Table of Contents
2025.04.16
7
Python科学研究AI 集成开源工具开发效率其它
MCP.science 是一个开源项目，提供了一系列专门为科学研究应用设计的 MCP（Model Context Protocol）服务器。这些服务器使 AI 模型（如 Claude）能够通过标准化协议与科学数据、工具和资源进行交互。MCP 协议类似于 AI 应用的 USB-C 端口，为 AI 模型提供了连接不同数据源和工具的标准化方式。
View on GitHub
Overview
基本能力
产品定位
MCP.science 旨在通过开源工具和 AI 技术加速科学发现，提供标准化的协议使 AI 模型能够与科学数据、工具和资源进行交互。
核心功能
- 标准化协议：MCP 协议为 AI 模型提供了连接不同数据源和工具的标准化方式。
- 预构建集成：提供一系列预构建的集成工具，使 LLM 能够直接使用。
- 灵活性：支持在不同 LLM 提供商和供应商之间切换。
- 安全性：提供最佳实践以保护数据安全。
适用场景
- 科学研究：如材料科学数据搜索、可视化和操作。
- 代码执行：提供安全的沙盒环境执行 Python 代码片段。
- 远程命令执行：通过 SSH 安全运行远程命令。
- 网页内容获取：获取和处理 HTML、PDF 和纯文本内容。
- 学术搜索：执行学术和学术搜索。
工具列表
- Materials Project：搜索、可视化和操作材料科学数据。
- Python Code Execution：在安全沙盒中执行 Python 代码片段。
- SSH Exec：通过 SSH 安全运行远程命令。
- Web Fetch：获取和处理网页内容。
- TXYZ Search：执行学术和学术搜索。
常见问题解答
- 如何集成 MCP 服务器到客户端？ 使用 MCPM 工具可以轻松集成。
- 如何构建自己的 MCP 服务器？ 提供详细的步骤指南。
- 如何贡献代码？ 欢迎通过 GitHub 提交 Pull Request。
使用教程
使用依赖
- 安装 MCPM：
bash curl -sSf https://mcpm.sh/install.sh | bash - 安装 UV：
bash curl -sSf https://astral.sh/uv/install.sh | bash
安装教程
- 初始化服务器包：
sh uv init --package --no-workspace servers/your-new-server uv add --directory servers/your-new-server mcp -
实现最简单的服务器： ```python def main(): from mcp.server.fastmcp import FastMCP import logging
logging.basicConfig( level=logging.INFO, format='%(asctime)s - %(levelname)s - %(name)s - %(message)s' ) logger = logging.getLogger(name)
mcp = FastMCP()
@mcp.tool() async def add(a: int, b: int) -> str: return str(a + b)
logger.info('Starting your-new-server') mcp.run('stdio')
3. 启动服务器：sh uv run --directory servers/your-new-server your-new-server ```
调试方式
- 检查日志输出：
text 2025-04-01 10:22:36,402 - INFO - your_new_server - Starting your-new-server - 测试工具功能：
python @mcp.tool() async def mean(a: int, b: int) -> str: return str(np.mean([a, b])) - 集成到客户端：
json { "mcpServers": { "your-new-server": { "command": "uv", "args": [ "run", "--directory", "/path/to/your-new-server", "mcp-your-new-server" ] } } }