mcpField
I
IntelliNode Medical Use Cases

IntelliNode Medical Use Cases

本地服务
cfp.pydata.orgAI 与智能体970 周前更新

关于 IntelliNode Medical Use Cases

IntelliNode 是用于图结构 AI 工作流编排的开源库;此仓库提供医疗与健康场景的多 Agent 教学示例,涵盖 MCP 临床数据预测。示例仅供学习,不用于实际患者护理。

主要功能

  1. 01图结构 AI 工作流编排
  2. 02多 AI 提供方协作示例
  3. 03文本、图像与语音生成示例
  4. 04基于 MCP 的临床数据预测
  5. 05使用 Polars 或 Pandas 提供 CSV 数据

适用场景

  1. 01学习营养评估与膳食计划流程
  2. 02演示多个模型协同处理任务
  3. 03构建临床数据预测教学示例

MCP 相关

仓库包含一个 MCP 服务,可通过 Polars 或 Pandas 提供 CSV 文件,用于图结构医疗预测示例。

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。

代码仓库

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

IntelliNode 医疗用例

IntelliNode 是一个开源库,用于通过基于图的架构编排 AI 工作流。本仓库包含教育示例,展示多 Agent 系统如何应用于医疗保健和健康场景。

安装 Intellinode

# Basic installation
pip install intelli

# With MCP support
pip install "intelli[mcp]"

环境设置

在项目根目录中创建一个 .env 文件,并添加以下键:

OPENAI_API_KEY=your_openai_api_key_here
ANTHROPIC_API_KEY=your_anthropic_api_key_here

安装项目依赖项:

pip install -r requirements.txt

启动 Jupyter:

jupyter lab

MCP 服务

如需运行使用 Polars 提供 CSV 文件的 MCP 服务:

pip install -r requirements.txt
cd mcp_server
# polars data provider
python eicu_mcp_server_polars.py

(替代方案)使用 Pandas 作为数据提供程序启动服务:

python eicu_mcp_server.py

实验概览

实验 1:使用 IntelliNode 进行营养评估
  • OpenAI GPT-4 分析客户记录,Anthropic Claude 制定膳食计划。
  • 展示如何在医疗工作流中连接多个 AI 提供商。
营养评估流程
实验 2:使用 IntelliNode 运行多个模型
  • 展示如何在一个系统中生成文本、图像和语音。
多模型流程
实验 3:使用图进行 MCP 医疗预测
  • 使用 Model Context Protocol(MCP)的医疗预测系统。
  • MCP 服务使用 Polars 后端提供 CSV 文件。
  • Agent 根据临床数据预测结果。
MCP 医疗预测流程

幻灯片

PyData - 多 Agent 集成的图论 https://www.slideshare.net/slideshow/pydata-graph-theory-for-multi-agent-integration/280302074

⚠️ 重要免责声明

这些示例仅用于教育目的,不适用于实际患者护理。

在生产部署中,必须实现日志记录、确保临床审批安全,并为工作流建立适当的治理机制。

实验贡献

本仓库中的用例和示例由 MedWrite.ai 提供。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。