三域医研 · 科研算法引擎 (SanYu Research Engine)

三域医研 · 科研算法引擎 (SanYu Research Engine) — MCP Server

正式中文名：三域医研 · 科研算法引擎；英文检索名 SanYu Research Engine。平台站：https://sanyu.wentangkeji.com

145 个动作 = 106 个确定性算法 + 39 个大模型生成类；对外暴露为 147 个 MCP 工具 （145 个动作 + 2 个元工具 sanyu_list_actions / sanyu_job_status）。 档位：当前生产为 L2 档（SANYU_OPEN_L2=1），即上表的 145/147；关闭该开关则为默认档 —— 106 个确定性动作 / 108 个 MCP 工具 / 0 个生成类，全部 readOnlyHint=true、不写库。

Medical research engines: 106 deterministic actions + 39 AI writers (L2 profile).

生成类工具的密钥前提（务必先读）：39 个生成类动作（api_class=gen，结果不可复现、readOnlyHint=false）需要 generate scope 的密钥。 generate scope 密钥可自助签发：在「API 密钥」页创建时选「AI 生成」类别即可（GET /api/keys/scopes 里 creatable: true，不需要管理员）。只用 compute 密钥调生成类会被 scope_not_allowed（HTTP 403）明确拒绝，engine_status=not_run、cost=0——不执行、不扣分、不产生 LLM 费用。 也就是说：目录里列得出这 39 个工具，但当前拿不到生成结果。需要开通生成能力请联系平台另行签发对应类别的密钥；这不是工具故障。

引擎口径（2026-11-10 复核）：这 39 个动作按 api_class=gen 归类、需要 generate scope，但并非每一个都调用大模型——逐个核对执行体后确认，其中一部分是纯本地规则/文献计量引擎（选题可行性、新颖度、研究空白、选题热度评估），零 LLM token。响应体的 data_source 由服务端单一出口按实际执行体回填：确证的本地规则动作返回 local_computation（data_source_verified=true），其余按分类兜底并标 data_source_verified=false（来源未核验，请勿当作事实转述）；排队阶段一律返回 data_source=pending，不在执行前预先宣称来自大模型。 分类 / scope / 计费口径保持不变，避免把确证真 LLM 的动作误标成确定性算法。（实测：compute→403 scope_not_allowed；generate→通过门禁、按各工具 inputSchema 补齐参数后异步返回 job_id。）

106 个是确定性算法（SciPy / statsmodels / 自研算子），结果可复现，可以当结论用； 39 个归为生成类（选题 / 方案 / 写作 / 审稿 / 润色）；其中多数调用大模型、结果不可复现，但含少量纯本地规则引擎（见上「引擎口径」），以响应体 data_source / data_source_verified 为准，勿一概而论。 每个工具在 _meta.sanyu/api_class 里标了 compute / data / gen —— 转述给用户时必须说清是哪一类，别把生成草稿说成算出来的结果。

调用需要自备密钥：目录和工具列表免费查看，执行需在 sanyu.wentangkeji.com/api-keys 免费领取一把 key， 填进 Authorization: Bearer sk-sanyu-xxx（注册送试用积分，执行失败不扣分）。

只想先试试效果？ dna_translate、orf_find、roc_auc 这三个工具无需密钥，每 IP 每天可试 20 次，返回体带 demo:true 与剩余次数。

一个跑在公网上的 MCP 服务器，把确定性算法（统计检验、生存分析、生信算子、引物设计、文献检索） 暴露给任何支持 MCP 的智能体（Claude、ChatGPT、Cursor、Cline、Dify、Coze、魔搭、自研脚本）。

---

自审计标签（每个响应都带）

这两个字段回答同一个问题：这次结果是算出来的，还是生成的？

data_source	含义	能不能当结论
local_computation	确定性算法算出，同输入同输出	可以（给复现参数）
external_corpus	读取真实语料（如 PMC 全文库）后计算	可以，注明语料版本
llm_generated	大模型生成（选题 / 方案 / 写作 / 审稿 / 润色）	不可复现，只能当草稿
user_data	基于调用方上传的数据计算	可以，注明自有数据口径
pending	已受理、尚未执行	什么都还没发生，不得预先宣称来源

data_source_verified	含义
true	标签由执行体亲自上报，或经三重证据确证
false	标签按动作分类推断，未经执行体确认

⚠️ verified=false 不等于结果无效。 它只说明"来源标签是按分类推断的"， 数值本身照常可用；需要避免的是把来源当事实向用户断言，而不是把结果丢掉。

生成类为异步：提交后返回 data_source=pending + verified=false， 轮询到 status=succeeded 才拿 result 与最终标签。

它和"大模型套壳"的区别

别人的科研 agent	这个
LLM 生成数字，看起来像真的	SciPy / statsmodels / 自研算子真算
你没法判断真假	每个响应强制带 engine_status = real / unavailable / error
出错难追溯	每次调用落审计（参数只存 SHA-256，患者数据不进日志）
缺参数就瞎猜	返回 hint_fields，智能体可自我修正，且不扣分
算不出也硬给	引擎不可用时如实返回 unavailable，不编造

连接

https://sanyu.wentangkeji.com/api/mcp

• 传输：Streamable HTTP（协议 2025-06-18 / 2025-03-26 / 2024-11-05 自动协商）
• 认证：Authorization: Bearer sk-sanyu-xxx
• 看目录不需要密钥（tools/list 公开），执行才需要
• 密钥获取：注册后在 https://sanyu.wentangkeji.com 的「API 密钥」页生成（注册送试用积分）

ModelScope（魔搭）/ 通用 MCP 配置

⚠️ 这一段必须排在其他配置之前：魔搭只取第一个 mcpServers 块做部署检测， 且 type 只认 streamable_http（下划线）。写成 http 会导致"基础信息解析失败"。

{
  "mcpServers": {
    "sanyu-research": {
      "type": "streamable_http",
      "url": "https://sanyu.wentangkeji.com/api/mcp",
      "headers": {
        "Authorization": "Bearer sk-sanyu-REPLACE-WITH-YOUR-OWN-KEY"
      }
    }
  }
}

Cursor / Cline / 任何 mcp.json

{
  "mcpServers": {
    "sanyu": {
      "type": "http",
      "url": "https://sanyu.wentangkeji.com/api/mcp",
      "headers": { "Authorization": "Bearer sk-sanyu-你的密钥" }
    }
  }
}

Claude Code

claude mcp add --transport http sanyu https://sanyu.wentangkeji.com/api/mcp \
  --header "Authorization: Bearer sk-sanyu-你的密钥"

只支持本地进程的旧客户端

{
  "mcpServers": {
    "sanyu": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://sanyu.wentangkeji.com/api/mcp",
               "--header", "Authorization: Bearer sk-sanyu-你的密钥"]
    }
  }
}

Dify / Coze（导入 OpenAPI）

https://sanyu.wentangkeji.com/api/open/v1/openapi.json

认证方式选 Bearer，填 sk-sanyu-xxx。 若觉得 145 个工具太多、Agent 选不准，可改用精选 24 个的 schema 导入。

动作分类（145 = 106 确定性 + 39 生成）｜MCP 工具 147 = 145 + 2 元工具

类别	代表动作
统计分析	ROC/AUC、DeLong、校准曲线、生存分析（KM/Cox）、ANOVA 及两两比较、置换检验、Egger 检验、IPTW、SMD 均衡
数据采集	Table 1（基线表）、亚组 Table 1、数据快速画像
研究设计	样本量计算、随机化分组（固定种子可复现）、倾向性评分匹配 PSM
生信解读	差异表达、GO/KEGG 富集、PPI 网络、单细胞分析、代谢组 PCA/PLS-DA/火山图/热图
湿实验与序列	引物设计、Tm 计算、序列翻译/ORF/酶切位点、qPCR 2^-ΔΔCt、蛋白理化性质
建模预测	列线图、SHAP、PSI、NCA 药代、PK/PD 模拟
图表与规范	森林图、CONSORT 流程图、PRISMA 流程图、报告规范清单核对
文献	PubMed 检索、站内全文检索、引文格式化
生成类（不可复现）	选题、研究方案、论文初稿、单章写作、润色、六智能体审稿、投稿信、汇报 PPT

完整清单：GET /api/open/v1/actions 或 MCP 的 tools/list。

计费

类型	每次
统计 / 序列 / 病理 / 图表	1 分
文献检索	2 分
生信管线	5 分
免费档	每 key 每日 100 分封顶，注册送试用积分
频率	60 次/分钟/每把 key（不按 IP，防伪造）

失败不扣分：引擎不可用、参数缺失、动作未开放，一律 0 扣分。

写权限边界

默认只算不落：传 project_id / user_id 会被主动剥离，并在 warnings 里说明。 受试者数据类动作（CRF 建表、数据导入、脱敏、建模训练）不在白名单——目录里没有这些工具。

唯一例外：paper_draft_one_click 会在后台建一个写作任务并落库，它的 annotations.readOnlyHint = false。调用前请先跟用户确认；表里其它生成类都不写库。

生成类怎么取结果（异步）

39 个生成类动作是异步的：返回 success: true + job_id + engine_status: queued， 这不是结果，是已受理。要用 sanyu_job_status 轮询：

{ "name": "sanyu_job_status", "arguments": { "job_id": "job_xxxxxxxx" } }

每 3 秒一次，最多等 300 秒。status=succeeded 取 result；failed 读 error（失败不扣分）。 拿到 succeeded 之前不要向用户报告任何结果。

响应示例

{
  "success": true,
  "action": "act_roc",
  "engine_status": "real",
  "data_source": "local_computation",
  "result": { "auc": 0.86, "ci": [0.74, 0.95], "n": 120 },
  "cost": 1,
  "audit_id": 88123,
  "credits_balance": 499,
  "warnings": []
}

服务卡

https://sanyu.wentangkeji.com/api/mcp/card

许可

MIT