一个 pipen CLI 插件，它将 pipen 进程和流程公开为 MCP (Model Context Protocol) 工具，允许 AI 助手发现并运行生物信息学流程。
pipen-mcp 将 pipen 的进程/流程生态系统与支持模型上下文协议 (MCP) 的 AI 助手连接起来。安装后，任何通过 pipen_cli_run 入口点组注册的命名空间都可以被兼容 MCP 的客户端（例如 Claude、VS Code Copilot、Cursor）自动发现并执行。
Related MCP server: NGS360 MCP Server
pip install pipen-mcppipen-mcp 需要 Python ≥ 3.10，并依赖于：
pipen-cli-run ≥ 1.0.1
pipen-annotate ≥ 1.0
mcp ≥ 1.0
pipen-mcp 为 pipen CLI 添加了一个 mcp 子命令：
pipen mcp [--transport {stdio,sse,streamable-http}] [--host HOST] [--port PORT]选项 | 描述 | 默认值 |
| MCP 传输方式 ( |
|
| 绑定的主机地址（仅限 SSE / streamable-http） |
|
| 监听的端口（仅限 SSE / streamable-http） |
|
适用于与将服务器作为子进程启动的 MCP 客户端直接集成：
pipen mcp启动一个带有服务器发送事件 (Server-Sent Events) 传输的 HTTP 服务器：
pipen mcp --transport sse --host 0.0.0.0 --port 8520启动一个带有流式 HTTP (streamable-HTTP) 传输的 HTTP 服务器：
pipen mcp --transport streamable-http --host 0.0.0.0 --port 8520该服务器公开了四个支持渐进式披露工作流的工具：
工具 | 描述 |
| 列出所有可用的命名空间。从这里开始发现已安装的内容。 |
| 列出命名空间中所有可用的进程/流程。 |
| 获取特定进程/流程的完整参数模式。 |
| 使用 CLI 参数列表执行进程/流程。 |
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将服务器添加到您的 MCP 配置中（~/.vscode/mcp.json 或 ~/.vscode-server/data/User/mcp.json）：
{
"servers": {
"pipen-mcp": {
"type": "stdio",
"command": "pipen",
"args": ["mcp"]
}
}
}或者对于 SSE：
{
"servers": {
"pipen-mcp": {
"type": "sse",
"url": "http://127.0.0.1:8520/sse"
}
}
}任何包都可以通过声明 pipen_cli_run 入口点来向 pipen-mcp 注册进程/流程：
# pyproject.toml
[project.entry-points."pipen_cli_run"]
myns = "mypackage.ns.myns"引用的模块应包含 Proc 子类（带有 input 属性）或 ProcGroup 子类。使用 pipen-annotate 来记录参数 — 注释后的字段会在 get_process 输出中公开，并用于构建工具模式。
# 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 = "..."MIT
This server cannot be deployed
Give any MCP-compatible AI assistant a builder for live, hosted web tools and workflows.
Find, vet, and run MCP tools through a secure audited gateway with prompt-injection risk scoring
Your org's AI agents, tasks, runs, search, and brain files as MCP tools and resources.
Zero-setup MCP gateway securely connecting AI to your tools with authentication and workflows
