biomedmcp

biomedmcp

BioMedMCP は、PubMed、UniProt、ClinicalTrials.gov、ChEMBL、Open Targets、GTEx などの生物医学ソースへの引用付きアクセスを AI エージェントに提供し、回答の根拠となる確認可能なレコードを示します。

研究の問いから始める

MCP クライアントで、次のプロンプトを試してください。

LDL 受容体の生物学とコレステロール低下に関するエビデンスノートを作成してください。 まずヒトの LDLR 標的に関する資料をまとめ、組織での発現を調べてから、 PCSK9 の遺伝学的研究を探してください。観察結果、介入の結果、未解決の 問いを分けてください。参照したレコードを引用し、利用できないソースを特定してください。

Streamable HTTP を使って https://biomedmcp.unibiointelligence.com/mcp に接続し、プロンプトが表示されたらサインインしてください。ローカルサーバーを使う場合は、Python ディストリビューションをインストールするか、このチェックアウトからビルドしてください。接続方法を参照してください。

同じ調査をローカルで実行する

有効化した仮想環境で Python 3.13 以降を使用します。

python -m pip install biomedmcp==0.2.4
UBI_PROFILE=local biomedmcp build_dossier '{"workflow":"target_dossier","focus":"LDLR","species":9606}'

単一の Python ディストリビューションに、すべてのソースアダプターが含まれています。ソースのチェックアウトから uv sync --frozen を実行すると、ロックされた環境がインストールされます。この環境を使う場合は、コマンドの前に uv run --frozen を付けてください。

次のような、対象を絞った呼び出しでノートの不足部分を補えます。

UBI_PROFILE=local biomedmcp get_record '{"entity":"gene","id":"LDLR","species":9606,"sections":["expression"]}'
UBI_PROFILE=local biomedmcp search_literature '{"query":"PCSK9","filters":{"source":"pubmed","date_from":"2024-01-01"}}'
UBI_PROFILE=local biomedmcp get_variant_evidence '{"id":"PCSK9 R46L"}'

レコードを組み合わせる前に、各応答のソース、種、識別子を確認してください。一部のセクションが欠落している、または利用できない場合、それは不足を意味し、否定的な結果を意味するものではありません。続きや復旧のリンクをたどり、プレビューの先を確認してください。

次の問いを選ぶ

研究タスク	最初に確認するもの
標的に関する観察と因果関係の主張を分ける	エビデンス調査
転写産物やゲノムビルドと混同せずにアレルを調べる	型付き呼び出しの例
論文のアクセス可能な本文と表を読む	entity: "article" および sections: ["fulltext"] を指定した get_record
登録済みの研究を調べる	trial_search を使い、各研究の提出済みレコードを確認する
ローカル分析を再現する	合成研究のウォークスルー

ローカルエージェントを接続する

UBI_PROFILE=local biomedmcp-server --transport http --host 127.0.0.1 --port 8000

http://127.0.0.1:8000/mcp を使うか、接続ガイドに従って stdio クライアントを設定してください。呼び出しリファレンスでは正確な JSON 引数を説明しています。結果の扱いでは、一部のみの結果とエビデンスの境界について説明しています。

一部のソースでは、キーまたはインストール済みのデータセットが必要です。biomedmcp diagnose を実行し、ソースへのアクセスを参照してください。認証情報は環境変数またはクライアントのシークレットストレージに保管してください。ソースでエラーが発生しても、エビデンスが存在しないことを意味するわけではありません。

統合コードは Apache-2.0 を使用しています。取得したデータには、引き続き各データの利用条件が適用されます。告知、リリースノート、コントリビューションガイドも参照してください。

謝辞

希少疾患研究に対する Anthropic の AI for Science 助成金によるご支援に、心より感謝いたします。