关于 🏥 MCP Server for AWS HealthLake (Mocked)
这是一个开源 MCP 服务,为临床模型提供模拟的 AWS HealthLake 和 FHIR 数据。它可打包结构化上下文、注册模型,并提供模拟调用端点。
主要功能
- 01模拟 AWS HealthLake FHIR API
- 02FHIR 与 NLP 上下文包
- 03模型注册与定制上下文
- 04模拟模型调用端点
- 05审计日志
适用场景
- 01用模拟患者数据测试临床模型工作流
- 02注册模型并获取定制患者上下文
- 03测试模型调用与审计流程
MCP 相关
该 MCP 服务基于模拟的 AWS HealthLake 数据,提供患者上下文包和模型相关端点。AWS 集成尚未实现。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
🏥 AWS HealthLake MCP 服务(模拟)
本项目是一个开源的模型上下文协议(MCP)服务,连接(模拟的)AWS HealthLake 数据源,并为临床模型提供结构化、标准化的上下文包。
✅ 功能
- 模拟 AWS HealthLake API(基于 FHIR)
- 按 MCP 规范打包上下文(FHIR + NLP)
- 模型注册和定制化上下文交付
- 模拟模型调用端点
- 审计日志
- 可选的
USE_AWS标志,为未来集成 AWS 做准备
🚀 快速开始
1. 克隆或下载
unzip mcp-server.zip
cd ahl-mcp-server
2. 安装 Python 依赖项
python3 -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
pip install -r requirements.txt
3. 在本地运行(模拟模式)
uvicorn app.main:app --reload
🔁 端点
📦 MCP 端点
| 端点 | 方法 | 描述 |
|---|---|---|
/context/{patient_id} | GET | 获取上下文包 |
/models/register | POST | 注册模型信息 |
/models/{model_id}/context/{patient_id} | GET | 定制化上下文 |
/model/invoke/{model_id}?patient_id=... | POST | 模拟模型预测 |
🧪 模拟 HealthLake 端点
| 端点 | 方法 | 描述 |
|---|---|---|
/ahl/Patient | POST | 创建患者 |
/ahl/Patient/{id} | GET | 获取患者 |
/ahl/Condition?patient=... | GET | 获取病情 |
/ahl/MedicationRequest?patient=... | GET | 获取药物 |
/ahl/Observation?patient=... | GET | 获取化验结果 |
/ahl/mock/add_* | POST | 添加模拟数据(病情/药物/观察结果) |
⚙️ 在模拟模式和 AWS 模式之间切换
默认情况下,应用以模拟模式运行。
为未来集成 AWS 做准备:
export USE_AWS=true
注意:AWS 模式尚未实现,但已准备好进行集成。
🧪 运行测试
pytest tests/
📂 文件夹结构
app/
├── api/ # API endpoints
├── core/ # Config and logging
├── fhir/ # Placeholder for FHIR connector
├── models/ # Pydantic models
├── nlp/ # NLP mock enhancer
├── services/ # Context resolver, policy logic
├── main.py # FastAPI entry
infra/
tests/ # Test cases
schemas/ # MCP JSON schema
.env
requirements.txt
📜 许可证
MIT 许可证
🧠 即将推出
- 集成 AWS HealthLake(
boto3) - Amazon Comprehend Medical / Bedrock 模型
- Dockerfile + ECS 部署
- 实时队列搜索
- SMART-on-FHIR 身份验证
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。