跳转到正文

ChemDataDoctor MCP

ChemDataDoctor MCP 是开源的本地化学数据清洗与验证服务器,可通过 AI 助手检查 CAS 格式与校验位、整理名称空白、检测重复记录并生成数据质量报告。

条目更新 ·

概览

ChemDataDoctor MCP 是独立的 TypeScript MCP Server,通过 stdio 向 AI 助手提供本地化学表格检查能力,与 ChemDataDoctor Web 是不同的产品入口。源码包与服务器元数据标注版本 0.1.0;核验时仓库没有 GitHub Release 或 tag。官方提供源码安装方式,尚未核实 npm 注册表发布状态。

支持 CSV、TSV、XLS、XLSX、JSON 文件及小型内联二维数组。JSON 可为行数组集合或扁平对象数组,不接受嵌套对象或数组。必须指定 CAS 列,名称与分子式列可选。清洗会另存 JSON 报告和 CSV/XLSX 副本,保留源文件及重复行。

服务器不需要账号或 API Key,运行时不依赖托管服务。安装时需下载依赖,其中 SheetJS 来自官方 CDN;源码没有出站请求或遥测。MCP 客户端决定哪些输入与输出会发给模型服务商,因此服务器本地运行不等于 AI 助手全程离线。数据集调用默认只返回计数,可选样本仅含元数据,本地产物仍含用户数据。

CAS 检查仅验证格式与校验位,不确认注册状态或物质身份。名称整理仅处理空白和不可见字符,不进行同义词归并或系统命名。分子式检查使用有限语法,不验证化学合理性或 CAS、名称、分子式之间的对应关系;电荷、显式同位素和聚合物记法无法验证。重复检测不会合并物质身份或删除行,也不在调用之间共享去重状态。

文件上限为 20 MiB、50,000 条数据行、200 列、所有工作表合计 2,000,000 个单元格和 100 个工作表;内联输入最多 201 行,包含可选表头。程序将受限输入读入内存。数据根目录限制属于应用层路径保护,并非操作系统沙箱。项目自身代码采用 MIT 许可证,第三方依赖保留各自许可证。

主要功能

  • validate_cas:CAS 格式与校验位检查,可选保守格式修正。
  • normalize_names:整理空白与不可见字符,保留大小写和化学记法。
  • validate_formulas:检查有限分子式语法并统计原子。
  • detect_duplicates:返回重复 CAS 或文本的位置,保留记录。
  • clean_dataset:另存本地清洗副本与报告;quality_report:只检查,不写文件。

使用场景

  • 导入前检查化学品库存表格。
  • 通过 MCP 客户端检查化合物表格质量。
  • 保留原值并生成可追溯的本地清洗副本。

使用方式

需要 Node.js 22.12+ 和 npm。将示例数据路径替换为已经存在的专用目录;在 MCP 客户端中配置 node、dist/cli.js 的绝对路径及 --data-root,进程通过 stdio 等待请求。

git clone https://github.com/chemaiatlas/chemdatadoctor-mcp.git
cd chemdatadoctor-mcp
npm ci --ignore-scripts
npm run build
node dist/cli.js --data-root /absolute/path/to/data

先使用该输入调用 quality_report;需要另存清洗副本时再调用 clean_dataset,并以 applyFixes=true 启用保守修正。默认输出目录为数据根目录内的 .chemdatadoctor-output。

{"path":"inventory.xlsx","sheetIndex":0,"columns":{"cas":0,"name":1,"formula":2}}

GitHub · ChemDataDoctor Web · README · MIT

来源与核查边界

本条目说明所链接项目来源中记载的能力。条目编辑更新不代表完成过运行测试、兼容性测试或科学性能评估。

查看编辑与核查政策

相关资源

InChI

开源工具

InChI 是 IUPAC 的化学结构国际标识符项目官方仓库,提供生成 InChI 与 InChIKey 的软件源码与发行版,MIT 许可发布。

开源

化学信息学 · 科学数据

OpenAI4S

智能体

OpenAI4S 是采用 MIT 许可证的科研代理,结合 JSON 工具编排、持久 Python/R 分析内核及文档明确列出的化学数据连接器。

开源Python

化学信息学 · 文献与研究 · 科学数据

PubChem MCP (cyanheads) 将 MCP 客户端连接到 PubChem 化合物和生物测定数据,支持标识符和结构搜索、性质检索、安全记录、交叉引用及 3D 构象。

开源TypeScript

化学信息学 · 科学数据

PubChem MCP (PhelanShao) 是一个 Python MCP 服务器,可让 AI 客户端按名称或 CID 检索 PubChem 化合物属性和结构,并提供 JSON、CSV、XYZ 输出以及可下载的结构文件。

开源Python

化学信息学 · 科学数据

PubChem PUG REST 是一种 HTTP API,可用于获取选定的化学记录、性质和测定信息,并支持文档中列明的标识符输入、结构搜索及按操作区分的输出格式。

化学信息学 · 科学数据

PubChemPy

开源工具

PubChemPy 是 PubChem PUG REST API 的 Python 封装,支持化学物质搜索、化合物属性检索、标准化、文件格式转换和结构绘制。

开源Python

化学信息学 · 科学数据

相关指南

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。

工作流

如何使用 RDKit 构建 AI 化学信息学工作流

设计可追溯的 RDKit 工作流,用于分子验证、标准化、描述符与指纹计算以及化学搜索。比较 Python、MCP 和 Skill 访问方式,再添加范围受限的 PubChem 信息补充,避免将工具执行与科学验证混为一谈。