概览
MDCrow 将语言模型连接到分子动力学工具，而不是充当模拟引擎本身。它基于 Langchain 构建，旨在协调通常需要分别完成准备、模拟和分析的任务。仓库 README 将 OpenMM 列为特定的执行目标；研究论文则介绍了用于文件处理、模拟设置、分析以及从文献和数据库检索信息的工具。
文档所述的接口接受通过配置了 LLM 模型的 MDCrow 实例提交的自然语言任务。README 展示了一个请求示例，其中包含蛋白质标识符、温度、模拟时长，以及随时间计算 RMSD 的指令。这说明了从文本规范到模拟执行和指定分析的示例工作流；所提供的摘录未说明输出文件格式，也未完整列出支持的模拟设置。OpenAI 是默认提供方；文档还说明支持 TogetherAI、Fireworks 和 Anthropic，但这些选项需要各自的集成。
MDCrow 提供了仓库代码和安装指南，因此它并非仅有论文的智能体。不过，应将其视为研究工作流工具：论文评估的是任务完成情况以及对模型选择和提示词的敏感性，而不是对任意模拟科学有效性的保证。使用时需要配置软件环境和 LLM 提供方 API 密钥。仓库的 MIT 许可证适用于其代码；它不确定外部模型服务或其他依赖项的使用条款。
主要功能
- 通过可配置 LLM 模型的 MDCrow Python 接口提交自然语言任务。
- 用于准备和执行分子动力学模拟的工具，尤其是通过 OpenMM 执行的模拟。
- 论文所述的多步骤分子动力学工作流中的文件处理与加工。
- 模拟输出分析，包括 README 中要求计算随时间变化 RMSD 的示例。
- 研究论文所述的文献和数据库信息检索。
- 文档说明支持与 OpenAI、TogetherAI、Fireworks 和 Anthropic 集成；使用其他提供方需要额外的集成软件包。
使用场景
- 建议评估：复现 README 中的蛋白质模拟和 RMSD 示例，然后检查生成的设置与分析是否符合所请求的条件。
- 建议评估：评估自然语言编排是否能协助实验室现有的文件准备、OpenMM 模拟和分析工作流。
- 建议评估：比较不同文档所述 LLM 提供方或提示词表达方式下的任务执行情况，但不要假定论文结论能适用于新的环境。
- 建议评估：在模拟规划中探索文献或数据库检索，并在将检索信息用于科学决策前进行核查。
使用方式
- 阅读 README 和论文，区分可运行的工具集与研究评估。首次试用时选择一个规模较小、便于检查的任务。
- 从仓库获取代码。按照 README 中使用 environment.yaml 的 conda 环境流程操作，然后遵循其中基于 Git 的 pip 安装说明；不要假定其兼容性超出所提供指南的范围。
- 选择文档所述的 LLM 提供方。遵循 README 中的 API 密钥配置指南，并将 .env.example 用作本地模板。如果使用其他提供方，请安装所述的集成软件包，并妥善保密凭据。
- 使用选定的模型配置 MDCrow 实例，并通过其 run 方法提交自然语言任务。README 提供了蛋白质模拟和 RMSD 示例，以及 Together 专用的模型前缀约定。
- 作为评估步骤，在得出科学结论前检查模拟设置和生成的分析。记录模型、提示词和环境，并在解释依赖模型或提示词的行为时参考论文。