genome-mcp

# Genome MCP 🧬 智能基因组数据服务器 - 通过MCP协议提供高质量的基因信息查询、同源基因分析和进化研究功能。可在 [Glama MCP平台](https://glama.ai/mcp/servers/@gqy20/genome-mcp) 发现和快速配置。 [](https://pypi.org/project/genome-mcp/) [](https://pypi.org/project/genome-mcp/) [](https://opensource.org/licenses/MIT) [](https://github.com/gqy20/genome-mcp) [](https://glama.ai/mcp/servers/@gqy20/genome-mcp) ## 1. 🚀 核心特性 - **🧬 基因信息查询**: 基于NCBI Gene数据库的准确基因信息 - **🔄 同源基因分析**: 基于Ensembl API的跨物种同源基因查询（253+ TP53同源基因） - **🧬 进化分析**: 系统发育关系构建和保守性分析 - **🔍 语义搜索**: 理解查询意图的智能搜索功能 - **📊 批量处理**: 优化的并发查询，支持大规模数据分析 - **🌐 多传输模式**: 支持STDIO、HTTP、SSE传输协议 - **⚡ 异步架构**: 高性能异步处理架构 - **🔬 科学可靠**: 基于权威数据库，无模拟数据，完全科学可信 ## 2. 安装 推荐使用现代化的 [uv](https://github.com/astral-sh/uv) 包管理器以获得更快的安装速度： ```bash # 使用uvx直接运行（推荐） uvx genome-mcp # 或添加到项目 uv add genome-mcp ``` 传统方式安装： ```bash pip install genome-mcp ``` ## 3. 🛠️ MCP 接入配置 ### 3.1 Claude Desktop 编辑配置文件： - **macOS**: `~/Library/Application Support/Claude/claude_desktop_config.json` - **Windows**: `%APPDATA%\Claude\claude_desktop_config.json` 推荐使用 uvx 运行: ```json { "mcpServers": { "genome-mcp": { "command": "uvx", "args": ["genome-mcp"], "env": {} } } } ``` 或使用传统方式: ```json { "mcpServers": { "genome-mcp": { "command": "python", "args": ["-m", "genome_mcp"], "env": {} } } } ``` 或使用 uv run: ```json { "mcpServers": { "genome-mcp": { "command": "uv", "args": ["run", "-m", "genome_mcp"], "env": {} } } } ``` ### 3.2 Continue.dev 在 VS Code 的 Continue.dev 扩展配置中: ```json { "mcpServers": { "genome-mcp": { "command": "uvx", "args": ["genome-mcp"] } } } ``` ### 3.3 Cursor (VS Code 扩展) 在 Cursor 设置中添加: ```json { "mcpServers": { "genome-mcp": { "command": "uvx", "args": ["genome-mcp"], "env": { "GENOME_MCP_LOG_LEVEL": "info" } } } } ``` ### 3.4 Cline (Claude for VS Code) 在 Cline 设置文件中: ```json { "mcpServers": { "genome-mcp": { "command": "uvx", "args": ["genome-mcp"], "timeout": 30000 } } } ``` ### 3.5 其他支持 MCP 的客户端 1. **Windsurf**: 使用与 Claude Desktop 相同的配置格式 2. **OpenHands**: 在 config.json 中添加服务器配置 3. **Custom MCP Client**: 参考下面的 Python 示例 ### 3.6 自定义 MCP 客户端 使用 stdio 传输: ```python import subprocess import json # 启动 MCP 服务器 process = subprocess.Popen( ["python", "-m", "genome_mcp"], stdin=subprocess.PIPE, stdout=subprocess.PIPE, text=True ) # 发送初始化消息 init_message = { "jsonrpc": "2.0", "id": 1, "method": "initialize", "params": { "protocolVersion": "2024-11-05", "capabilities": {}, "clientInfo": {"name": "test-client", "version": "1.0.0"} } } process.stdin.write(json.dumps(init_message) + "\n") response = process.stdout.readline() print("Server response:", response) ``` ## 4. 🔧 API 功能 ### 4.1 可用工具 1. **get_data** - 智能数据获取 - 支持基因符号、ID、区域搜索、同源基因查询 - 自动类型识别和查询优化 - 批量查询支持 2. **advanced_query** - 高级批量查询 - 复杂查询条件组合 - 批量处理优化 - 自定义输出格式 3. **smart_search** - 语义搜索 - 自然语言查询理解 - 智能结果排序 - 上下文感知搜索 4. **kegg_pathway_enrichment_tool** - KEGG通路富集分析 🆕 - 基因列表在KEGG通路中的富集分析 - 超几何分布检验计算统计显著性 - FDR多重检验校正 - 支持人类、小鼠、大鼠等多种模式生物 ### 4.2 使用示例 ```python import asyncio from genome_mcp import get_data, advanced_query, smart_search async def main(): # 获取基因信息 gene_info = await get_data("TP53") print("Gene info:", gene_info) # 区域搜索 region_data = await get_data("chr17:7565097-7590856", query_type="region") print("Region data:", region_data) # 批量查询 batch_results = await get_data(["TP53", "BRCA1", "EGFR"], query_type="gene") print("Batch results:", batch_results) # 语义搜索 search_results = await smart_search("tumor suppressor genes involved in cancer") print("Search results:", search_results) # 高级查询 advanced_results = await advanced_query( query="cancer genes", query_type="search", database="gene", max_results=20 ) print("Advanced results:", advanced_results) # KEGG通路富集分析 kegg_results = await kegg_pathway_enrichment_tool( gene_list=["7157", "672", "675"], # TP53, BRCA1, BRCA2的Entrez ID organism="hsa", pvalue_threshold=0.05, min_gene_count=2 ) print("KEGG enrichment results:", kegg_results) asyncio.run(main()) ``` ## 5. 📋 响应格式 所有API响应都遵循统一的JSON格式，包含 `success`、`data` 和 `query_info` 字段。 示例响应： ```json { "success": true, "data": { "gene_info": { "uid": "7157", "name": "TP53", "description": "tumor protein p53" } }, "query_info": { "query": "TP53", "query_type": "gene" } } ``` ## 6. 💻 命令行使用 ```bash # 直接运行（推荐） uvx genome-mcp # 开发模式运行 uv run -m genome_mcp # HTTP 服务器模式 uv run -m genome_mcp --port 8080 # 查看帮助 uv run -m genome_mcp --help ``` ## 7. 📋 更新日志 详细的版本更新记录请查看 [CHANGELOG.md](CHANGELOG.md) ## 8. 📚 依赖 详细的依赖信息和版本要求请查看 [pyproject.toml](pyproject.toml) **Python 版本要求**：>= 3.11 ## 9. 🏗️ 开发 ```bash git clone https://github.com/gqy20/genome-mcp cd genome-mcp pip install -e ".[dev]" make test make lint ``` ### 9.1 开发命令 ```bash make install # 安装开发依赖 make format # 格式化代码 make lint # 代码质量检查 make test # 运行测试 make check # 完整检查 make build # 构建包 ``` ## 10. 📄 许可证 本项目采用 [MIT License](LICENSE) 开源许可证。 © 2025 [gqy20](https://github.com/gqy20) ## 11. 🤝 贡献 欢迎提交 Issue 和 Pull Request！ ## 12. 📞 支持 - 📖 [文档](https://github.com/gqy20/genome-mcp#readme) - 🧬 [Glama MCP服务器](https://glama.ai/mcp/servers/@gqy20/genome-mcp) - 🐛 [问题反馈](https://github.com/gqy20/genome-mcp/issues) - 💬 [讨论](https://github.com/gqy20/genome-mcp/discussions) --- **Genome MCP** - 让基因组数据访问更简单、更智能！