跳转到正文

ChemGraph

Thang Pham, Murat Keçeli, Aditya Tanikanti / Argonne National Laboratory

ChemGraph 是一个 Python 智能体框架,可将自然语言化学请求连接到分子构建、模拟、分析和报告,并提供 CLI、Python、Streamlit 和 MCP 接口。

条目更新 ·

概览

ChemGraph 提供计算化学与材料科学工作流的编排层,而不是独立的预测模型。其资料所述架构结合 LangGraph、ASE、RDKit 和 MCP,将自然语言请求转化为由工具辅助完成的任务。研究人员可通过命令行界面、异步 Python API、源码树中的 Streamlit 界面或 MCP 工具服务器使用该框架。仓库提供可运行代码;软件包元数据将该软件标记为 beta。

输入包括化学问题、所请求的计算设置,以及针对专门工作流的配体/受体信息或 PDF/文本文档。输出可包括分子结构、计算结果、轨迹、光谱和报告,并保存在会话产物目录中。默认的 single_agent 工作流是推荐的入口。其他工作流支持规划器/执行器任务分解、文档检索、对接、XANES 任务和交互式工作区操作。带检查点的 main_agent 可以发现基于指令的 Skills,并委派给已配置的专用智能体;这些 Skills 是辅助指令,不是独立的自主智能体。

可用的计算取决于检测到的引擎和已安装的依赖。核心安装包含 EMT 和 MACE;其他计算器和专用工作流则需要额外的软件包、可执行程序或凭据。资料说明,EMT 适用于设置检查,而不适用于通用的高精度化学计算。分布式执行需要针对具体站点配置相应设置和基础设施。ChemGraph 可以启动计算并修改文件,因此生成的输入文件、单位、收敛情况和结论都需要经过科学审查。尽管有操作审查机制,工作区 shell 访问仍未被限制在工作区内。官方 README 记录了这些能力与边界;这些内容并不构成独立科学验证的证据。

主要功能

  • 将自然语言请求连接到分子查询、分子构建、ASE 计算、分析和报告生成。
  • 提供 CLI 和异步 Python 接口、需要从源码检出的 Streamlit 界面,以及通过 stdio 或 streamable HTTP 提供 MCP 工具服务。
  • 提供默认的 `single_agent` 工作流,以及专用对接、文档检索、XANES 和规划器/执行器工作流,并注明相应的依赖要求。
  • 支持持久化交互式 `main_agent` 会话、按需发现工具、基于指令的 Skills、可选的专用智能体委派,以及针对文件修改和 shell 命令的操作审查。
  • 在启动时检测可用的计算器引擎,并开放当前环境中可用的引擎;核心安装包含 EMT 和 MACE。
  • 包含可选的本地进程、Parsl、Ensemble Launcher、Globus Compute 和 Academy 执行路径,这些路径需要额外依赖或基础设施。

使用场景

  • 建议的评估:将自然语言分子查询或结构构建请求与人工核验过的化学标识符和结构进行比较。
  • 建议的评估:使用明确选定的计算器运行一项小规模 ASE 计算,然后检查生成的输入文件、能量、单位和收敛情况,再考虑用于更广泛的研究。
  • 建议的评估:结合 PDF/文本检索与化学工具,评估回答是否持续以所提供的文档为依据,并可追溯到这些文档。
  • 建议的集成评估:向 MCP 客户端提供 ChemGraph 化学工具,或在配置所需执行后端和站点资源后评估分布式筛选工作流。

使用方式

  1. 阅读安装指南,并准备隔离的 Python 环境。所提供的 README 要求 Python 3.11 或更高版本;只安装所选工作流所需的可选依赖。
  2. 根据模型与身份验证选择 LLM 提供商。将所需凭据配置在已提交文件之外,并区分提供商访问权限与本地安装的 ChemGraph 框架。
  3. 按照快速入门使用 single_agent。先从分子查询或明确选定的 EMT 设置检查开始;查询示例可能需要网络连接,且 EMT 并非通用的高精度化学计算方法。
  4. 检查会话产物,通常写入 cg_logs/ 下。确认结构、计算器设置、单位、收敛情况和最终解释,再决定是否依赖结果。
  5. 在添加对接、检索、XANES 或工作区任务前,查阅工作流指南。对于交互式智能体,审查审批机制和主机访问边界。
  6. 如需集成工具,请遵循MCP 服务器指南。将分布式执行视为独立的设置任务,并按文档配置所需依赖和基础设施。

相关资源

Allegro

模型

Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势,并提供文档说明的 GPU 加速选项,以及用于 LAMMPS 模拟的独立插件。

开源Python

计算化学 · 材料发现

computational-chemistry-agent-skills 集合中的 ASE 路由 Skill,将工作流准备与计算器配置分开,并将执行委托给其他环节。

计算化学 · 材料发现

ChemAgent (AI4Chem) 是一个面向化学与材料领域工具使用的研究框架,与 CheMatAgent 论文相关;该论文介绍了基于树搜索的规划、工具执行以及基于 ChemToolBench 的训练。

计算化学 · 材料发现

CHGNet

模型

CHGNet 是一种针对晶体结构的预训练、融合电荷信息的神经网络势,可预测能量、力、应力和磁矩,用于结构弛豫与分子动力学工作流。

开源Python

计算化学 · 材料发现

DeePMD-kit 是一套工具包,可利用量子力学参考数据训练和微调 Deep Potential 原子间模型,然后将其导出用于推理和分子动力学模拟。

开源PythonC++

计算化学 · 材料发现

DP-GEN

开源工具

DP-GEN 是一个 Python 并发学习平台,用于协调分子模拟、第一性原理计算和 DeePMD-kit 工作流,以生成原子间势模型。

开源Python

计算化学 · 材料发现

相关指南

智能体

化学 AI Agent 指南:从聊天助手到自主科研工作流

一份实用指南,介绍八个化学与生物医学研究智能体:工具、记忆、规划和多智能体角色如何运作,哪些项目适合不同任务,以及如何在科学监督下评估有界自主性。

概览

MCP、Skills、Agents 和 APIs 有什么区别?

了解 API、MCP 服务器、Skills 和智能体在化学工作流中如何分别承担接口、流程指导、执行与规划职责,以及如何选择或组合它们,而不把访问能力与科学有效性混为一谈。

概览

如何搭建一个化学 AI Agent 技术栈

通过区分语言模型、编排、Skills、MCP 接口、API、库和数据,设计化学 AI 智能体技术栈。参考提出的分子与材料工作流,定义输入/输出契约,并规划权限、评估和可复现部署。