💊 drug-pipeline-mcp

Pharma-F&E-Pipeline-Intelligenz für KI-Agenten – Klinische Studien, FDA-Zulassungen, Arzneimittelinformationen & Publikationen in einem MCP-Server.

Keine Halluzinationen. Jedes Ergebnis lässt sich auf eine NCT-ID, FDA-Antragsnummer oder PMID zurückführen.

Schnellstart

pip install git+https://github.com/DasClown/drug-pipeline-mcp.git
# or try it on Smithery: https://smithery.ai/servers/crop-mcp/drug-pipeline

# Start MCP server (stdio)
drug-pipeline

# Or HTTP mode for remote access
pip install drug-pipeline-mcp[http]
drug-pipeline --http --port 8081

Related MCP server: BioLab MCP Server

Tools (6)

Beispiel-Agentenabfragen

"Was ist in der Pipeline für GLP-1-Agonisten?" → drug_pipeline(drug_name="semaglutide") → ATC-Klasse, FDA-Status, 10+ Studien, Publikationen

"Welche Unternehmen haben Phase-3-Studien für nicht-kleinzelligen Lungenkrebs?" → search_trials(condition="non-small cell lung cancer", phase="PHASE3", status="RECRUITING")

"Ist Pembrolizumab in der EU im Vergleich zu den USA zugelassen?" → get_approvals(drug_name="Keytruda") → FDA-Einreichungshistorie mit Daten → get_eu_approvals(drug_name="Keytruda") → EU-Zulassungsstatus

"Was sind die Sicherheitssignale für Semaglutid?" → get_safety_data(drug_name="semaglutide") → 6.027 FAERS-Berichte, häufigste Reaktionen: Übelkeit (862), Erbrechen (750)

"Welche Medikamente sind für nicht-kleinzelligen Lungenkrebs zugelassen?" → approved_for_condition(condition="non-small cell lung cancer") → 82 Medikamente (Keytruda, Tagrisso, Opdivo, Tecentriq, ...)

"Was sind die Einschlusskriterien für NCT03178617?" → get_trial_detail(nct_id="NCT03178617")

Beispielausgabe (drug_pipeline)

{
  "status": "ok",
  "query": {"drug_name": "semaglutide"},
  "drug_info": {
    "atc_classification": {"code": "A10BJ", "name": "GLP-1 analogues"},
    "rxcui": "1991302",
    "products": [{"brand_name": "Ozempic", "generic_name": "semaglutide", "labeler": "Novo Nordisk"}]
  },
  "clinical_trials": { "results": [ ... ] },
  "publications": { "total_count": 846, "returned_count": 5 },
  "data_sources": ["openFDA", "RxNorm", "PubMed", "clinicaltrials.gov"]
}

Architektur

drug-pipeline-mcp/
├── drug_pipeline/
│   ├── __init__.py        # Version
│   ├── server.py          # MCP server (6 tools)
│   └── sources.py         # Data source fetchers
├── drug_pipeline_cli.py   # CLI entry point
├── pyproject.toml
└── README.md

Kein maschinelles Lernen. Keine Vorhersagen. Nur strukturierte Synthese verifizierter Primärquellen.

Datenquellen

Anti-Halluzination

Jedes Ergebnis enthält:

• NCT ID → https://clinicaltrials.gov/study/NCT...

• FDA-Antragsnummer → https://www.accessdata.fda.gov/...

• PMID → https://pubmed.ncbi.nlm.nih.gov/PMID...

Keine berechneten Felder, keine Vorhersagen, keine "ungefähren" Schätzungen.

Sprache

Alle Ausgaben erfolgen auf Englisch (JSON-Feldnamen, Beschreibungen, Ergebnisse). Der Server kann über den language-Parameter auf Smithery für zukünftige Lokalisierungsunterstützung konfiguriert werden.

Lizenz

MIT