biomedmcp

biomedmcp

BioMedMCP 让你的 AI Agent 能够访问带有引文的生物医学来源，包括 PubMed、UniProt、ClinicalTrials.gov、ChEMBL、Open Targets 和 GTEx，让它给出的 答案都能指向可供核查的记录。

从一个研究问题开始

使用你的 MCP 客户端试试：

构建一份关于 LDL 受体生物学和降低胆固醇的证据笔记。 从人类 LDLR 靶点档案开始，检查组织表达情况，然后查找 PCSK9 遗传学研究。分别整理观察结果、干预结果和未解问题。引用你查阅的记录，并指出任何无法获取的来源。

使用 Streamable HTTP 连接到 https://biomedmcp.unibiointelligence.com/mcp， 并在出现提示时登录。若要使用本地服务，请安装 Python 发行包，或从此代码检出构建；参见连接选项。

在本地运行相同的调查

在已激活的虚拟环境中使用 Python 3.13+：

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

单个 Python 发行包包含所有来源适配器。从代码检出中，uv sync --frozen 会安装锁定的环境；使用该环境时，命令前加上 uv run --frozen。

以下这些针对性调用可以补齐笔记中的空缺：

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"}'

合并记录前，请检查每条响应的来源、物种和标识符； 部分缺失或无法获取的内容属于空缺，而非阴性结果。请沿着续页和恢复链接查看预览之外的内容。

选择下一个问题

研究任务	从何处开始
区分靶点观察结果与因果主张	证据调查
检查等位基因，不要混淆转录本或基因组版本	类型化调用示例
阅读论文中可访问的正文和表格	使用 get_record，参数为 entity: "article" 和 sections: ["fulltext"]
检查已注册的研究	使用 trial_search；检查每项研究提交的记录
重现本地分析	合成研究演练

连接本地 Agent

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

使用 http://127.0.0.1:8000/mcp，或参照连接指南配置 stdio 客户端。调用参考涵盖 准确的 JSON 参数；结果处理说明部分结果 和证据边界。

某些来源需要密钥或已安装的数据集。运行 biomedmcp diagnose 并查阅 来源访问说明。请将凭据保存在环境变量 或客户端密钥存储中。某个来源访问失败并不代表没有证据。

集成代码采用 Apache-2.0 许可。检索到的数据仍遵循其 来源条款。另请参阅声明、 发行说明和贡献指南。

致谢

我们衷心感谢 Anthropic 的 AI for Science 罕见疾病研究资助项目提供支持。