Cellpose MCP Server

Cellpose-mcp 是一个 Model Context Protocol (MCP) 服务器，它使 Claude、Cursor IDE 等 AI 助手能够通过自然语言命令执行细胞分割。该工具通过 13+ 个 MCP 工具提供全面的 Cellpose 功能，包括 2D/3D 分割、批处理、图像恢复（去噪、去模糊、上采样）和自定义模型训练。该系统可与 Napari 无缝集成，支持从分割到交互式可视化的完整工作流。

📌 注意：本项目最初是一个受 napari-mcp 启发、为 Cellpose 分割工作流改编的趣味项目。如果您愿意贡献代码，请通过 ssahu2@ucmerced.edu 与我联系。

🚀 快速开始

要求： Python 3.10、3.11 或 3.12，以及 Cellpose 3.1.1.2。

Cellpose 4 不包含此服务器所使用的恢复 API。该软件包将版本固定为 Cellpose 3 的最终版本，直至恢复功能有经过测试的替代方案。

从 PyPI 安装：

pip install cellpose-mcp

一步安装并配置 Cursor：

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

安装程序使用运行该命令的 Python 解释器（若存在名为 Cellpose_mcp 的 conda 环境，则使用该环境）。配置完成后请重启 Cursor。

开发模式安装（从源码）：

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

自动配置您的 AI 应用

执行 pip install cellpose-mcp 后，为您的应用运行安装程序。它会使用您当前的 Python 写入正确的 MCP 配置文件。

选项：使用 --python-path /path/to/python 指定特定的 Python；使用 --env-name NAME 指定 conda 环境（默认：Cellpose_mcp）。

如果您更倾向于手动设置（或使用 Claude Code），请在项目根目录中创建 .mcp.json 文件。如果 python 不是安装了 cellpose-mcp 的解释器（例如 venv 或 conda），请使用 Python 可执行文件的完整路径：

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

对于 Cursor，请在 ~/.cursor/mcp.json（全局）或项目中的 .cursor/mcp.json 中使用相同的结构。

安装完成后，重启您的 AI 应用并尝试提问：

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

🎯 您可以做什么？

示例：细胞分割实战

基本细胞分割

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

高级工作流

"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"

批处理

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

Related MCP server: BambuStudio MCP Server

🛠 可用的 MCP 工具

该服务器提供 13+ 个工具，涵盖完整的 Cellpose 功能：

分割工具

• segment_cells_2d - 分割 2D 图像中的细胞

• segment_cells_3d - 分割 3D 体数据中的细胞

• segment_cells_batch - 批量处理多张图像

图像恢复工具

• denoise_image - 对显微图像去噪

• deblur_image - 对显微图像去模糊

• upsample_image - 对低分辨率图像进行上采样

• restore_and_segment - 恢复与分割组合

训练工具

• train_segmentation_model - 训练自定义分割模型

• train_restoration_model - 训练自定义恢复模型

实用工具

• list_available_models - 列出所有预训练模型

• estimate_cell_diameter - 从图像中估计细胞直径

• save_masks - 以多种格式保存掩膜

• load_image_info - 获取图像元数据

📖 文档

• 快速开始指南 - 三步即可开始使用

• 可用工具 - 完整工具列表

• 发布说明 - v0.1.0 详细发布信息

• 更新日志 - 版本历史与变更

📋 架构

• FastMCP 服务器：处理 MCP 协议通信

• Cellpose 集成：管理模型加载和分割操作

• 工具层：将 Cellpose 功能作为 MCP 工具对外公开

• 文件 I/O：处理图像读取、写入和掩膜生成

主要特性：

• 线程安全：所有操作均被正确序列化

• 非阻塞：采用异步操作以获得更好的性能

• Napari 集成：与 Napari 集成以进行可视化和分析

作者： Suraj Sahu
所属机构： University of California Merced 物理系，美国加利福尼亚州
邮箱： ssahu2@ucmerced.edu

📄 许可证

BSD-3-Clause 许可证 - 详情请参阅 LICENSE 文件。

🙏 致谢

• Napari MCP，由 royerlab 开发

• 感谢 Cellpose 团队 提供出色的分割库

• 感谢 FastMCP 提供 MCP 框架

• 感谢 Anthropic 对 Claude 和 MCP 开发的贡献

• Model Context Protocol - 用于 AI 工具集成的开放标准