Healthcare Research MCP Server

실제 생의학 연구 소스를 사용하는 구조화된 헬스케어 연구를 위한 Model Context Protocol(MCP) 서버입니다.

이 서버는 PubMed와 ClinicalTrials.gov를 검색하는 MCP 도구, 구조화된 연구 브리프를 생성하기 위한 MCP 프롬프트, 그리고 연구 및 안전 지침을 포함하는 MCP 리소스를 제공합니다.

1. 프로젝트 개요

Healthcare Research MCP Server는 AI 어시스턴트와 헬스케어 연구 소스 간의 표준화된 인터페이스를 제공합니다.

AI 애플리케이션이 모든 연구 데이터베이스에 대해 별도의 통합을 구현해야 하는 대신, MCP 서버는 헬스케어 연구 기능을 재사용 가능한 MCP 도구로 노출합니다.

현재 구현은 다음을 통합합니다:

• PubMed

• ClinicalTrials.gov

이 서버는 연구 질문에 대해 두 소스를 모두 검색하고 결합된 증거 패키지를 반환할 수 있습니다.

Related MCP server: PubMed MCP Server

2. 문제 정의

헬스케어 연구는 종종 여러 소스의 정보를 필요로 합니다.

연구자는 다음을 수행해야 할 수 있습니다:

1. 생의학 문헌을 검색합니다.

2. 개별 연구 논문을 검색합니다.

3. 등록된 임상 시험을 검색합니다.

4. 소스 간 증거를 비교합니다.

5. PMID 및 NCT 번호와 같은 식별자를 추적합니다.

6. 검색된 증거와 해석을 구분합니다.

표준화된 인터페이스가 없으면 각 AI 애플리케이션은 이러한 통합을 독립적으로 구현해야 합니다.

이 프로젝트는 MCP가 재사용 가능한 헬스케어 연구 인터페이스를 어떻게 제공할 수 있는지 보여줍니다.

3. 왜 MCP인가?

Model Context Protocol은 AI 애플리케이션이 외부 도구, 리소스 및 프롬프트와 상호작용할 수 있는 표준화된 방법을 제공합니다.

이 프로젝트는 세 가지 주요 MCP 프리미티브를 보여줍니다:

도구(Tools)

도구는 MCP 클라이언트 또는 AI 모델이 작업을 수행할 수 있게 합니다.

구현된 도구:

• pubmed_search

• pubmed_get_article

• clinical_trials_search

• healthcare_research

프롬프트(Prompts)

프롬프트는 특정 워크플로우에 대한 재사용 가능한 지침을 제공합니다.

구현된 프롬프트:

• research_brief

리소스(Resources)

리소스는 MCP 클라이언트가 검색할 수 있는 상황별 정보를 제공합니다.

구현된 리소스:

• healthcare://research-guidelines

4. 아키텍처

                MCP CLIENT
                    |
                    v
          Healthcare Research
              MCP Server
                    |
    +---------------+---------------+
    |               |               |
    v               v               v
  Tools           Prompts        Resources
    |               |               |
    |               |               |
    |        research_brief   research-guidelines
    |

+----+---------------------+ | | v v PubMed ClinicalTrials.gov | | +------------+-------------+ | v 결합된 증거 패키지

서버는 증거 검색과 해석을 분리합니다.

MCP 서버는 연구 정보를 검색하고 구조화합니다. AI 클라이언트는 연구 프롬프트와 함께 해당 증거를 사용하여 구조화된 연구 브리프를 생성할 수 있습니다.

5. MCP 도구

pubmed_search

생의학 연구 논문을 위해 PubMed를 검색합니다.

예시 쿼리:

artificial intelligence ECG

반환 항목:

• PMID

• 제목

• 저자

• 저널

• 발행일

pubmed_get_article

PMID를 사용하여 PubMed 논문의 상세 정보를 검색합니다.

예시:

PMID: 42642304

응답에는 다음이 포함될 수 있습니다:

• PMID

• 제목

• 저널

• 저자

• 발행일

• DOI

• 가능한 경우 초록

clinical_trials_search

임상 연구를 위해 ClinicalTrials.gov를 검색합니다.

식별자 및 연구 정보를 포함한 일치하는 연구에 대한 구조화된 정보를 반환합니다.

healthcare_research

다중 소스 연구 검색을 수행합니다.

워크플로우는 다음과 같습니다:

연구 질문 | +------> PubMed | +------> ClinicalTrials.gov | v 결합된 증거 패키지

이 도구는 다른 소스의 성공적인 결과를 폐기하지 않으면서 소스 실패를 보고합니다.

6. MCP 프롬프트

research_brief

research_brief 프롬프트는 검색된 헬스케어 연구를 종합하기 위한 구조화된 프레임워크를 제공합니다.

다음을 요청합니다:

1. 연구 질문

2. 주요 발견 사항

3. 관련 PubMed 증거

4. 관련 임상 시험 증거

5. 일치하는 영역

6. 불확실성 또는 상충되는 증거 영역

7. 한계

8. 추가 검토가 필요한 소스

프롬프트는 또한 AI에게 다음을 지시합니다:

• 발견 사항을 지어내지 않도록 합니다.

• 증거와 해석을 구분합니다.

• 뒷받침되지 않는 인과 관계 주장을 피합니다.

• 이용 불가능한 정보를 식별합니다.

• PMID 및 NCT 식별자를 보존합니다.

• 개별화된 의학적 조언을 피합니다.

7. MCP 리소스

healthcare://research-guidelines

MCP 클라이언트에 연구 방법론 및 안전 지침을 제공합니다.

리소스는 다음을 다룹니다:

• 증거 처리

• 소스 식별자

• 연구 한계

• 불확실성

• 임상 안전 경계

• 연구 정보와 전문 의학적 판단의 구분

8. 다중 소스 연구 워크플로우

일반적인 워크플로우는 다음과 같습니다:

사용자: "AI 기반 ECG 해석에 대한 현재 증거는 무엇인가요?" | v MCP 클라이언트 / AI | v healthcare_research | +----------+----------+ | | v v PubMed ClinicalTrials.gov | | +----------+----------+ | v 증거 패키지 | v research_brief | v 구조화된 연구 브리프

이 아키텍처는 소스 검색을 AI 해석과 분리합니다.

9. 검증

외부 요청이 이루어지기 전에 검색 입력이 검증됩니다.

현재 검증에는 다음이 포함됩니다:

• 쿼리는 문자열이어야 합니다.

• 쿼리는 비어 있을 수 없습니다.

• max_results는 정수여야 합니다.

• max_results는 최소 1 이상이어야 합니다.

• max_results는 20을 초과할 수 없습니다.

이렇게 하면 잘못된 요청이 불필요하게 외부 API에 도달하는 것을 방지할 수 있습니다.

10. 오류 처리

외부 연구 API는 일시적으로 실패하거나 예기치 않은 응답을 반환할 수 있습니다.

서버는 외부 소스 실패에 대해 제어된 ResearchSourceError 예외를 사용합니다.

다중 소스 연구의 경우, 한 소스의 실패가 다른 소스의 결과를 자동으로 폐기하지 않습니다.

예를 들어:

PubMed -> 성공 ClinicalTrials.gov -> 오류 | v 부분 결과 + 소스 오류

이를 통해 클라이언트는 다음을 구분할 수 있습니다:

• 성공적인 증거 검색.

• 부분 검색.

• 소스 실패.

11. 테스트

프로젝트에는 다음에 대한 자동화된 테스트가 포함됩니다:

• 입력 검증.

• 결합된 연구 워크플로우.

• 부분 소스 실패.

• MCP 도구 검색.

• MCP 프롬프트 검색.

• MCP 리소스 검색.

• MCP 리소스 검색.

전체 테스트 스위트를 실행합니다:

python -m pytest -q

프로젝트는 단위 수준 테스트와 MCP 통합 테스트를 모두 사용합니다.

12. 프로젝트 구조

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

13. 설치

저장소를 클론합니다:

git clone https://github.com/Anubhab36/healthcare-research-mcp.git cd healthcare-research-mcp

가상 환경을 생성합니다:

python3 -m venv venv

활성화합니다:

source venv/bin/activate

의존성을 설치합니다:

pip install -r requirements.txt

필요한 경우 테스트 의존성을 설치합니다:

pip install pytest

14. MCP 서버 실행

서버는 MCP stdio 전송을 통해 통신합니다.

실행:

python -m server.server

서버는 일반 브라우저를 통해 접근하는 것이 아니라 MCP 클라이언트에 의해 시작되도록 설계되었습니다.

15. MCP 테스트 클라이언트 실행

저장소에는 MCP 서버를 시작하고 stdio를 통해 통신하는 테스트 클라이언트가 포함되어 있습니다.

실행:

python tests/test_client.py

클라이언트는 다음을 보여줍니다:

• MCP 초기화.

• 도구 검색.

• 프롬프트 검색.

• 리소스 검색.

• 리소스 검색.

• 헬스케어 연구 도구 호출.

16. 예시 연구 쿼리

예시:

artificial intelligence ECG

다른 예시 쿼리:

AI assisted medical imaging

machine learning cardiac diagnosis

artificial intelligence radiology

deep learning ECG analysis

machine learning clinical decision support

이러한 쿼리는 다중 소스 연구 워크플로우와 함께 사용할 수 있습니다.

17. 헬스케어 안전 고려 사항

이 프로젝트는 헬스케어 연구 및 정보 검색을 위한 것입니다.

다음을 위한 것이 아닙니다:

• 환자를 진단합니다.

• 개별화된 치료를 권장합니다.

• 의료 전문가를 대체합니다.

• 자율적인 임상 결정을 내립니다.

검색된 연구는 임상, 규제 또는 기타 영향력이 큰 결정에 사용되기 전에 독립적으로 검토되어야 합니다.

검색 결과는 불완전할 수 있으며, 임상 시험 정보는 시간이 지남에 따라 변경될 수 있습니다.

18. 설계 원칙

프로젝트는 여러 설계 원칙을 따릅니다.

해석 전 증거

서버는 AI 합성이 발생하기 전에 소스 정보를 검색합니다.

소스 추적 가능성

PMID 및 NCT 식별자와 같은 연구 식별자는 가능한 경우 보존됩니다.

책임 분리

MCP 서버는 다음을 처리합니다:

데이터 검색 검증 구조화 소스 오류 처리

소비 AI 애플리케이션은 다음을 처리할 수 있습니다:

해석 비교 요약 연구 종합

우아한 성능 저하

한 연구 소스의 실패가 다른 소스의 성공적인 결과를 자동으로 제거해서는 안 됩니다.

19. 사용된 기술

• Python

• Model Context Protocol (MCP)

• FastMCP

• PubMed / NCBI

• ClinicalTrials.gov API

• pytest

• JSON

• stdio 전송

20. 향후 개선 사항

잠재적인 향후 개선 사항:

• 추가 생의학 데이터베이스.

• 소스 간 중복 제거.

• 인용 순위.

• 날짜 및 발행 필터.

• 연구 유형 필터링.

• 증거 품질 점수.

• 가능한 경우 전문(full-text) 논문 검색.

• 더 고급 연구 종합.

• 지속적인 연구 세션.

• MCP 클라이언트 통합.

• 추가 자동화된 통합 테스트.

21. 프로젝트 목표

이 프로젝트의 주요 목표는 Model Context Protocol을 사용하여 헬스케어 연구를 위한 재사용 가능한 AI 인터페이스를 구축하는 방법을 보여주는 것입니다.

단일 목적의 헬스케어 챗봇을 구축하는 대신, 프로젝트는 AI 클라이언트가 필요에 따라 검색하고 사용할 수 있는 표준화된 MCP 기능을 제공합니다.

그 결과는 다음을 분리하는 모듈식 헬스케어 연구 인프라입니다:

연구 소스 | v MCP 도구 | v 구조화된 증거 | v AI 해석

라이선스

이 프로젝트는 교육 및 연구 목적으로 제공됩니다.