UniProt MCP Server

Servidor MCP de UniProt

Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona acceso a la información de proteínas de UniProt. Este servidor permite a los asistentes de IA obtener información sobre funciones y secuencias de proteínas directamente desde UniProt.

Características

• Obtener información de proteínas por número de acceso de UniProt
• Recuperación por lotes de múltiples proteínas
• Caché para mejorar el rendimiento (TTL de 24 horas)
• Manejo de errores y registro de actividades
• La información incluye:
  • Nombre de la proteína
  • Descripción de la función
  • Secuencia completa
  • Longitud de la secuencia
  • Organismo

Inicio rápido

1. Asegúrate de tener Python 3.10 o superior instalado
2. Clona este repositorio:

   git clone https://github.com/TakumiY235/uniprot-mcp-server.git
   cd uniprot-mcp-server
   

3. Instala las dependencias:

   # Using uv (recommended)
   uv pip install -r requirements.txt
   
   # Or using pip
   pip install -r requirements.txt
   

Configuración

Agrega a tu archivo de configuración de Claude Desktop:

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "uniprot": {
      "command": "uv",
      "args": ["--directory", "path/to/uniprot-mcp-server", "run", "uniprot-mcp-server"]
    }
  }
}

Ejemplos de uso

Después de configurar el servidor en Claude Desktop, puedes hacer preguntas como:

Can you get the protein information for UniProt accession number P98160?

Para consultas por lotes:

Can you get and compare the protein information for both P04637 and P02747?

Referencia de la API

Herramientas

1. get_protein_info

   • Obtener información de una sola proteína
   • Parámetro requerido: accession (número de acceso de UniProt)
   • Ejemplo de respuesta:

     {
       "accession": "P12345",
       "protein_name": "Example protein",
       "function": ["Description of protein function"],
       "sequence": "MLTVX...",
       "length": 123,
       "organism": "Homo sapiens"
     }
     

2. get_batch_protein_info

   • Obtener información de múltiples proteínas
   • Parámetro requerido: accessions (matriz de números de acceso de UniProt)
   • Devuelve una matriz de objetos con información de proteínas

Desarrollo

Configuración del entorno de desarrollo

1. Clona el repositorio
2. Crea un entorno virtual:

   python -m venv .venv
   source .venv/bin/activate  # On Windows: .venv\Scripts\activate
   

3. Instala las dependencias de desarrollo:

   pip install -e ".[dev]"
   

Ejecutar pruebas

pytest

Estilo de código

Este proyecto utiliza:

• Black para el formato de código
• isort para ordenar importaciones
• flake8 para linting
• mypy para verificación de tipos
• bandit para comprobaciones de seguridad
• safety para verificación de vulnerabilidades de dependencias

Ejecuta todas las comprobaciones:

black .
isort .
flake8 .
mypy .
bandit -r src/
safety check

Detalles técnicos

• Construido con el SDK de Python de MCP
• Utiliza httpx para solicitudes HTTP asíncronas
• Implementa caché con TTL de 24 horas usando una caché basada en OrderedDict
• Maneja límites de velocidad y reintentos
• Proporciona mensajes de error detallados

Manejo de errores

El servidor maneja varios escenarios de error:

• Números de acceso no válidos (respuestas 404)
• Problemas de conexión con la API (errores de red)
• Límites de velocidad (respuestas 429)
• Respuestas malformadas (errores de análisis JSON)
• Gestión de caché (límites de TTL y tamaño)

Contribuciones

¡Agradecemos las contribuciones! No dudes en enviar una Solicitud de Extracción (Pull Request). Así es como puedes contribuir:

1. Haz un fork del repositorio
2. Crea tu rama de características (git checkout -b feature/amazing-feature)
3. Realiza tus cambios (git commit -m 'Add some amazing feature')
4. Envía los cambios a la rama (git push origin feature/amazing-feature)
5. Abre una Solicitud de Extracción

Asegúrate de actualizar las pruebas según corresponda y de seguir el estilo de código existente.

Licencia

Este proyecto está licenciado bajo la Licencia MIT: consulta el archivo LICENSE para más detalles.

Agradecimientos

• UniProt por proporcionar la API de datos de proteínas
• Anthropic por la especificación del Protocolo de Contexto de Modelo
• Contribuyentes que ayudan a mejorar este proyecto