Simple PubMed MCP

Simple PubMed介绍与安装

1. 这是什么？适合解决什么问题？

MCP Simple PubMed 是一个 MCP（Model Context Protocol）服务器：把 PubMed/PMC（通过 NCBI Entrez API） 的检索与内容获取能力，封装成“工具（tools）”，让支持 MCP 的 AI 客户端（如 Claude Desktop、OpenCode 等）可以像调用函数一样调用 PubMed。

它特别适合眼科生信（单细胞/多组学整合）中常见的“高频、重复、需要结构化输出”的文献工作，例如：

你的研究背景（眼科 + 单细胞/多组学）里，文献检索往往不是难在“搜到”，而是难在把检索策略标准化 + 把结果结构化沉淀到知识库。这个 MCP 的价值在于“把检索/摘要/（可用时）全文 XML 获取”变成可自动化的步骤。

2. 它能做什么 / 不能做什么（务实边界）

2.1 核心能力（Tools）

通常包含三类能力（以 MCP 工具形式提供）：

  1. Search PubMed：按关键词、MeSH、作者、日期范围、布尔逻辑等检索
  2. Access Abstracts：获取摘要与元数据（PMID、期刊、年份、作者等）
  3. Get Full Text（当可用）：如果论文在 PubMed Central（PMC）开源，可取到全文（往往是 XML 结构化文本，对 AI 处理友好）

（安装与配置在 PyPI 项目页有标准写法。）1

2.2 重要限制

3. 安装与配置（以你当前 Windows 11 + WSL2 + conda 为主）

下面给一个建议做法：在 WSL2 的 conda 环境里安装并运行 MCP 服务器（更贴合你现有生信环境）。

3.1 在 WSL2（Ubuntu）创建环境并安装

# 1) 创建独立环境（避免污染你的单细胞主环境）
conda create -n mcp-pubmed python=3.11 -y
conda activate mcp-pubmed

# 2) 安装
pip install -U pip
pip install mcp-simple-pubmed

# 3) 简单自检（不保证所有包都有 __version__，所以用 import 即可）
python -c "import mcp_simple_pubmed; print('mcp_simple_pubmed import OK')"

3.2 准备 NCBI 必需环境变量

该服务需要：

在 WSL 里（建议写入 ~/.bashrc 或项目 .env，但不要提交到 Git）：

export PUBMED_EMAIL="your-email@example.com"
export PUBMED_API_KEY="your-api-key"   # 可选

4. 在 Obsidian 里怎么用：推荐的“可复现文献检索”笔记模板

建议每次检索都落一个 note，最关键的是：把检索式、日期范围、执行日期、筛选规则写清楚，后续你做系统综述/补充检索时不会丢上下文。

4.1 Obsidian 笔记模板（可直接复制）

---
type: pubmed-search
topic: "retina scRNA-seq multiome integration"
date_run: 2026-02-05
date_range: "2019-01-01 ~ 2026-02-05"
species: [human, mouse]
tissues: [retina, RPE, choroid, optic_nerve]
keywords:
  - single-cell
  - multiome
  - scRNA-seq
  - scATAC-seq
  - spatial transcriptomics
  - integration
---

## Question / Goal
- 我想回答的问题是：

## Search strategy (copy/paste)
- PubMed query（最终版）：
- 备注（MeSH、同义词、排除词、日期限制）：

## Results (structured)
| PMID | Year | Title | Journal | Key tech | Data accession | Notes |
|------|------|-------|---------|----------|----------------|-------|

## Triage decision
- Included:
- Excluded (+ reason):

## Extracted methods / parameters (for downstream bioinfo)
- 样本来源：
- 细胞数/批次设计：
- 平台（10x/SMART-seq/Visium/CITE/多组学）：
- 预处理与整合方法（Seurat/Scanpy/scVI/Harmony/LIGER/totalVI/ArchR等）：
- 关键 marker / pathway：

5. 与 OpenCode（opencode）联动：把 PubMed 工具接到“终端智能体”里

OpenCode 是一个可在终端/桌面运行的 AI coding agent，并且支持通过 MCP 挂载外部工具。2

5.1 OpenCode 的 MCP 配置要点（重要：用 mcp 字段）

OpenCode 官方文档里，MCP servers 配在 opencode.json/opencode.jsonc 的 mcp 下，既支持本地（local）也支持远程（remote）。3

5.2 推荐联动方案 A（最稳）：OpenCode 也在 WSL 里跑

  1. 在 WSL 安装 OpenCode（按其官方安装方式）
  2. 在你的“文献/分析项目目录”根目录放一个 opencode.json

示例 opencode.jsonc（关键：用 bash -lc 激活 conda 后再启动）：

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "simple_pubmed": {
      "type": "local",
      "command": [
        "bash",
        "-lc",
        "source ~/miniconda3/etc/profile.d/conda.sh && conda activate mcp-pubmed && python -m mcp_simple_pubmed"
      ],
      "enabled": true,
      "environment": {
        "PUBMED_EMAIL": "your-email@example.com",
        "PUBMED_API_KEY": "{env:PUBMED_API_KEY}"
      }
    }
  }
}

说明：上面把 PUBMED_API_KEY 放到系统环境变量里（而不是写死在配置文件），更安全。

然后你就可以在 OpenCode 对话里说类似：

5.3 推荐联动方案 B：做一个 OpenCode 自定义命令 /pubmed

OpenCode 支持把常用工作流做成 custom commands（Markdown/YAML frontmatter 模板），用 /命令 一键触发。4

在项目目录创建：.opencode/commands/pubmed.md

---
description: PubMed search + summarize for ophthalmology bioinfo
agent: plan
---

你现在是我的眼科生信文献助理。

目标：围绕「$ARGUMENTS」做一次可复现 PubMed 检索，并输出 Obsidian 可直接粘贴的结果表格。

要求：
1) 先给出 1 个“精简检索式”和 1 个“系统综述级检索式”（含 MeSH + 同义词 + 排除词建议）
2) 使用 simple_pubmed 工具执行检索（use simple_pubmed），返回 Top 25（按相关性或近年优先）
3) 输出 markdown 表格：PMID / Year / Title / Key tech / Disease(or tissue) / Accession / 1-sentence takeaway
4) 最后给出：下一步我该精读的 5 篇（说明理由：方法/数据/可复现性/与单细胞整合相关性）

开始执行。

使用方式（在 OpenCode TUI 中）：

6. 面向“眼科单细胞/多组学整合”的检索用法建议（可直接复用）

下面是一些“高命中率”的检索构造思路（你可以让 MCP Prompts 帮你生成，也可以手写）：

6.1 主题：视网膜单细胞图谱 + 疾病对照

6.2 主题：多组学整合（RNA+ATAC / CITE / multiome）

6.3 主题：空间转录组与单细胞对齐（retina 常用）

7. 实操小贴士（避免踩坑）

  1. 先拿摘要做分层：把“方法学/数据资源型论文”优先级拉高（对你做整合最有用）。
  2. 把检索式当作实验参数：固定日期范围、写清纳排标准；否则你以后很难解释“为什么这批论文被选中”。
  3. 全文抓不到不等于不可读：MCP 拿不到全文时，用 PMID/DOI 去图书馆或浏览器手动补齐是常态。
  4. 控制上下文开销：OpenCode 文档提示 MCP 会增加上下文占用，别一次启用太多 MCP servers；建议为“文献 agent”单独启用 simple_pubmed。3

安装后的使用

开启 mcp-simple-pubmed 的方式取决于你用它的MCP 客户端是谁：一般不是你“手动开一个长期后台服务”，而是由客户端按配置自动拉起。下面给你三种最常见的开启方式（含排错）。

0) 先确认环境变量（必需）

在你安装它的同一个环境（WSL/conda 或 Windows Python）里确认：

WSL/Ubuntu

echo $PUBMED_EMAIL
echo $PUBMED_API_KEY

若为空，先设置（临时）：

export PUBMED_EMAIL="your-email@example.com"
export PUBMED_API_KEY="your-api-key"   # 可选

1) 方式 A：在终端手动启动（用于自检/调试）

如果你只是想确认“能启动”，在安装它的环境里执行：

WSL + conda（示例）

conda activate mcp-pubmed
python -m mcp_simple_pubmed

现象说明：

如果一启动就报错，常见原因：

2) 方式 B：让 OpenCode 自动拉起（推荐你这种“生信工作流”）

你不需要手动开服务，只要在项目里配好 opencode.json(c)，然后启动 OpenCode，它会自动拉起 MCP。

示例（WSL 里跑 OpenCode 时最稳）：

{
  "mcp": {
    "simple_pubmed": {
      "type": "local",
      "enabled": true,
      "command": [
        "bash",
        "-lc",
        "source ~/miniconda3/etc/profile.d/conda.sh && conda activate mcp-pubmed && python -m mcp_simple_pubmed"
      ],
      "environment": {
        "PUBMED_EMAIL": "your-email@example.com",
        "PUBMED_API_KEY": "{env:PUBMED_API_KEY}"
      }
    }
  }
}

然后你启动 OpenCode（在该项目目录下），工具列表里出现 simple_pubmed 就表示“开启成功”。

3) 方式 C：Claude Desktop 自动拉起

同样原则：配置好 claude_desktop_config.json 后重启 Claude Desktop，它会自动启动该 MCP server。

如果你的 mcp-simple-pubmed 安装在 Windows Python

配置里 command 直接指向 Windows 的 python.exe，然后重启 Claude Desktop 即可。

如果你安装在 WSL（而 Claude Desktop 在 Windows）

你可以让 Claude Desktop 通过 wsl.exe 去启动（示例思路）：

{
  "mcpServers": {
    "simple-pubmed": {
      "command": "wsl.exe",
      "args": [
        "-d", "Ubuntu-24.04",
        "bash", "-lc",
        "source ~/miniconda3/etc/profile.d/conda.sh && conda activate mcp-pubmed && python -m mcp_simple_pubmed"
      ],
      "env": {
        "PUBMED_EMAIL": "your-email@example.com",
        "PUBMED_API_KEY": "your-api-key"
      }
    }
  }
}

重启 Claude Desktop 后，在可用工具（tools）里能看到 PubMed 相关工具就表示已开启。

我需要你补充一句：你准备用哪个客户端来调用它？

你现在是要在 OpenCode 里用，还是 Claude Desktop，或是其它 MCP 客户端？