Biomart MCP

Biomart MCP

Un servidor MCP para interactuar con Biomart

El Protocolo de Contexto de Modelo (MCP) es un protocolo abierto que estandariza cómo las aplicaciones proporcionan contexto a los LLM desarrollados por Anthropic . Aquí utilizamos el SDK de Python de MCP para crear un servidor MCP que interactúa con Biomart mediante el paquete pybiomart .

Hay un breve vídeo de demostración que muestra el servidor MCP en acción en Claude Desktop.

Instalación

Instalación mediante herrería

Para instalar Biomart MCP para Claude Desktop automáticamente a través de Smithery :

Clonar el repositorio

Escritorio de Claude

Cursor

Mediante el modo agente de Cusror, otros modelos también pueden aprovechar los servidores MCP, como los de OpenAI o DeepSeek. Haga clic en el engranaje de configuración del cursor, navegue a MCP y agregue el servidor MCP a la configuración global o al alcance del proyecto añadiendo .cursor/mcp.json al proyecto.

Ejemplo .cursor/mcp.json :

Glamour

Desarrollo

Características

Biomart-MCP proporciona varias herramientas para interactuar con las bases de datos de Biomart:

• Descubrimiento de marts y conjuntos de datos : enumera marts y conjuntos de datos disponibles para explorar la estructura de la base de datos Biomart
• Exploración de atributos y filtros : vea atributos y filtros comunes o todos los disponibles para conjuntos de datos específicos
• Recuperación de datos : consulte Biomart con atributos y filtros específicos para obtener datos biológicos
• Traducción de ID : Convierte entre diferentes identificadores biológicos (por ejemplo, símbolos genéticos a ID de Ensembl)

Contribuyendo

¡Aceptamos solicitudes de incorporación de cambios! Algunos apuntes sobre el desarrollo:

• Solo usamos @mcp.tool() aquí por diseño, esto es para maximizar la compatibilidad con los clientes que admiten MCP como se ve en la documentación .
• Estamos usando @lru_cache para almacenar en caché los resultados de funciones que son computacionalmente costosas o realizan llamadas API externas.
• Debemos tener cuidado de no sobrecargar la ventana de contexto del modelo. Por ejemplo, verá df.to_csv(index=False).replace("\r", "") en muchos lugares. Este retorno de estilo csv es mucho más eficiente en cuanto a tokens que algo como df.to_string() , donde la mayoría de los tokens son espacios en blanco. También tenga en cuenta que extraer todos los genes de un cromosoma o una solicitud similar de gran tamaño también será demasiado grande para la ventana de contexto.

Posibles características futuras

Por supuesto, se podrían añadir muchas más funciones, algunas de las cuales quizá no estén incluidas en el nombre biomart-mcp . Aquí tienes algunas ideas:

• Agregue raspado web para sitios de recursos con bs4 , por ejemplo, obtuvimos el ID del gen Ensembl para NOTCH1, luego tal vez en algunos casos sería útil obtener los Comments and Description Text from UniProtKB de su página en UCSC
• Loading...