mcpField
T
tooluniverse-cs-setup

tooluniverse-cs-setup

github.com/mims-harvardAgent 工作流1.8k81 次安装2 天前更新
代码仓库

关于 tooluniverse-cs-setup

这是为 Claude Science 配置 ToolUniverse 的技能，通过安装 Python 包并载入研究工作流技能来提供工具能力。它以原生工作流替代 Claude Code 插件中的 MCP 服务、斜杠命令和插件安装流程。

主要功能

  1. 01创建并配置 tooluniverse conda 环境
  2. 02安装或升级 tooluniverse Python 包
  3. 03构建并发布研究工作流技能
  4. 04通过自然语言路由调用工作流
  5. 05提供验证与更新步骤

适用场景

  1. 01在 Claude Science 中安装 ToolUniverse
  2. 02更新工具包和研究工作流
  3. 03将工作流文件发布到技能目录
  4. 04验证工具调用是否可用

MCP 相关

该方案不使用 MCP 服务，而是通过 tooluniverse Python 包和动态加载的 tooluniverse-research 技能提供能力。

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mims-harvard/tooluniverse --skill tooluniverse-cs-setup

安装后在 Claude Code 中输入/tooluniverse-cs-setup确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

kernel.py
templates/
research_kernel.py
router_SKILL.md

详细介绍

为 Claude Science 设置 ToolUniverse

上游 ToolUniverse 提供 Claude Code 插件（MCP 服务 + uvx + 斜杠命令）。Claude Science 以不同方式加载功能，因此此技能以原生方式安装等效功能：tooluniverse pip 包提供 2500 多个工具，工作流库则打包为一个动态加载的技能 tooluniverse-research。无需 uv、MCP 服务或插件市场。

加载此技能会在内核中定义 tu_build_research_bundle()（在 tooluniverse conda 环境中运行单元格）。

完整安装／更新——四个步骤

1. 创建 conda 环境（如果已存在则跳过）：

manage_environments(mode="create", name="tooluniverse", python_version="3.11", packages=["pip"])

2. 安装（或升级）工具——pip 包就是工具层：

manage_packages(mode="install", environment="tooluniverse", packages=["tooluniverse"], use_pip=True)

如需确保可复现性，可使用 ["tooluniverse==1.3.0"] 固定版本。

3. 暂存工作流包——获取当前仓库并重建文件树（在 python 单元格中运行，环境为 tooluniverse）：

res = tu_build_research_bundle(staging="./tu_staging")
res  # {out_dir, n_workflows, n_files, dropped, files_head}

此操作会下载仓库 tarball，解析每个 tooluniverse-* 工作流（丢弃插件／安装程序条目），并写入 ./tu_staging/out/ = SKILL.md、kernel.py、index.json、workflows/*.md。

4. 发布技能——将暂存树推送到目录中（在 repl 工具中运行；host.skills.* 位于那里，而非 python 中）：

import os
SKILL = "tooluniverse-research"
out = os.path.abspath("./tu_staging/out")
if any(s["name"] == SKILL for s in host.skills.list()):
    host.skills.delete(SKILL)                       # clean rebuild
for root, _d, fs in os.walk(out):
    for f in fs:
        p = os.path.join(root, f)
        rel = os.path.relpath(p, out)
        host.skills.edit(SKILL, rel, open(p, encoding="utf-8").read())
print(host.skills.publish(SKILL, overwrite=True))

（如果 kernel.py 未通过 sidecar 检查，host.skills.publish 会拒绝发布——edit 结果会包含判定结果。）

验证

skill("tooluniverse-research")                      # loads router + injects helpers
tu = get_tu()
tu.run({"name": "PubChem_get_CID_by_compound_name", "arguments": {"name": "metformin"}})
# -> {'status': 'success', 'data': {'IdentifierList': {'CID': [4091]}}}

注意事项

  • 沙盒缓存：ToolUniverse 默认将缓存设为 ~/.tooluniverse，但此处该目录是只读的；get_tu() 会通过 TOOLUNIVERSE_CACHE_DIR 将其重定向到工作区。无需进行任何配置。
  • API 密钥（可选）：大多数工具无需密钥即可使用。对于 NCBI／OncoKB／NVIDIA 等服务，请在 Customize → Credentials 中添加密钥，然后在 tooluniverse 环境中提供这些密钥。
  • 未移植的内容：插件的斜杠命令（/tooluniverse:research）和 MCP 服务——已由自然语言路由（search_skills → find_tu_workflow）取代。两个 *-plugin 安装程序文档作为非研究条目被丢弃。
  • 更新：重新运行步骤 2–4。步骤 2 会升级工具；步骤 3–4 会根据最新的 GitHub 状态刷新工作流库。

评论

支持 Markdown