POC — MCPサーバー + 臨床エージェント

フェーズ2計画の2つのサービスに関する技術的実現可能性のPOC。独自のModel Context ProtocolサーバーとAnthropic API上に構築。

1. 文書のスキャンと分析 — トリアージ、読み取り、構造化、医師が承認するための更新提案、および文書で回答されなかった内容を患者に問い合わせる。

2. 問診エージェント — 医師の説明からシナリオを推測、検証、専門スキルとして登録、症例に応じて一般医から専門医へルーティング。

11フロー / 70ステップ、実際のMCPサーバーに対して実行。応答は一切シミュレートされていない。認証情報が不足した場合は、そのステップで停止。

結論、2行で

目標1 — 実用可能、ただしPOCだけでは解決できない注意点あり：実際の手書き文字に対する精度は測定されておらず、それがサービスが役立つかどうかを決定する。目標2 — メカニズムは確立。LLMが推測したシナリオが臨床的に良いかどうかは、内容に関する医学的判断であり、技術的実現可能性の問題ではない。

完全な結論と、ステップごとに検証された内容は、findings.mdに記載。

Related MCP server: atlas_mcp

実行方法

cp .env.example .env       # preencha ANTHROPIC_API_KEY
npm install
npm run poc                # servidor MCP (5190) + viewer (5180)

ビューアーを http://localhost:5180 で開き、ステップを実行。

最初のステップの前に: サンドボックスは存在しない — すべての実行は課金イベント。Anthropicコンソールでspend limitを設定せよ。 MANUAL-SETUP.mdに、その手順と、あなただけが行うその他の設定の手順が記載されている。

推奨順序: 最初に doc-triagem/step-01（最も安いステップ、約US$0.002 — これが失敗すれば、以降は無意味）、次に doc-* の正常フロー、doc-lote、ana-*、最後に代替フロー。すべて実行すると約US$0.60。doc-loteが最も高価（US$0.60のうち約US$0.22）。

npm run check    # tsc + validação dos fluxos + suíte de defesas (27 casos)

ビューアー

ビューアーは飾りではない — POCを読み解く場所。各ステップは以下を表示:

• MCPサーバーに送信される生のHTTPリクエスト、フィールドごとに編集可能;

• それが消費するフィクスチャ、インラインでレンダリング（写真は画像、PDFはフレーム内）— さらに、あなたの手書き写真を受け入れる**置換…**ボタンがあり、ファイルに触れずに再実行可能;

• 呼び出しが通過するコードトレイル、順に: トランスポート → ツール → ドメイン → LLM。クリック可能で、エディタで開く（.envでPOC_EDITORを設定）。

構成

Streamable HTTP stateless 上のMCPサーバー — sessionIdGenerator: undefined、enableJsonResponse: true、リクエストごとに新しいサーバーとトランスポートのインスタンス。各呼び出しはJSON-RPCのPOSTとJSON応答になり、ビューアーが呼び出しをHTTPとして表示できる。Node 22で.tsをtsxで直接実行、ビルドなし。

mcp-server/      servidor MCP: transporte, tools, domínio, chamadas à LLM
handlers/        os poucos passos cujo corpo não cabe num template declarativo
flows/           os 11 fluxos, em steps.json editáveis
fixtures/        receitas, exames, PDFs — inclusive os de prompt injection
public/          o viewer
server.ts        o viewer (back-end)
checar-defesas.ts / checar-fluxos.py    a suíte que `npm run check` roda

2つの目標にまたがり、それ自体で価値のある2つのこと:

3段階パイプラインは2度役立った。 コスト: トリアージはHaikuで実行され、SonnetのOCRが画像を確認する前に、安価な知覚的質問に答える。セキュリティ: 読み取りと解釈を分離することで、インジェクションが従われるのではなく、転写され、警告され、拒否される自然な場所が生まれた。

決定論的ルールが、提案が決定に変わるのを防ぐ。 更新の拒否、支出上限、スキルカタログ、医師の検証 — いずれもモデルが単独で記憶することに依存せず、トークンも消費しない。

スコープ

このPOCは、機能する最も単純な使用法をカバーした。セキュリティ、パフォーマンス、規制は意図的にスコープ外であり、今後のステップの作業 — findings.mdはそれぞれを「未解決の問題」として挙げている。

モデルには廃止予定日がある — そのためANTHROPIC_MODELとANTHROPIC_MODEL_TRIAGEMはコードではなく.envに存在する。findings.mdは実行時点で既知の日付を記録している。

文書