Skip to main content
Glama
Sign In
deenesjakoruzh
rcm-mcp

rcm-mcp

by mr-rsr
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

Healthcare Revenue Cycle Management (RCM) Multi-Agent MCP Server

AIネイティブなマルチエージェントRevenue Cycle Management (RCM) MCPサーバーで、適格性確認、事前承認、および共有推論トレースを実装し、Supabaseとpgvectorをバックエンドとしています。

アーキテクチャ概要

                          ┌────────────────────────────┐
                          │    RCM Multi-Agent System  │
                          │   (Eligibility / PriorAuth)│
                          └─────────────┬──────────────┘
                                        │ (SSE / HTTP / stdio)
                          ┌─────────────▼──────────────┐
                          │   FastMCP Server (Port 8000)│
                          │  trace.* | eligibility.*   │
                          │        priorauth.*         │
                          └─────────────┬──────────────┘
                                        │
                 ┌──────────────────────┴──────────────────────┐
                 ▼                                             ▼
     ┌────────────────────────┐                   ┌────────────────────────┐
     │  Supabase Relational   │                   │  pgvector / Semantic   │
     │  (Payers, Coverage,    │                   │  (Historical Clinical  │
     │   Rules, Traces)       │                   │   Precedents & Cases)  │
     └────────────────────────┘                   └────────────────────────┘

Related MCP server: mymedi-ai-mcp-server

1. Supabaseデータベースのセットアップ

ステップ1.1: Supabaseプロジェクトを作成する

  1. Supabaseにログインし、新しいプロジェクトを作成します。

  2. プロジェクト設定 -> データベースで、プロジェクトURLとAPIキー（anonまたはservice_role）を確認します。

ステップ1.2: pgvectorを有効にしてスキーマを適用する

  1. SupabaseダッシュボードでSQLエディタを開きます。

  2. supabase/schema.sqlの内容をコピーして貼り付け、実行します：

    • vector拡張機能を有効にします（CREATE EXTENSION IF NOT EXISTS vector;）。

    • テーブルを作成します: payers、appointments、patient_coverage、benefit_accumulators、payer_pa_rules、pa_requests、agent_trace（追記専用）、およびescalations。

    • match_pa_casesコサイン類似度ベクトル検索関数を作成します。

ステップ1.3: シードデータを読み込む

以下のいずれかの方法で、Supabaseに合成データをシードできます。

オプションA（Pythonシーダースクリプト）: .envにSUPABASE_URLとSUPABASE_KEYを設定したら：

python seed_data.py

オプションB（SQLエディタ）: SQLエディタで、supabase/seed.sqlの内容をコピーして貼り付け、実行します。

これにより、以下がシードされます：

  • 5つの支払者: Aetna Commercial、Blue Cross Blue Shield、UnitedHealthcare、Medicare Part B、Cigna。

  • 5つの予約: 対象サービス日（DOS）を含む予定された訪問。

  • 適用範囲レコード: エッジケーステスト用の有効なポリシーと終了したポリシー。

  • 給付累積: 特定のCPTコードに対する控除額、自己負担金、共同保険。

  • PAルールと先例: 事前承認ガイドラインと、埋め込みを含む過去のケース。

2. 環境設定

.env.exampleを.envにコピーします：

cp .env.example .env

.envファイルを自分の認証情報で更新します：

# Supabase Configuration
SUPABASE_URL=https://<your-project-ref>.supabase.co
SUPABASE_KEY=<your-supabase-service-role-or-anon-key>

# Server Configuration
MCP_SERVER_HOST=0.0.0.0
MCP_SERVER_PORT=8000

# Optional Embedding Key
OPENAI_API_KEY=

3. インストール

プロジェクトの依存関係をインストールします：

pip install -r requirements.txt

4. MCPツールリファレンス

A. 共有トレースツール（trace.*）

すべてのエージェントで使用され、追記専用で監査可能な意思決定ログを維持します。

ツール名

説明

主な入力

出力

trace_write_decision

トレースログに意思決定レコードを追加します

entity_id, agent_name, decision_type, decision_payload, confidence, evidence_refs

status, trace_id

trace_query

エンカウンターの時系列の意思決定履歴を取得します

entity_id

count、トレースエントリのリスト

trace_escalate_to_human

人間の監督者によるレビューのためにケースをキューに入れます

entity_id, agent_name, reason, context

escalation_id, status

B. 適格性ツール（eligibility.*）

実際の予約サービス日（DOS）における患者の適用範囲を検証し、患者の費用を見積もります。

ツール名

説明

主な入力

出力

eligibility_check_coverage

対象サービス日に対して有効なポリシー期間を検証します

patient_id, payer_id, service_type, service_date

coverage_status, is_valid_on_service_date, deductible_met_pct

eligibility_get_benefit_details

累積残高を取得します

patient_id, payer_id, cpt_code

copay, coinsurance_pct, deductible_remaining, estimated_patient_responsibility

eligibility_flag_coverage_gap

検出された適用範囲のギャップをトレースに記録します

patient_id, gap_reason, confidence

status, trace_id

C. 事前承認ツール（priorauth.*）

手順ルールの検索、先例の検索、および臨床的正当性の提出を自動化します。

ツール名

説明

主な入力

出力

priorauth_check_requirement

手順コードが事前承認を必要とするかどうかを確認します

payer_id, cpt_code

requires_pa, rule_text

priorauth_submit_request

臨床的正当性を提出し、ステータスを受け取ります

patient_id, payer_id, cpt_code, clinical_summary

id, status (approved/denied/pending), payer_notes

priorauth_check_status

提出された承認ステータスをポーリングします

pa_request_id

id, status, payer_notes

priorauth_search_similar_cases

過去のPAケースに対するセマンティックベクトル検索

cpt_code, clinical_summary, top_k

match_count、類似度スコア付きのランク付けされたprecedents

5. MCPサーバーの実行

オプションA: SSEトランスポート（デフォルト）

Server-Sent Events（SSE）を介してFastMCPサーバーを起動します：

python run_server.py

  • SSEエンドポイントは http://localhost:8000/sse で利用可能になります。

オプションB: カスタムホスト/ポートまたはStdio

トランスポートパラメータを直接カスタマイズできます：

# Run over stdio (e.g. for Claude Desktop / CLI clients)
python src/mcp_server/server.py --transport stdio

# Run over SSE on custom port
python src/mcp_server/server.py --transport sse --port 8080

6. テストと検証

pytestでテストスイートを実行します：

pytest tests/

期待される出力：

tests\test_mcp_tools.py ..........                                       [100%]
============================= 10 passed in 0.07s ==============================

7. エージェントクライアントへの接続

Claude Desktopの設定

claude_desktop_config.jsonに以下を追加します：

{
  "mcpServers": {
    "rcm-server": {
      "command": "python",
      "args": ["<path-to-repo>/src/mcp_server/server.py", "--transport", "stdio"]
    }
  }
}

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo recent community issues

Resources

Related MCP Connectors

Related MCP Servers