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