実在の生物医学研究ソースを使用した構造化ヘルスケアリサーチのためのModel Context Protocol（MCP）サーバー。
このサーバーは、PubMedとClinicalTrials.govを検索するためのMCPツール、構造化されたリサーチブリーフを生成するためのMCPプロンプト、および研究と安全に関するガイドラインを含むMCPリソースを提供します。
Healthcare Research MCP Serverは、AIアシスタントとヘルスケア研究ソースの間の標準化されたインターフェースを提供します。
AIアプリケーションがすべての研究データベースに対して個別の統合を実装する代わりに、MCPサーバーはヘルスケア研究機能を再利用可能なMCPツールとして公開します。
現在の実装では、以下を統合しています：
PubMed
ClinicalTrials.gov
サーバーは、研究質問に対して両方のソースを検索し、統合されたエビデンスパッケージを返すことができます。
Related MCP server: PubMed MCP Server
ヘルスケア研究では、複数のソースからの情報が必要になることがよくあります。
研究者は以下のことを行う必要があるかもしれません：
生物医学文献を検索する。
個々の研究論文を取得する。
登録済みの臨床試験を検索する。
ソース間でエビデンスを比較する。
PMIDやNCT番号などの識別子を追跡する。
取得したエビデンスと解釈を区別する。
標準化されたインターフェースがなければ、各AIアプリケーションはこれらの統合を個別に実装する必要があります。
このプロジェクトは、MCPが再利用可能なヘルスケア研究インターフェースをどのように提供できるかを示しています。
Model Context Protocolは、AIアプリケーションが外部ツール、リソース、プロンプトと対話するための標準化された方法を提供します。
このプロジェクトは、MCPの3つの主要なプリミティブを示しています：
ツールは、MCPクライアントまたはAIモデルがアクションを実行することを可能にします。
実装されたツール：
pubmed_search
pubmed_get_article
clinical_trials_search
healthcare_research
プロンプトは、特定のワークフローのための再利用可能な指示を提供します。
実装されたプロンプト：
research_brief
リソースは、MCPクライアントが取得できるコンテキスト情報を提供します。
実装されたリソース：
healthcare://research-guidelines
MCP CLIENT
|
v
Healthcare Research
MCP Server
|
+---------------+---------------+
| | |
v v v
Tools Prompts Resources
| | |
| | |
| research_brief research-guidelines
|+----+---------------------+ | | v v PubMed ClinicalTrials.gov | | +------------+-------------+ | v Combined Evidence Package
サーバーは、エビデンスの取得と解釈を分離します。
MCPサーバーは研究情報を取得し構造化します。AIクライアントは、そのエビデンスを研究プロンプトとともに使用して、構造化されたリサーチブリーフを生成できます。
pubmed_search生物医学研究論文をPubMedで検索します。
クエリの例：
artificial intelligence ECG
返される内容：
PMID
タイトル
著者
ジャーナル
発行日
pubmed_get_articlePMIDを使用してPubMedの論文の詳細情報を取得します。
例：
PMID: 42642304
レスポンスには以下が含まれます：
PMID
タイトル
ジャーナル
著者
発行日
DOI
利用可能な場合はアブストラクト
clinical_trials_searchClinicalTrials.govで臨床試験を検索します。
識別子や試験情報を含む、一致する試験の構造化情報を返します。
healthcare_research複数ソースの研究検索を実行します。
ワークフローは以下のとおりです：
Research Question | +------> PubMed | +------> ClinicalTrials.gov | v Combined Evidence Package
このツールは、他のソースからの成功した結果を破棄せずに、ソースの失敗も報告します。
research_briefresearch_briefプロンプトは、取得したヘルスケア研究を統合するための構造化されたフレームワークを提供します。
以下の項目を求めます：
研究質問
主要な発見
関連するPubMedエビデンス
関連する臨床試験エビデンス
一致している領域
不確実性または矛盾するエビデンスの領域
限界
さらなるレビューが必要なソース
また、このプロンプトはAIに以下を指示します：
発見を捏造しないこと。
エビデンスと解釈を区別すること。
裏付けのない因果関係の主張を避けること。
利用できない情報を特定すること。
PMIDおよびNCT識別子を保持すること。
個別化された医学的アドバイスを避けること。
healthcare://research-guidelinesMCPクライアントに研究方法論と安全性のガイダンスを提供します。
このリソースは以下をカバーしています：
エビデンスの取り扱い
ソース識別子
研究の限界
不確実性
臨床安全性の境界
研究情報と専門的な医学的判断の区別
典型的なワークフローは以下のようになります：
User: "What is the current evidence for AI-assisted ECG interpretation?" | v MCP Client / AI | v healthcare_research | +----------+----------+ | | v v PubMed ClinicalTrials.gov | | +----------+----------+ | v Evidence Package | v research_brief | v Structured Research Brief
このアーキテクチャは、ソースの取得をAIの解釈から分離します。
外部リクエストが行われる前に、検索入力が検証されます。
現在の検証には以下が含まれます：
クエリは文字列である必要があります。
クエリを空にすることはできません。
max_resultsは整数である必要があります。
max_resultsは少なくとも1である必要があります。
max_resultsは20を超えることはできません。
これにより、無効なリクエストが不必要に外部APIに到達するのを防ぎます。
外部の研究APIは一時的に失敗したり、予期しないレスポンスを返したりすることがあります。
サーバーは、外部ソースの障害に対して制御されたResearchSourceError例外を使用します。
複数ソースの研究では、あるソースの失敗が別のソースの結果を自動的に破棄することはありません。
例：
PubMed -> SUCCESS ClinicalTrials.gov -> ERROR | v Partial Results + Source Error
これにより、クライアントは以下を区別できます：
エビデンスの取得成功。
部分的な取得。
ソースの失敗。
このプロジェクトには、以下の自動テストが含まれています：
入力検証。
複合研究ワークフロー。
部分的なソース障害。
MCPツールの検出。
MCPプロンプトの検出。
MCPリソースの検出。
MCPリソースの取得。
完全なテストスイートを実行するには：
python -m pytest -q
このプロジェクトでは、ユニットレベルのテストとMCP統合テストの両方を使用しています。
healthcare-research-mcp/ | ├── server/ │ ├── init.py │ ├── server.py │ | │ ├── tools/ │ │ ├── init.py │ │ ├── pubmed.py │ │ ├── clinical_trials.py │ │ └── research.py │ | │ ├── prompts/ │ │ ├── init.py │ │ └── research.py │ | │ ├── resources/ │ │ ├── init.py │ │ └── guidelines.py │ | │ └── utils/ │ ├── errors.py │ └── validation.py | ├── tests/ │ ├── test_client.py │ ├── test_mcp_server.py │ ├── test_research.py │ └── test_validation.py | ├── .gitignore ├── requirements.txt └── README.md
リポジトリをクローンします：
git clone https://github.com/Anubhab36/healthcare-research-mcp.git cd healthcare-research-mcp
仮想環境を作成します：
python3 -m venv venv
アクティベートします：
source venv/bin/activate
依存関係をインストールします：
pip install -r requirements.txt
必要に応じてテスト用の依存関係をインストールします：
pip install pytest
サーバーはMCP stdioトランスポートを介して通信します。
実行：
python -m server.server
このサーバーは、通常のブラウザからアクセスするのではなく、MCPクライアントによって起動されることを意図しています。
リポジトリには、MCPサーバーを起動し、stdioを介して通信するテストクライアントが含まれています。
実行：
python tests/test_client.py
このクライアントは以下を示しています：
MCP初期化。
ツールの検出。
プロンプトの検出。
リソースの検出。
リソースの取得。
ヘルスケア研究ツールの呼び出し。
例：
artificial intelligence ECG
その他のクエリ例：
AI assisted medical imaging
machine learning cardiac diagnosis
artificial intelligence radiology
deep learning ECG analysis
machine learning clinical decision support
これらのクエリは、複数ソースの研究ワークフローで使用できます。
このプロジェクトは、ヘルスケアの研究と情報検索を目的としています。
以下のことを意図していません：
患者を診断すること。
個別化された治療を推奨すること。
医療専門家を置き換えること。
自律的な臨床判断を行うこと。
取得した研究は、臨床、規制、その他の影響の大きい決定に使用される前に、独立してレビューされるべきです。
検索結果は不完全な場合があり、臨床試験の情報は時間の経過とともに変化する可能性があります。
このプロジェクトは、いくつかの設計原則に従っています。
サーバーは、AIによる統合が行われる前にソース情報を取得します。
PMIDやNCT識別子などの研究識別子は、利用可能な場合は保持されます。
MCPサーバーは以下を処理します：
Data retrieval Validation Structuring Source error handling
消費側のAIアプリケーションは以下を処理できます：
Interpretation Comparison Summarization Research synthesis
ある研究ソースの失敗が、別のソースからの成功した結果を自動的に排除するべきではありません。
Python
Model Context Protocol (MCP)
FastMCP
PubMed / NCBI
ClinicalTrials.gov API
pytest
JSON
stdio transport
将来の改善点としては、以下が考えられます：
追加の生物医学データベース。
ソース間の重複排除。
引用ランキング。
日付と発行のフィルター。
研究タイプのフィルタリング。
エビデンスの品質スコアリング。
利用可能な場合の全文記事の取得。
より高度な研究統合。
永続的な研究セッション。
MCPクライアントの統合。
追加の自動統合テスト。
このプロジェクトの主な目標は、Model Context Protocolを使用して、ヘルスケア研究のための再利用可能なAIインターフェースを構築する方法を示すことです。
単一目的のヘルスケアチャットボットを構築する代わりに、このプロジェクトはAIクライアントが必要に応じて発見して使用できる標準化されたMCP機能を提供します。
その結果、以下を分離するモジュール式のヘルスケア研究インフラストラクチャが実現します：
Research Sources | v MCP Tools | v Structured Evidence | v AI Interpretation
このプロジェクトは、教育および研究目的を意図しています。
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Search arXiv/Semantic Scholar/OpenAlex + medical evidence (PubMed/Europe PMC) + LaTeX/PDF tools.
Open scientific and engineering knowledge for AI agents: search, evidence, document publishing.
Search your knowledge bases from any AI assistant using hybrid RAG.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/Anubhab36/healthcare-research-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server