快速接入

先看主来源和安装命令，再打开仓库或文档；下面只保留这个条目的关键接入事实。

命令预览

python scripts/pnear_analysis.py \

详细介绍

CyclicChamp MCP工具

使用CyclicChamp骨干采样算法进行环肽计算分析的MCP工具

概述

CyclicChamp MCP Tools提供了一套全面的环肽计算分析套件，专为7至24个残基的环肽的骨架取样和稳定性评估而设计。这些工具实现了CyclicChamp方法，用于基于模拟退火的肽设计，并具有混合的L/D手性支持。

特性

P_near稳定性分析：结合RMSD和能量评估分析稳定性指标（P_near>0.9=稳定设计）
序列组成分析：具有物理化学性质的综合氨基酸和手性模式分析
骨干参数生成：针对不同肽大小优化CyclicChamp模拟退火参数
批处理：用于虚拟筛选和参数优化研究的高通量分析
混合手性支持：环肽设计中L/D氨基酸组合的天然支持

目录结构

./
├── README.md               # This file
├── env/                    # Conda environment
├── src/
│   └── server.py           # MCP server with 16 tools
├── scripts/
│   ├── pnear_analysis.py              # P_near stability analysis
│   ├── sequence_analysis.py           # Sequence composition and properties
│   ├── backbone_sampling_params.py   # CyclicChamp parameter generation
│   └── lib/                           # Shared utilities (io, validation, utils)
├── examples/
│   └── data/               # Demo data
│       ├── results/        # P_near analysis results (15, 20, 24 residue samples)
│       ├── sequences/      # Amino acid type definitions (L/D residues)
│       └── structures/     # Sample cluster center PDB structures
├── configs/                # Configuration files
│   ├── pnear_analysis_config.json     # P_near analysis settings
│   ├── sequence_analysis_config.json  # Sequence analysis parameters
│   ├── backbone_sampling_config.json  # Parameter generation formulas
│   └── default_config.json            # Global defaults
└── repo/                   # Original CyclicChamp repository

______________________________________________________________________

安装

快速设置

运行自动安装脚本：

./quick_setup.sh

这将创建环境并自动安装所有依赖项。

手动设置（高级）

对于手动安装或自定义，请执行以下步骤。

先决条件

Conda或Mamba（建议使用曼巴以加快安装速度）
Python 3.10+
科学Python堆栈（numpy、matplotlib、pandas、scipy）
MCP框架（fastmcp、loguru）

创建环境

请遵循以下信息 reports/step3_environment.md 了解完整的设置过程。典型的工作流程：

# Navigate to the MCP directory
cd /home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicchamp_mcp

# Create conda environment (use mamba if available)
mamba create -p ./env python=3.12 pip -y
# or: conda create -p ./env python=3.12 pip -y

# Activate environment
mamba activate ./env
# or: conda activate ./env

# Install core dependencies
mamba run -p ./env pip install matplotlib numpy scipy loguru click pandas tqdm

# Install MCP dependencies
mamba run -p ./env pip install --force-reinstall --no-cache-dir fastmcp

# Test installation
mamba run -p ./env python -c "import numpy; import matplotlib; import scipy; import fastmcp; print('Core imports successful')"

______________________________________________________________________

本地使用（脚本）

您可以在没有MCP的情况下直接使用脚本进行本地处理。

可用脚本

脚本	描述	示例
`scripts/pnear_analysis.py`	分析CyclicChamp结果中环肽的P_near稳定性值	见下文
`scripts/sequence_analysis.py`	分析序列组成、手性模式和物理化学性质	见下文
`scripts/backbone_sampling_params.py`	为CyclicChamp模拟退火生成骨干采样参数	见下文

脚本示例

P_near稳定性分析

# Activate environment
mamba activate ./env

# Analyze P_near stability for 15-residue peptides
python scripts/pnear_analysis.py \
  --input examples/data/results/Pnear_values_15res.txt \
  --output-dir results/pnear_analysis \
  --min-pnear 0.9

# Analyze with custom configuration
python scripts/pnear_analysis.py \
  --input examples/data/20res_Pnear_list.txt \
  --config configs/pnear_analysis_config.json \
  --output-dir results/20res_analysis

参数：

--input, -i：Pnear_values\_\*.txt文件的路径（必需）
--output-dir, -o：绘图和报告的输出目录（可选）
--min-pnear：稳定设计的最小P_near阈值（默认值：0.9）
--config：JSON配置文件的路径（可选）

序列组成分析

# Analyze all designs in dataset
python scripts/sequence_analysis.py \
  --input examples/data/results/Pnear_values_20res.txt \
  --output-dir results/sequence_analysis

# Analyze only stable designs (P_near > 0.9)
python scripts/sequence_analysis.py \
  --input examples/data/24res_Pnear_list.txt \
  --stable-only \
  --min-pnear 0.95 \
  --output-dir results/stable_sequences

参数：

--input, -i：Pnear_values\_\*.txt文件的路径（必需）
--output-dir, -o：输出目录（可选）
--stable-only：仅分析阈值以上的稳定设计（标志）
--min-pnear：稳定设计的P_near阈值（默认值：0.9）
--config：JSON配置文件的路径（可选）

骨干参数生成

# Generate parameters for 15-residue peptides
python scripts/backbone_sampling_params.py \
  --size 15 \
  --output-dir results/parameters_15res

# Generate optimization parameter combinations
python scripts/backbone_sampling_params.py \
  --size 24 \
  --optimize \
  --output-dir results/optimization_24res

参数：

--size, -s：肽大小-必须为7、15、20或24个残基（必填）
--output-dir, -o：输出目录（可选）
--optimize：生成参数组合以进行优化（标志）
--config：JSON配置文件的路径（可选）

______________________________________________________________________

MCP服务器安装

选项1：使用fastmcp（推荐）

# Install MCP server for Claude Code
fastmcp install src/server.py --name cyclicchamp-tools

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add cyclicchamp-tools -- $(pwd)/env/bin/python $(pwd)/src/server.py

# Verify installation
claude mcp list

选项3：在settings.json中配置

增添 ~/.claude/settings.json:

{
  "mcpServers": {
    "cyclicchamp-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicchamp_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/cyclicchamp_mcp/src/server.py"]
    }
  }
}

______________________________________________________________________

使用Claude代码

安装MCP服务器后，您可以直接在Claude Code中使用它。

快速开始

# Start Claude Code
claude

示例提示

工具发现

What tools are available from cyclicchamp-tools MCP server? Use get_tool_info to show me all available tools and their categories.

P_near分析（快速-~1-2秒）

Use analyze_pnear_stability to analyze @examples/data/20res_Pnear_list.txt with min_pnear=0.9 and show me the stable designs.

序列分析（快速-~1-3秒）

Analyze peptide sequences from @examples/data/results/Pnear_values_15res.txt using analyze_peptide_sequences. Focus only on stable designs and show me amino acid composition patterns.

参数生成（快速-\ What tools are available from cyclicchamp-tools?

Analyze P_near stability for large peptide dataset Generate backbone parameters for multiple peptide sizes


______________________________________________________________________

### 快速操作（同步API-以秒为单位的结果）

这些工具会立即返回结果（\ 0.9 (both Rosetta and GA)
   - Energy 0.9=稳定）

______________________________________________________________________

## 配置文件

这 `configs/` 目录包含配置模板：

|配置|描述|关键参数|
|--------|-------------|-----------------|
| `pnear_analysis_config.json` |P_near分析设置| `min_pnear: 0.9`，绘制颜色、图形大小|
| `sequence_analysis_config.json` |序列分析设置| AA特性、疏水阈值、极性残基|
| `backbone_sampling_config.json` |参数公式|数学公式、冷却速率、优化|
| `default_config.json` |全局默认值|输出格式、DPI、稳定性阈值|

### 配置示例

{ "analysis": { "min_pnear": 0.9, "stable_only": false }, "output": { "format": "png", "plot_dpi": 300 }, "plotting": { "figure_size": [10, 8], "alpha": 0.6 }, "colors": { "rosetta": "blue", "ga": "orange" } }


______________________________________________________________________

## 故障排除

### 环境问题

**问题：** 未找到环境

Recreate environment

mamba create -p ./env python=3.12 pip -y mamba activate ./env mamba run -p ./env pip install matplotlib numpy scipy loguru click pandas tqdm mamba run -p ./env pip install --force-reinstall --no-cache-dir fastmcp


**问题：** 导入错误

Verify installation

mamba run -p ./env python -c "import numpy; import matplotlib; import scipy; import fastmcp; print('All imports successful')"

Test script functions

mamba run -p ./env python -c "from scripts.pnear_analysis import run_pnear_analysis; print('Scripts ready')"


**问题：** 包冲突

Clean installation

mamba clean --all mamba create -p ./env python=3.12 pip -y --force

Reinstall packages as above


### MCP问题

**问题：** 在Claude代码中找不到服务器

Check MCP registration

claude mcp list

Re-add if needed

claude mcp remove cyclicchamp-tools claude mcp add cyclicchamp-tools -- $(pwd)/env/bin/python $(pwd)/src/server.py


**问题：** 工具在Claude代码中不起作用

Test server directly

mamba run -p ./env python -c " import sys sys.path.insert(0, 'src') from server import mcp print('Server imports OK') "

Start dev server to check for errors

mamba run -p ./env fastmcp dev src/server.py


**问题：** 文件路径错误

Use absolute paths or @ references in Claude Code:

@examples/data/20res_Pnear_list.txt ✓
examples/data/20res_Pnear_list.txt ✗


### 数据问题

**问题：** P_near文件格式无效

Ensure your P_near file has these exact columns (tab-separated): Name Energy P_near_Rosetta P_near_GA Sequence

Check file with: head -1 your_file.txt


**问题：** 缺少演示数据

Check if demo files exist

ls -la examples/data/ ls -la examples/data/results/

Files should include:

- 20res_Pnear_list.txt

- 24res_Pnear_list.txt

- Pnear_list.txt


### 工作问题

**问题：** 作业处于待处理状态

Check job directory

ls -la jobs/

View job log

tail -20 jobs//job.log


**问题：** 任务失败

Use get_job_log with job_id to see error details: get_job_log(job_id="", tail=100)


**问题：** 找不到作业

Use list_jobs() to see all available job IDs: list_jobs()


______________________________________________________________________

## 发展

### 运行测试

Activate environment

mamba activate ./env

Run server tests

python test_server.py

Test individual scripts

python scripts/pnear_analysis.py --input examples/data/results/Pnear_values_15res.txt python scripts/sequence_analysis.py --input examples/data/results/Pnear_values_15res.txt python scripts/backbone_sampling_params.py --size 15


### 正在启动开发服务器

Run MCP server in dev mode

mamba run -p ./env fastmcp dev src/server.py

Check server logs

Dev server will show inspector URL for testing tools


______________________________________________________________________

## 演出

### 预期性能

|工具|数据集大小|运行时|内存|输出文件|
|------|--------------|---------|--------|--------------|
| `analyze_pnear_stability` |100个设计|~1秒|10 MB |3个文件|
| `analyze_pnear_stability` |1000个设计|~2秒|50 MB |3个文件|
| `analyze_peptide_sequences` |100个序列|~1秒|15 MB |3个文件|
| `analyze_peptide_sequences` |1000个序列|~3秒|75 MB |3个文件|
| `generate_backbone_parameters` |任意大小|\1000个设计）
- **磁盘空间**：每个分析输出约10 MB

______________________________________________________________________

## 许可证

基于最初的CyclicChamp方法。有关原始实现的详细信息，请参阅repo/目录。

## 积分

基于 [CyclicChamp](https://github.com/ichen-lab-ucsb/CyclicChamp) -基于启发式能量的环肽设计
加州大学圣巴巴拉分校陈实验室的原始存储库结构和算法
Claude Sonnet 4的MCP实现和工具提取

______________________________________________________________________

**可用MCP工具总数：16**

- 5作业管理工具
- 3个同步分析工具
- 5提交/批处理工具
- 3实用工具

**已准备好集成Claude Code和Gemini CLI**

目录标签

PythonClaude生物信息学环肽设计本地部署稳定性分析序列分析参数生成

支持客户端

Claude

接入字段

传输方式（transport，传输协议）

stdio

鉴权方式（authType，认证方式）

none

运行时（runtime，运行环境）

Python

工具数量（toolCount，工具数）

16

资源数量（resourceCount，资源数）

0

提示词数量（promptCount，提示词数）

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置，并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

来源信息

MCP World

mcpworld.com

/detail/a94c86c04b53cfbfc87ee31d45c57a45

CyclicChamp MCP Tools 是一款专为环肽计算分析设计的工具套件，提供稳定性评估、序列分析和参数生成等功能，适用于7至24个残基的环肽设计。

继续浏览同类 MCP

更多设计创作 MCP（1,700）返回 MCP 目录

上一个 MCP

cyc builder MCP

CYC_BUILDER_v1.0 MCP 提供了一套全面的工具，用于环肽的计算分析和设计，结合种子准备、蒙特卡洛树搜索（MCTS）片段组装和结构分析，生成、分析和优化环肽结合剂。

下一个 MCP

Dall Ec76410d

全面解析DALL E 3 Image GeneratorMCP Server的核心功能、安装配置和实用案例。作为顶级Model Context Protocol服务器，DALL E 3 Image Generator能让AI助手访问实时数据、执行操作，为您提供更智能的工作体验和自动化解决方案。

cyclicchamp MCP

快速接入

详细介绍

CyclicChamp MCP工具

目录

概述

特性

目录结构

安装

快速设置

手动设置（高级）

先决条件

创建环境

本地使用（脚本）

可用脚本

脚本示例

P_near稳定性分析

序列组成分析

骨干参数生成

MCP服务器安装

选项1：使用fastmcp（推荐）

选项2:Claude代码的手动安装

选项3：在settings.json中配置

使用Claude代码

快速开始

示例提示

工具发现

P_near分析（快速-~1-2秒）

序列分析（快速-~1-3秒）

参数生成（快速-\ What tools are available from cyclicchamp-tools?

Recreate environment

Verify installation

Test script functions

Clean installation

Reinstall packages as above

Check MCP registration

Re-add if needed

Test server directly

Start dev server to check for errors

Check if demo files exist

Files should include:

- 20res_Pnear_list.txt

- 24res_Pnear_list.txt

- Pnear_list.txt

Check job directory

View job log

Activate environment

Run server tests

Test individual scripts

Run MCP server in dev mode

Check server logs

Dev server will show inspector URL for testing tools

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP