CRC-LNM 多模态科研辅助 MCP
qianbisong/CRC-LNM-Medical-Agent-1.0.10
0 Stars
3 次浏览
更新于 2026-08-23
MCP 服务配置
复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用
{
"mcpServers": {
"crc-lnm-research-assistant": {
"args": [
"--from",
"crc-lnm-medical-agent==1.0.10",
"crc-lnm-medical-agent"
],
"command": "uvx",
"env": {
"UV_PYTHON": "3.12",
"UV_TORCH_BACKEND": "cpu"
}
}
}
}服务介绍
CRC-LNM 多模态研究助手 MCP
该MCP服务器为列入白名单且已去标识化的CRC-LNM病例提供了一个包含六个工具的研究辅助工作流程。它仅接受预计算的1409维CT特征、768维病理特征和四个临床值。它不接受原始影像文件、文件路径或外部特征向量。
ModelScope STDIO 部署（快速入门）
第一步：选择服务类型
选择"STDIO"（不要选择"Streamable HTTP"）
第二步：分别填写以下字段
| 字段名称 | 输入值 |
|---|---|
| 命令 / Command | uvx |
| 参数1 / Argument 1 | crc-lnm-medical-agent@1.0.10 |
| 参数2 / Argument 2 | --transport |
| 参数3 / Argument 3 | stdio |
第三步：设置环境变量
找到环境变量字段并添加：
UV_TORCH_BACKEND=cpu
第四步：部署
点击部署并等待list_tools完成，显示6个工具。
验证顺序
- 构建并检查wheel包，然后从一个无关的工作目录运行控制台入口点。
- 将验证过的wheel包发布到PyPI，并使用上述确切的
uvx命令启动它。 - 让ModelScope完成
list_tools，然后手动测试每个必需的工具。 - 获取ModelScope URL，将其作为Nexent自定义MCP服务添加，启用这六个工具，调试代理，并验证发布后的问题。
技术参考
MCP 服务器配置
json
{
"mcpServers": {
"crc-lnm-research-assistant": {
"command": "uvx",
"args": [
"crc-lnm-medical-agent@1.0.10",
"--transport",
"stdio"
],
"env": {
"UV_TORCH_BACKEND": "cpu"
}
}
}
}
为什么需要UV_TORCH_BACKEND=cpu？
这样做的目的是为了让托管的Linux安装解析CPU版本的PyTorch包而不是CUDA运行时包。
为什么选择STDIO？
发布的wheel包包含了不可变的模型捆绑包和可信的发布JSONL。在首次启动时，它会在可写系统缓存目录中创建一个经过验证的案例包缓存和临时工件。不需要本地路径参数。
docs/PLATFORM_DEPLOYMENT.md涵盖了单独的身份验证流式HTTP容器路径。使用说明.md文档记录了本地发布工作流程和约束条件。
