Cellpose MCP サーバー

Cellpose-mcp は、Model Context Protocol (MCP) サーバーであり、Claude や Cursor IDE などの AI アシスタントが自然言語コマンドを通じて細胞セグメンテーションを実行できるようにします。このツールは、2D/3D セグメンテーション、バッチ処理、画像復元（ノイズ除去、デブラリング、アップサンプリング）、カスタムモデルトレーニングなど、包括的な Cellpose 機能を 13 以上の MCP ツールとして公開します。このシステムは Napari とシームレスに統合され、セグメンテーションから対話型可視化までの完全なワークフローを実現します。

📌 注記: このプロジェクトは、napari-mcp に触発され、Cellpose セグメンテーションワークフロー向けに適応させた楽しいプロジェクトとして始まりました。貢献をご希望の場合は、ssahu2@ucmerced.edu までご連絡ください。

🚀 クイックスタート

要件: Python 3.10、3.11、または 3.12 と Cellpose 3.1.1.2。

Cellpose 4 には、このサーバーが使用する復元 API が含まれていません。このパッケージは、復元機能にテスト済みの代替手段ができるまで、最終版の Cellpose 3 リリースに固定されています。

PyPI からのインストール:

pip install cellpose-mcp

Cursor のインストールと設定を一度に行う:

pip install cellpose-mcp && cellpose-mcp-install cursor

インストーラーは、コマンドを実行する Python（または存在する場合は Cellpose_mcp という名前の conda 環境）を使用します。設定後は Cursor を再起動してください。

開発用インストール（ソースから）:

git clone https://github.com/surajinacademia/cellpose_mcp.git
cd cellpose_mcp
pip install -e .

AI アプリケーションの自動設定

pip install cellpose-mcp の後、お使いのアプリ用のインストーラーを実行します。現在の Python を使用して、正しい MCP 設定ファイルに書き込みます。

オプション: --python-path /path/to/python で特定の Python を指定、--env-name NAME で conda 環境を使用（デフォルト: Cellpose_mcp）。

手動設定を希望する場合（または Claude Code を使用する場合）は、プロジェクトルートに .mcp.json ファイルを作成してください。cellpose-mcp がインストールされている Python が python でない場合（venv や conda など）は、Python 実行ファイルのフルパスを使用してください:

{
  "mcpServers": {
    "cellpose": {
      "command": "python",
      "args": ["-m", "cellpose_mcp"],
      "env": {
        "KMP_DUPLICATE_LIB_OK": "TRUE",
        "OMP_NUM_THREADS": "1"
      }
    }
  }
}

Cursor の場合は、~/.cursor/mcp.json（グローバル）またはプロジェクト内の .cursor/mcp.json に同じ構造を使用します。

インストール後、AI アプリを再起動して、次のように試してみてください:

"Can you list available Cellpose models?"
"Segment the cells in ./data/sample.tif using the cyto2 model"

🎯 何ができますか?

例: 細胞セグメンテーションの動作

基本的な細胞セグメンテーション

"Segment the cells in ./data/sample.tif using the cyto2 model"
"List available Cellpose models"
"Estimate cell diameter from ./data/image.tif"

高度なワークフロー

"Segment all TIFF files in ./data/images/ and save masks to ./output/"
"Train a custom segmentation model using images in ./train/images/ and masks in ./train/masks/"
"Restore and segment the noisy image in ./data/noisy.tif using oneclick_cyto3"

バッチ処理

"Process all images in ./data/ with the cyto2 model and save results to ./output/"

Related MCP server: BambuStudio MCP Server

🛠 利用可能な MCP ツール

このサーバーは、完全な Cellpose 機能のための 13 以上のツールを公開します:

セグメンテーションツール

• segment_cells_2d - 2D 画像内の細胞をセグメンテーションします

• segment_cells_3d - 3D ボリューム内の細胞をセグメンテーションします

• segment_cells_batch - 複数の画像をバッチ処理します

画像復元ツール

• denoise_image - 顕微鏡画像のノイズを除去します

• deblur_image - 顕微鏡画像のぼけを除去します

• upsample_image - 低解像度画像をアップサンプリングします

• restore_and_segment - 復元とセグメンテーションを組み合わせます

トレーニングツール

• train_segmentation_model - カスタムセグメンテーションモデルをトレーニングします

• train_restoration_model - カスタム復元モデルをトレーニングします

ユーティリティツール

• list_available_models - 事前トレーニング済みモデルをすべて一覧表示します

• estimate_cell_diameter - 画像から細胞の直径を推定します

• save_masks - さまざまな形式でマスクを保存します

• load_image_info - 画像のメタデータを取得します

📖 ドキュメント

• クイックスタートガイド - 3 ステップで開始

• 利用可能なツール - 完全なツールリスト

• リリースノート - v0.1.0 リリースの詳細情報

• 変更履歴 - バージョン履歴と変更点

📋 アーキテクチャ

• FastMCP サーバー: MCP プロトコル通信を処理します

• Cellpose 統合: モデルの読み込みとセグメンテーション操作を管理します

• ツールレイヤー: Cellpose 機能を MCP ツールとして公開します

• ファイル I/O: 画像の読み取り、書き込み、マスク生成を処理します

主な特徴:

• スレッドセーフ: すべての操作が適切に直列化されます

• ノンブロッキング: パフォーマンス向上のための非同期操作

• Napari 統合: 可視化と解析のための Napari との統合

著者: Suraj Sahu
所属: カリフォルニア大学マーセド校物理学部、カリフォルニア州、米国
メール: ssahu2@ucmerced.edu

📄 ライセンス

BSD-3-Clause ライセンス - 詳細は LICENSE ファイルを参照してください。

🙏 謝辞

• Napari MCP by royerlab

• 優れたセグメンテーションライブラリを提供する Cellpose チーム

• MCP フレームワークを提供する FastMCP

• Claude と MCP 開発を提供する Anthropic

• AI ツール統合のオープン標準である Model Context Protocol