______________________________________________________________________
MedAgent——医疗报告生成与查询系统
使用MCP数据库工具箱、AlloyDB和Gemini CLI
______________________________________________________________________
📌 概述
MedAgent 是一个端到端的人工智能系统，使用户能够查询医疗数据并生成结构化的医疗报告 双子座命令行界面 作为客户端界面和 MCP数据库工具箱 作为服务器端编排层。
该项目展示了如何 模型上下文协议（MCP） 可用于将大型语言模型与数据库（AlloyDB）安全连接，以获取相关的医疗信息并生成智能的上下文响应。
此存储库用作 参考实现 用于：
- MCP数据库工具箱
- Gemini CLI集成
- 支持数据库的LLM工作流
- 医疗报告生成和查询管道
______________________________________________________________________
🧠 主要特点
- 通过以下方式进行自然语言医学查询 双子座命令行界面
- 使用安全的数据库访问 MCP工具箱
- AlloyDB作为后端医疗数据存储
- 结构化医疗报告生成
- 模块化和可扩展的架构
- 基于MCP的端到端LLM+数据库工作流
______________________________________________________________________
🏗 高级体系结构
流量： User → Gemini CLI（客户端）→ MCP工具箱（服务器）→ 合金数据库→ 响应
Gemini CLI从不直接访问数据库。 所有数据库交互都由中定义的MCP工具进行中介 tools.yaml.
______________________________________________________________________
📁 项目结构
MedAgent-Report-Generation-Query-Alloydb-using-MCP-Toolbox-and-Gemini-CLI-/
│
├── .env
├── README.md
├── Medical_Treatment_Plan.md
├── dbscript.sql
├── tools.yaml
│
└── Outputs/______________________________________________________________________
📂 文件和目录细分
🔐 .env
包含以下所需的环境变量：
- AlloyDB连接
- MCP工具箱配置
- 身份验证密钥
______________________________________________________________________
📄 tools.yaml
定义 MCP工具 由MCP工具箱服务器公开。
这些工具：
- 描述数据库模式
- 定义允许的SQL查询
- 控制Gemini CLI可以访问的内容
目的：
- 作为 合同 Gemini CLI和AlloyDB之间
- 确保安全、模式感知的查询
______________________________________________________________________
🗄 dbscript.sql
SQL脚本用于：
- 初始化AlloyDB架构
- 创建医疗表格
- 插入样本医疗数据（患者、诊断、治疗）
必须执行此脚本 在运行查询之前.
______________________________________________________________________
📘 Medical_Treatment_Plan.md
包含：
- 医学领域背景
- 样本治疗计划
- Gemini CLI使用的提示或参考逻辑
用于指导：
- 报告生成
- 治疗总结
- 医学推理背景
______________________________________________________________________
📤 Outputs/
商店：
- 生成的医疗报告
- 查询响应
- Gemini CLI生成的结构化输出
______________________________________________________________________
🚀 入门指南
1.️⃣ 克隆仓库
git clone https://github.com/Madhu-712/MedAgent-Report-Generation-Query-Alloydb-using-MCP-Toolbox-and-Gemini-CLI.git
cd MedAgent-Report-Generation-Query-Alloydb-using-MCP-Toolbox-and-Gemini-CLI
### 2️⃣ Setup AlloyDB
Create an AlloyDB instance
Create table patientsinfo
Load sample data into the table
### 3️⃣ Configure MCP Toolbox Server
Create MCP Toolbox using command:
export VERSION=0.23.0
curl -O https://storage.googleapis.com/genai-toolbox/v$VERSION/linux/amd64/toolbox
chmod +x toolbox
Update database connection details
Define tools.yaml for querying medical records
Start MCP server
./toolbox --tools-file="tools.yaml"
### 4️⃣ Configure Gemini CLI
Point Gemini CLI to MCP server endpoint
Enable MCP tool usage
sudo npm install -g @google/gemini-cli
export GOOGLE_CLOUD_PROJECT=>
gemini
### 5️⃣ Run End-to-End Query
eg: List all patients suffering from Anginia?
How many ppl suffer from Cancer .List all patients info.Youngest patient suffering from Depression?
What are possible treatment for this patient ?
Suggest treatment plan for getting patient treated in USA Newyork.
---
### 🔁 End-to-End Flow
1. User enters medical query in Gemini CLI
2. Gemini CLI analyzes intent
3. MCP tool is invoked from `tools.yaml`
4. MCP Toolbox executes SQL on AlloyDB
5. Results returned as structured data
6. Gemini CLI generates medical report
7. Output stored in `Outputs/` and displayed to user
---
## 🤝 Contribution
Contributions are welcome!
Steps:
1. Fork the repo
2. Create a feature branch
3. Commit your changes
4. Open a Pull Request
Please include:
* Clear commit messages
* Updated documentation where applicable
---
## 📜 License
This project is licensed under the **MIT License**.
---
## ⭐ Final Notes
This repository is ideal for:
* Learning **MCP-based LLM + Database integration**
* Demonstrating **Gemini CLI workflows**
* Building secure AI-powered data agents
---
# References
https://codelabs.developers.google.com/search-app-with-geminicli
https://codelabs.developers.google.com/genai-toolbox-for-alloydb
https://codelabs.developers.google.com/mcp-toolbox-bigquery-dataset