Я（？）——等等，这是翻译任务。我只需输出译文。开始。

ViromeChat MCP 服务器（ViromeChat MCP 服务器）

一个 FastMCP 服务器，负责并拥有 Viromech@t 的所有数据集访问、外部 API 调用和业务逻辑。客户端（位于独立 viromechat 仓库中的 FastAPI 后端 / React 前端）从不直接接触 dataframe、S3 凭据或列名——它只通过 MCP/HTTP 与该服务器进行泛化交流，即读取它当前发布的任何工具和资源。

本仓库是该服务器的独立所在。它不依赖 app 仓库；两者之间的唯一契约是下文记录的那组 MCP 工具/资源，由后端通过其 MCP_SERVER_URL 环境变量来消费。

运行方式

前置要求： taxonomy 数据集（data/TAXONOMY.csv，约 327 MB）通过 Git LFS 存储。克隆前在每台机器上运行一次 git lfs install，或者克隆后运行 git lfs pull，以将其物化。

本地（Python）

git lfs pull                      # fetch data/TAXONOMY.csv
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
cp .env.example .env              # fill in your S3 credentials
python server_mcp.py

Docker

cp .env.example .env              # fill in your S3 credentials
docker compose up --build

无论哪种方式，它都会在 0.0.0.0:8000 上启动一个 HTTP 服务器，MCP 端点为 /mcp （http://localhost:8000/mcp —— 这是后端 MCP_SERVER_URL 指向的地址）。启动时它：

1. 将 data/TAXONOMY.csv 完整加载进内存，作为 df_taxo。

2. 加载构建下面两个 MCP 资源所需的两个列描述文件（data/v@_columns_description.csv 和 data/TAXONOMY_columns_description.json）。

3. 打开一个进程内 DuckDB 连接，安装 httpfs 和 spatial 扩展，并在 S3 Parquet 数据集之上注册一个 host 视图 — Parquet 文件从不加载进内存；每一次 query_host_sql 调用都由 DuckDB 下推到 S3（列剪枝 / 行组剪枝）。

测试

pip install pytest
pytest

辅助测试会覆盖纯函数（_ok/_fail、图表/表格构建器、SQL 防护），并且不需要真实的 S3 连接。

Related MCP server: Alma Atlas

集成客户端

任何 MCP 客户端的都可以消费这个服务器。Viromech@t 后端通过 fastmcp.Client 完成：

from fastmcp import Client

async with Client("http://localhost:8000/mcp") as mcp:
    tools = await mcp.list_tools()
    result = await mcp.call_tool("wikipedia_search", {"search_term": "Lentivirus"})

客户端应该动态地发现工具和资源（list_tools() / list_resources()），并分配对 artifact["type"] 进行分发——绝不硬编码工具名称或列知识。这正是两个仓库保持解耦的原因：在这里新增一个复用现有 artifact 类型的工具，不需要客户端做任何改动。

资源

资源是静态的、读取一次的知识 — 不是像工具那样被 LLM “调用”的东西。客户端的每个对话读取一次，并将其内容并入系统提示。

再加一个新资源（例如第三个数据集）不要求任何客户端改动：客户端通过 list_resources() 发现资源，并统一地读取每一个资源。

响应契约

每个工具都返回这个形状，无论它做什么：

{
  "success": true,           // or false
  "content": "human-readable text — this is what the LLM reads back as the tool result",
  "artifacts": [ ... ]        // structured extras the client can render; [] if none
}

失败时，content 持有错误消息（尽可能附重试指引），artifacts 为空。server_mcp.py 顶部的两个辅助函数 _ok(content, artifacts) / _fail(content) 用于构建这个形状—请始终使用它们，而不是手动构造一个 dict。

Artifact 类型

客户端完全根据 artifact["type"] 分发——绝不做任何标识对工具的名称。添加一个复用现有 artifact 类型的工具（例如另一个返回 "table" 的工具）不需要客户端做任何改动。

工具集合

wikipedia_search(search_term: str, wikipedia_limit: int = 4000) -> dict

在 Wikipedia 上查找某个页面；如果没有完全匹配的标题，就回退到最接近的全文搜索匹配（内容中标为“模糊匹配”提示）。返回一个 url artifact。

pubmed_search(query: str, max_results: int = 5) -> dict

在 PubMed（NCBI E-utilities esearch + efetch，db=pubmed）中搜索，并返回每条命中的标题、作者、期刊、年份、摘要、DOI 和 PMID。返回一个包含所有真实 PMID 的 pubmed artifact——这是客并端 PMID 幻觉防护的权威唯一来源。

ncbi_taxonomy_search(name: str) -> dict

把任意生物物种名称——缩写、常用名或学名——解析到 NCBI Taxonomy 数据库（E-utilities，db=taxonomy）。返回每个匹配结果：学名、分类层级（species/genus/family/……）、门（division）、完整谱系学及已行知同义/缩写。这就是把 HIV 变成 Human immunodeficiency virus 1 / 属 Lentivirus，或者检查某个名称究竟是一个属还是一个科，而不依赖 Wikipedia 措辞的权威途径。对最佳匹配返回一个 ncbi_taxonomy artifact。

实现说明：NCBI 的 efetch XML 在每个结果的 <LineageEx> 内为每个祖先级别嵌套一个 <Taxon>。解析器只遍历 root.findall(" entirely， that（直接子元素就好了）—— 如果使用.//Taxon` 会把每个祖先循环都当作是另一个独立匹配项。

query_host_sql(sql: str, preview_rows: int = 50) -> dict

针对 host 视图执行一个只读的 SELECT 语句（S3 Parquet 数据集），返回一个 table artifact。这必要的第一步必须先执行，然后 query_dataframe、create_visualization 或 create_map 才能使用 df_host —— 这些工具操作的是最近的**一次 query_host_sql 调用的结果（ctx.last_host_result），而不是整个数据集。

执行前后强制执行以下保护网：

• 只能一条 SELECT 语句——INSERT/UPDATE/DELETE/DDL/PRAGMA/... 会被 _FORBIDDEN_SQL_KEYWORDS 拒绝。

• 单点 SELECT * 会被直接拒绝。 host 约有 65 列，其中包含一个较重的 geometry blob；在该防护存在之前，从 S3 拉取每个匹配行的全部列正导致了多分钟超时。调用者必须只投影他们需要的列。

• 坐标位于本地的 GEOMETRY 点列中，而不是普通字段普通 lat/lon —— 请用 ST_X(geometry) AS lon, ST_Y(geometry) AS lat 提取它们（spatial 扩展在启动时已加载）。

query_dataframe(code: str, preview_rows: int = 50) -> dict

执行 pandas 代码，作用域中包含 df_taxo、原型末 frame（不可用，等于 ctx.last_host_client，如果尚未调用 query_host_sql 则返回明确错误）、pd 和 np。必须将 DataFrame 指派给 result。返回一个 table artifact。

create_visualization(code: str) -> dict

与 query_dataframe 相同的执行环境不同点在于多了 px/go。必须把 Figure 赋值给 fig。空图（0 个数据点）会带指引信息地被拒绝，而不是静默返回一张空图表发出一个 plotly artifact。

create_map(code: str) -> dict

与 create_visualization 相同，但强制只能使用 px.scatter_mapbox(...)（不可用 scatter_map），并强制之前的 query_host_sql 调用已从 geometry 提取出 longitude/latitude。返回一个 plotly artifact。

必需样本标识符：除非 primary_id（BioSample 登录号）出现在 hover_data 中，否则图形会被拒绝——每个绘制点必须能够追溯到具体的样本。这一条在代码中强制实现（_check_hover_has_column(fig, "primary_id")），不只是写在 docstring 中——缺少该列的 map 会无可争辩地 _fail(...)。

扩展服务器

要添加一个新工具，请按照以下步骤：

1. 把它写成普通函数，用 @mcp.tool 装饰，返回 _ok(content, artifacts) 或 _fail(content)——不要手写 dict。

2. 如果它得出可供客户端特殊渲染的输出（链接、表格、图形），就要复用上表中已有的 artifact 类型，只要其结构相符即可——这可以使客户端改动为零。如果结构确实是新出现，才发明新 type（并把接入到客户端的在分布循环中）。

3. 把每条使用规则、注意事项和示例写在 docstring 中。工具的描述会原样发给 LLM——这是唯一应该存储该数据集特有指引的地方。

4. 如果某工具需要一个可配置的 UI 默认值（如 preview_rows 或 wikipedia_limit），就一直给参数命名；客户端会将匹配的专家设置作用到 JSON schema 中声明了同名参数的任意工具。

配置

server_mcp.py 在 import 时通过 mcp_config.py 的 load_env_file() 读取 .env（另有 .env.example）：

非敏感设置位于 mcp_config.py 中。