pipen-mcp

Ein pipen CLI-Plugin, das Pipen-Prozesse und -Pipelines als MCP (Model Context Protocol)-Tools bereitstellt, wodurch KI-Assistenten Bioinformatik-Pipelines entdecken und ausführen können.

Übersicht

pipen-mcp verbindet das Prozess-/Pipeline-Ökosystem von Pipen mit KI-Assistenten, die das Model Context Protocol unterstützen. Nach der Installation ist jeder Namespace, der über die pipen_cli_run-Einstiegspunktgruppe registriert wurde, automatisch für MCP-kompatible Clients (z. B. Claude, VS Code Copilot, Cursor) auffindbar und ausführbar.

Related MCP server: NGS360 MCP Server

Installation

pip install pipen-mcp

pipen-mcp erfordert Python ≥ 3.10 und hängt von Folgendem ab:

• pipen-cli-run ≥ 1.0.1

• pipen-annotate ≥ 1.0

• mcp ≥ 1.0

Verwendung

pipen-mcp fügt der pipen-CLI einen mcp-Unterbefehl hinzu:

pipen mcp [--transport {stdio,sse,streamable-http}] [--host HOST] [--port PORT]

stdio (Standard)

Geeignet für die direkte Integration mit MCP-Clients, die den Server als Subprozess starten:

pipen mcp

SSE

Startet einen HTTP-Server mit Server-Sent Events-Transport:

pipen mcp --transport sse --host 0.0.0.0 --port 8520

Streamable HTTP

Startet einen HTTP-Server mit dem streamable-HTTP-Transport:

pipen mcp --transport streamable-http --host 0.0.0.0 --port 8520

MCP-Tools

Der Server stellt vier Tools bereit, die einen Workflow mit progressiver Offenlegung unterstützen:

Typischer Workflow

1. get_namespaces()
   → "delim", "bam", "rnaseq", ...

2. get_processes("delim")
   → RowsBinder (proc): Bind rows of input files
   → ColsBinder (proc): Bind columns of input files

3. get_process("delim", "RowsBinder")
   → Required:
       --in.infiles <list[str]>  Input files
   → Optional:
       --envs.sep <str> (default: '\t')  Separator
       --outdir <str>  Output directory
       ...

4. run_process("delim", "RowsBinder", [
       "--in.infiles", "/tmp/a.csv,/tmp/b.csv",
       "--envs.sep", ",",
       "--outdir", "/tmp/out"
   ])
   → Pipeline output / logs

VS Code / Copilot-Integration

Fügen Sie den Server zu Ihrer MCP-Konfiguration hinzu (~/.vscode/mcp.json oder ~/.vscode-server/data/User/mcp.json):

{
  "servers": {
    "pipen-mcp": {
      "type": "stdio",
      "command": "pipen",
      "args": ["mcp"]
    }
  }
}

Oder für SSE:

{
  "servers": {
    "pipen-mcp": {
      "type": "sse",
      "url": "http://127.0.0.1:8520/sse"
    }
  }
}

Erstellen eines Namespaces

Jedes Paket kann Prozesse/Pipelines bei pipen-mcp registrieren, indem es einen pipen_cli_run-Einstiegspunkt deklariert:

# pyproject.toml
[project.entry-points."pipen_cli_run"]
myns = "mypackage.ns.myns"

Das referenzierte Modul sollte Proc-Unterklassen (mit einem input-Attribut) oder ProcGroup-Unterklassen enthalten. Verwenden Sie pipen-annotate, um Argumente zu dokumentieren — annotierte Felder werden in der Ausgabe von get_process angezeigt und zum Erstellen des Tool-Schemas verwendet.

# mypackage/ns/myns.py
"""My namespace — tools for processing text files."""
from pipen import Proc
from pipen_annotate import annotate

@annotate
class MyProc(Proc):
    """Concatenate rows from multiple files.

    Input:
        infiles (list): Input files to concatenate

    Envs:
        sep (str): Column separator. Default: ","
    """
    input = "infiles:files"
    output = "outfile:file:{{in.infiles[0] | stem}}_concat.tsv"
    script = "..."

Lizenz

MIT