録されると、最初の機器で処理できます。サンプルを機器にロードし、サンプルに関するデータも機器に送信します。その後、機器で処理を開始できます。この最初の機器は「調製」機器と呼ばれます。その出力は次の 2 つです。

1. 出力チューブの集合に入った調製済みサンプル
2. 各サンプルとその調製方法に関するデータ

シミュレーションによる調製ステップでは、各サンプルを処理し、チューブ内のサンプルに遺伝子タグ（「actg」、「acac」など）を付けます。各サンプルに付けられたタグは出力データに記録されます。（どのサンプルにどのタグが付くかを事前に知る方法はありません。）また、このステップが正常に実行されたかどうかも「status」フィールドに記録され、「passed」または「failed」の値が入ります。

調製済みサンプルは、「分析」機器で処理する準備が整います。最初の機器の出力サンプルを 2 台目の機器にロードし、各サンプルについて既知のデータを分析機器に送信します。

分析機器は物理サンプルを消費し、分析した各サンプルに関するデータを出力します。ここでは、「filename」と、分析ステップの測定量を示す「metric」があります。

ワークフロー実行の最終出力は、各ステップにわたる情報をわかりやすい形式でまとめたレポートである必要があります。

シミュレーション機器

実際のラボ機器では、HL7 や REST などのプロトコルを介して、サンプルの集合についてデータの入力と出力を処理します。実際の機器に搭載されたこのようなインターフェースを、MCP（Model Context Protocol）を使った「ツール」として AI エージェントと連携できる可能性があります。

このシミュレーションでは、実際の機器の API を呼び出す代わりに、ここでのツールがシミュレーション結果を生成します。調製機器の「tag」と「status」の値、および分析機器の「metric」の値はランダムに選択されます。

現実の機器では、処理に数分から数時間かかることがあります。シミュレーション機器では、1 秒につき 1 サンプルを処理することで時間の経過を表します。

AI エージェントとツールの統合における課題

この例では、複数の手順にわたるデータ管理の計画を AI エージェントに依頼します。AI エージェントは、中間結果の保存にデータベースを使用する場合があります。また、各手順のデータを最終的に「結合」するために、SQL データベースが役立つと判断することもあります。エージェントは別のデータ管理方法を考案する場合もあれば、単に会話の一部として扱う場合もあります。

ワークフローの仕様では、「合格」したサンプルのみを分析手順で処理するよう指示しています。

また、豊富な型定義を備えたインターフェースを持つ、機器を表すツールも定義しています。各機器は構造体の配列を受け取り、構造体の配列を生成します。「preparation_tool」の MCP 定義の例を以下に示します。

JSON Schema 定義の主な特徴は次のとおりです。

1. JSON の「$defs」節で名前付き構造体「InputSample」を使用していること
2. 入力パラメーター「sample_list」が配列であること
3. 配列の項目がすべて「#/$defs/InputSample」型であり、同じ型で統一されていること

これまでのテストでは、多くの LLM がこれらのスキーマ要件を満たすデータを扱えることがわかっています。

{
 'tools': [{'function': {'description': 'Prepare the samples for analysis.  '
                                        "Mark samples as 'passed' or "
                                        "'failed'. ",
                         'name': 'preparation_tool',
                         'parameters': {
                             '$defs': {
                                 'InputSample': {
                                     'properties': {
                                         'mass': {
                                             'description': 'sample mass in ng',
                                             'title': 'Mass',
                                             'type': 'integer'
                                         },
                                         'sample_name': {
                                             'description': 'sample name identifier',
                                             'title': 'Sample Name',
                                             'type': 'string'
                                         }
                                     },
                                     'required': ['sample_name', 'mass'],
                                     'title': 'InputSample',
                                     'type': 'object'
                                 }
                             },
                             'properties': {
                                 'sample_list': {
                                     'items': {
                                         '$ref': '#/$defs/InputSample'
                                     },
                                     'type': 'array'
                                 }
                             },
                             'required': ['sample_list'],
                             'type': 'object'
                         }
                     },
            'type': 'function'
        }]}

要件

このリポジトリの LIMS Server に加えて、AI エージェントがデータベースを利用できるよう、Python サーバー「mcp-server-sqlite」も実行しておく必要があります。

ソースコードはこちらにあります。

• https://github.com/modelcontextprotocol/servers/tree/main/src/sqlite

プロンプト

最初のプロンプトでは、ワークフローの各手順と、ツールを実行して各手順をどのように実施するかを説明します。ツールの実行には特定のデータが必要なため、エージェントはそのデータをどのように取得または生成するかを判断する必要があります。エージェントに与えられる最終目標は、すべての手順にわたるデータを要約したワークフローレポートの作成です。

この最初のプロンプトの冒頭を以下に示します。

The assistant's goal is to manage the data associated with a set of samples.  There are four steps of concern.

- accessioning - entering the initial samples in the database
- preparation - calling a tool to process the input samples to attach a tag and monitor a "passed" or "failed" status
- analysis - calling a tool to analyze the outputs of the preparation step whose status is "passed"
- report generation - displaying the sample data across the first 3 steps
...

小規模 LLM 向けの簡易ツールテスト

最初のプロンプトは複雑であり、小規模な LLM では対応できません。2 つ目のプロンプトは、ツール呼び出しの形式を整え、表形式のデータをツールに必要な構造体の配列に変換する LLM の能力を試すことだけを目的としています。

（以下に示すプロンプトは、豊富な型を持つツールインターフェースの正確性を検証するのに役立つことがわかっています。）

Process the following table of data with the preparation_tool.
<table>
<tr>
  <th>Sample Name</th> <th>Input Mass</th>
<tr>
<tr>
  <td> NA12878 </td> <td> 45 </td>
</tr
<tr>
  <td> NCC1701 </td> <td> 77 </td>
</tr
<tr>
  <td> NACL </td> <td> 12 </td>
</tr
<tr>
  <td> NA12879 </td> <td> 32 </td>
</tr
</table>

ビルドと実行

uv がインストールされていることを確認してください。

$ git clone https://github.com/sheffler/mcp-server-lims
$ cd mcp-server-lims
$ uv init
$ uv venv
$ . .venv/bin/activate
$ uv sync

この時点で、MCP サーバー SDK の依存関係が venv にインストールされているはずです。

Claude Desktop の設定

以下を編集して Claude Desktop を設定します。

• ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "mcp-lims-server" : {
      "command": "/Users/sheffler/git/mcp-server-lims/.venv/bin/python",
      "args": [
        "/Users/sheffler/git/mcp-server-lims/lims_server.py"
      ]
    },
    "sqlite": {
      "command": "/Users/sheffler/.local/bin/uvx",
      "args": [
        "mcp-server-sqlite",
        "--db-path",
        "/Users/sheffler/test.db"
      ]
    },
  }
}

Oterm の設定

~/Library/Application Support/oterm/config.json

{"theme": "textual-dark",
 "splash-screen": false,
 "mcpServers": {

    "mcp-lims-server" : {
      "command": "/Users/sheffler/git/mcp-server-lims/.venv/bin/python",
      "args": [
        "/Users/sheffler/git/mcp-server-lims/lims_server.py"
      ]
    },

    "sqlite": {
      "command": "/Users/sheffler/.local/bin/uvx",
      "args": [
        "mcp-server-sqlite",
        "--db-path",
        "/Users/sheffler/test.db"
      ]
    },

 }
}

Claude が生成したワークフローレポート

Claude が生成したレポートの出力例（Claude Desktop を使用）を以下に示します。

会話記録

参考として、Claude との会話記録を収録しています。

• ./lims-claude-transcript.docx
• ./lims-claude-transcript.pdf