Cellpose MCP 서버

Cellpose-mcp는 Claude, Cursor IDE 등과 같은 AI 어시스턴트가 자연어 명령을 통해 세포 분할을 수행할 수 있게 해주는 Model Context Protocol(MCP) 서버입니다. 이 도구는 13개 이상의 MCP 도구를 통해 포괄적인 Cellpose 기능을 제공하며, 2D/3D 분할, 배치 처리, 이미지 복원(노이즈 제거, 디블러링, 업스케일링), 맞춤형 모델 학습 등을 포함합니다. 이 시스템은 Napari와 완벽하게 통합되어 분할부터 대화형 시각화까지 전체 워크플로우를 지원합니다.

📌 참고: 이 프로젝트는 napari-mcp에서 영감을 받아 시작된 재미있는 프로젝트로, Cellpose 분할 워크플로우에 맞게 적용되었습니다. 기여하고 싶으시다면 ssahu2@ucmerced.edu로 연락해 주세요.

🚀 빠른 시작

요구 사항: Python 3.10, 3.11 또는 3.12 및 Cellpose 3.1.1.2.

Cellpose 4는 이 서버에서 사용하는 복원 API를 포함하지 않습니다. 이 패키지는 복원 기능에 대한 검증된 대체方案이 나올 때까지 최종 Cellpose 3 릴리스를 고정합니다.

PyPI에서 설치:

pip install cellpose-mcp

Cursor용 원클릭 설치 및 구성:

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

설치 프로그램은 명령을 실행하는 Python(또는 존재하는 경우 Cellpose_mcp라는 conda 환경)을 사용합니다. 구성 후 Cursor를 재시작하세요.

개발용 설치(소스에서):

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

AI 애플리케이션 자동 구성

pip install cellpose-mcp 실행 후, 앱용 설치 프로그램을 실행하세요. 현재 Python을 사용하여 올바른 MCP 구성 파일에 작성합니다.

옵션: 특정 Python을 사용하려면 --python-path /path/to/python, conda 환경을 사용하려면 --env-name NAME(기본값: Cellpose_mcp).

수동 설정을 선호하거나 Claude Code를 사용하는 경우, 프로젝트 루트에 .mcp.json 파일을 생성하세요. cellpose-mcp가 설치된 Python이 아닌 경우(예: venv 또는 conda) Python 실행 파일의 전체 경로를 사용하세요:

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

Cursor의 경우, ~/.cursor/mcp.json(전역) 또는 프로젝트의 .cursor/mcp.json에 동일한 구조를 사용하세요.

설치 후 AI 앱을 재시작하고 다음을 시도해 보세요:

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

🎯 무엇을 할 수 있나요?

예시: 세포 분할 동작

기본 세포 분할

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

고급 워크플로우

"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"

배치 처리

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

Related MCP server: BambuStudio MCP Server

🛠 사용 가능한 MCP 도구

이 서버는 완전한 Cellpose 기능을 위한 13개 이상의 MCP 도구를 제공합니다:

분할 도구

• segment_cells_2d - 2D 이미지에서 세포 분할

• segment_cells_3d - 3D 볼륨에서 세포 분할

• segment_cells_batch - 여러 이미지 배치 처리

이미지 복원 도구

• denoise_image - 현미경 이미지 노이즈 제거

• deblur_image - 현미경 이미지 디블러링

• upsample_image - 저해상도 이미지 업스케일링

• restore_and_segment - 복원 + 분할 결합

학습 도구

• train_segmentation_model - 맞춤형 분할 모델 학습

• train_restoration_model - 맞춤형 복원 모델 학습

유틸리티 도구

• list_available_models - 사전 학습된 모든 모델 나열

• estimate_cell_diameter - 이미지에서 세포 직경 추정

• save_masks - 다양한 형식으로 마스크 저장

• load_image_info - 이미지 메타데이터 가져오기

📖 문서

• 빠른 시작 가이드 - 3단계로 시작하기

• 사용 가능한 도구 - 전체 도구 목록

• 릴리스 노트 - v0.1.0 상세 릴리스 정보

• 변경 로그 - 버전 기록 및 변경 사항

📋 아키텍처

• FastMCP: MCP 프로토콜 통신 처리

• Cellpose 통합: 모델 로딩 및 분할 작업 관리

• 도구 계층: Cellpose 기능을 MCP 도구로 노출

• 파일 I/O: 이미지 읽기, 쓰기 및 마스크 생성 처리

주요 기능:

• 스레드 안전: 모든 작업이 적절하게 직렬화됨

• 비차단: 더 나은 성능을 위한 비동기 작업

• Napari 통합: 시각화 및 분석을 위한 Napari 연동

저자: Suraj Sahu
소속: 캘리포니아 대학교 머세드 물리학과, 캘리포니아주 머세드, 미국
이메일: ssahu2@ucmerced.edu

📄 라이선스

BSD-3-Clause 라이선스 - LICENSE 파일 참조.

🙏 감사의 말

• Napari MCP - royerlab 제작

• Cellpose 팀 - 훌륭한 분할 라이브러리

• FastMCP - MCP 프레임워크

• Anthropic - Claude 및 MCP 개발

• Model Context Protocol - AI-도구 통합을 위한 개방형 표준