crc-lnm-research-assistant-07312
该项目为经过允许列表和去标识化的CRC-LNM案例提供了一个包含六个工具的研究辅助工作流程。它使用预计算的CT和病理特征以及临床值，并可以通过ModelScope托管的STDIO配置进行部署。
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": [
"crc-lnm-medical-agent@1.0.4",
"--transport",
"stdio"
],
"command": "uvx",
"env": {
"UV_TORCH_BACKEND": "cpu"
}
}
}
}该服务需要配置环境变量：UV_TORCH_BACKEND
服务介绍
CRC-LNM 多模态研究助手 MCP
此MCP服务器为经过白名单验证且已去标识化的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维病理学特征和四个临床值。它不接受原始影像文件、文件路径或外部特征向量。
ModelScope 托管 STDIO 配置
在选择ModelScope托管STDIO部署之前，先将wheel发布到PyPI。第一个也是唯一的服务器配置是有效的JSON，不含注释，并使用PyPI包而不是仓库文件或本地路径。
{
"mcpServers": {
"crc-lnm-research-assistant": {
"command": "uvx",
"args": [
"crc-lnm-medical-agent@1.0.4",
"--transport",
"stdio"
],
"env": {
"UV_TORCH_BACKEND": "cpu"
}
}
}
}
在ModelScope网页表单中输入此配置时，仅在命令字段中输入uvx。分别输入crc-lnm-medical-agent@1.0.4、--transport和stdio作为单独的参数。不要将组合的shell命令（如uvx crc-lnm-medical-agent@1.0.4 --transport stdio）粘贴到命令字段中。在服务器环境中设置UV_TORCH_BACKEND=cpu，以便托管的Linux安装解析CPU PyTorch包而不是CUDA运行时包。
发布的wheel包含了不可变的模型捆绑包和可信的发布JSONL。首次启动时，它会在可写系统缓存目录中创建一个验证过的病例包缓存和临时工件。不需要本地路径参数。只有当操作员需要不同的可写缓存位置时才设置CRC_LNM_MCP_RUNTIME_ROOT。
验证顺序
- 构建并检查wheel，然后从无关的工作目录运行控制台入口点。
- 将验证过的wheel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，将其添加为Nexent自定义MCP服务，启用六个工具，调试代理，并验证发布后的问题。
docs/PLATFORM_DEPLOYMENT.md涵盖了单独的身份验证Streamable HTTP容器路径。使用说明.md文档记录了本地发布工作流和约束。
