Servidor MCP de UniProt

Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona acceso a la información de las proteínas de UniProt. Este servidor permite a los asistentes de IA obtener información sobre la función y la secuencia de las proteínas directamente de UniProt.

Características

• Obtenga información sobre proteínas por número de acceso de UniProt
• Recuperación por lotes de múltiples proteínas
• Almacenamiento en caché para un mejor rendimiento (TTL de 24 horas)
• Manejo y registro de errores
• La información incluye:
  • Nombre de la proteína
  • Descripción de la función
  • Secuencia completa
  • Longitud de la secuencia
  • Organismo

Inicio rápido

1. Asegúrese de tener instalado Python 3.10 o superior
2. Clonar este repositorio:
   git clone https://github.com/TakumiY235/uniprot-mcp-server.git cd uniprot-mcp-server
3. Instalar dependencias:
   # Using uv (recommended) uv pip install -r requirements.txt # Or using pip pip install -r requirements.txt

Configuración

Agregue a su archivo de configuración de Claude Desktop:

• Ventanas: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

Ejemplos de uso

Después de configurar el servidor en Claude Desktop, puede hacer preguntas como:

Para consultas por lotes:

Referencia de API

Herramientas

1. get_protein_info
   • Obtener información para una sola proteína
   • Parámetro obligatorio: accession (número de acceso de UniProt)
   • Ejemplo de respuesta:
     { "accession": "P12345", "protein_name": "Example protein", "function": ["Description of protein function"], "sequence": "MLTVX...", "length": 123, "organism": "Homo sapiens" }
2. get_batch_protein_info
   • Obtenga información para múltiples proteínas
   • Parámetro obligatorio: accessions (matriz de números de acceso de UniProt)
   • Devuelve una matriz de objetos de información de proteínas.

Desarrollo

Configuración del entorno de desarrollo

1. Clonar el repositorio
2. Crear un entorno virtual:
   python -m venv .venv source .venv/bin/activate # On Windows: .venv\Scripts\activate
3. Instalar dependencias de desarrollo:
   pip install -e ".[dev]"

Ejecución de pruebas

Estilo de código

Este proyecto utiliza:

• Negro para formato de código
• isort para la clasificación de importaciones
• flake8 para quitar pelusa
• mypy para verificación de tipos
• bandido para controles de seguridad
• seguridad para comprobaciones de vulnerabilidad de dependencia

Ejecutar todas las comprobaciones:

Detalles técnicos

• Construido con el SDK de Python de MCP
• Utiliza httpx para solicitudes HTTP asíncronas
• Implementa almacenamiento en caché con TTL de 24 horas utilizando un caché basado en OrderedDict
• Maneja la limitación de velocidad y los reintentos
• Proporciona mensajes de error detallados

Manejo de errores

El servidor gestiona varios escenarios de error:

• Números de acceso no válidos (404 respuestas)
• Problemas de conexión de API (errores de red)
• Limitación de velocidad (429 respuestas)
• Respuestas mal formadas (errores de análisis de JSON)
• Gestión de caché (TTL y límites de tamaño)

Contribuyendo

¡Agradecemos tus contribuciones! No dudes en enviar una solicitud de incorporación de cambios. Así es como puedes contribuir:

1. Bifurcar el repositorio
2. Crea tu rama de funciones ( git checkout -b feature/amazing-feature )
3. Confirme sus cambios ( git commit -m 'Add some amazing feature' )
4. Empujar a la rama ( git push origin feature/amazing-feature )
5. Abrir una solicitud de extracción

Asegúrese de actualizar las pruebas según corresponda y respetar el estilo de codificación existente.

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

Expresiones de gratitud

• UniProt por proporcionar la API de datos de proteínas
• Antrópico para la especificación del Protocolo de Contexto del Modelo
• Colaboradores que ayudan a mejorar este proyecto