pepflowww MCP

PepFlowww MCP

环肽计算分析工具-MCP服务器，用于快速肽特性计算、序列生成和分析

目录

• 概述
• 安装
• 本地使用（脚本）
• MCP服务器安装
• 使用Claude代码
• 与Gemini CLI一起使用
• 可用工具
• 例子
• 演示数据
• 配置文件
• 故障排除
• 发展

概述

PepFlowww MCP为环肽计算分析提供了快速、可靠的工具。该MCP服务器基于统计方法而不是深度学习，以实现最大的速度和可靠性，可以立即分析肽特性、序列生成和药物相似性评估。

特性

• 快速属性计算：分子量、LogP、TPSA、电荷和药物相似性（8个肽约2秒）
• 统计序列生成：生成具有可定制约束的多种环肽（10个序列约0.1秒）
• 综合分析：氨基酸组成、理化性质和可视化
• 批处理：用于大规模分析的异步作业提交
• 无需GPU：仅CPU操作，依赖性最小

目录结构

./
├── README.md               # This file
├── env/                    # Conda environment
├── src/
│   ├── server.py           # MCP server (12 tools)
│   └── jobs/               # Job management system
│       └── manager.py      # Background job processing
├── scripts/
│   ├── analyze_peptides.py # Peptide property analysis
│   ├── generate_sequences.py # Statistical sequence generation
│   └── lib/                # Shared utilities
│       ├── constants.py    # Amino acid properties and definitions
│       ├── io.py          # File I/O utilities for FASTA, CSV
│       ├── validation.py  # Sequence and config validation
│       └── utils.py       # Analysis and manipulation utilities
├── examples/
│   └── data/               # Demo data
│       ├── sequences/      # Sample cyclic peptide sequences
│       │   ├── demo_cyclic_peptides.fasta # 8 demo sequences
│       │   └── demo_peptides.fasta       # Additional samples
│       └── structures/     # Sample 3D structures
│           └── demo_peptide_receptor.pdb
├── configs/                # Configuration files
│   ├── analyze_peptides_config.json   # Analysis parameters
│   └── generate_sequences_config.json # Generation parameters
├── jobs/                   # Job state persistence
└── repo/                   # Original PepFlowww 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+
• 约5GB磁盘空间用于环境

创建环境

请严格遵守中的信息 reports/step3_environment.md 了解详细的设置程序。典型的工作流程如下：

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

# Create conda environment (use mamba if available)
mamba create -p ./env python=3.10 -y
# or: conda create -p ./env python=3.10 -y

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

# Install from environment.yml (includes scientific stack)
mamba env update -p ./env -f repo/PepFlowww/environment.yml

# Install additional dependencies
pip install joblib lmdb easydict
pip install fastmcp loguru --ignore-installed

替代快速安装（仅限基本）：

# For minimal installation
mamba create -p ./env python=3.10 numpy pandas matplotlib biopython -y
mamba activate ./env
pip install fastmcp loguru

______________________________________________________________________

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

脚本示例

分析环肽

# Activate environment
mamba activate ./env

# Analyze demo sequences (8 built-in peptides)
python scripts/analyze_peptides.py --demo --output results/analysis

# Analyze single sequence
python scripts/analyze_peptides.py \
  --sequence "CRGDMFGC" \
  --output results/single_analysis

# Analyze FASTA file
python scripts/analyze_peptides.py \
  --input examples/data/sequences/demo_cyclic_peptides.fasta \
  --output results/file_analysis

# Fast analysis without visualizations
python scripts/analyze_peptides.py --demo --output results/fast --no-viz

参数：

• --input, -i：输入FASTA文件路径
• --sequence, -s：要分析的单个序列
• --demo：使用内置的演示序列（8个肽）
• --output, -o：输出目录（默认：results/）
• --no-viz：跳过可视化以加快执行速度
• --config：自定义配置文件

预期产量：

• composition.csv：氨基酸组成分析
• properties.csv：理化性质（MW、LogP、TPSA等）
• druggability.csv：药物相似性评估
• *_distribution.png：属性可视化图
• analysis_summary.txt：统计摘要

生成肽序列

# Generate 10 sequences with default settings
python scripts/generate_sequences.py \
  --num_samples 10 \
  --output results/generated.fasta

# Generate with specific length
python scripts/generate_sequences.py \
  --num_samples 5 \
  --length 12 \
  --output results/length12.fasta

# Use natural amino acid frequencies
python scripts/generate_sequences.py \
  --num_samples 8 \
  --weights natural \
  --output results/natural_freq.fasta

# Generate CSV with metadata
python scripts/generate_sequences.py \
  --num_samples 10 \
  --format csv \
  --output results/sequences.csv

# No cysteines or charge balancing
python scripts/generate_sequences.py \
  --num_samples 10 \
  --no-cysteines \
  --no-balance \
  --output results/simple.fasta

参数：

• --num_samples, -n：要生成的序列数
• --length, -l：固定序列长度（默认值：随机6-15）
• --weights, -w：氨基酸重量（“均匀”或“天然”）
• --format, -f：输出格式（“fasta”或“csv”）
• --output, -o：输出文件路径
• --no-cysteines：排除半胱氨酸残基
• --no-balance：跳过费用平衡

______________________________________________________________________

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 pepflowww-tools

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add pepflowww-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": {
    "pepflowww-tools": {
      "command": "/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/pepflowww_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/CycPepMCP/CycPepMCP/tool-mcps/pepflowww_mcp/src/server.py"]
    }
  }
}

启动服务器进行测试

# Activate environment
mamba activate ./env

# Development mode (with FastMCP inspector)
fastmcp dev src/server.py

# Production mode (stdio transport)
python 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 pepflowww-tools?

快速属性计算（同步API）

Calculate molecular properties for this cyclic peptide: CRGDMFGC

演示数据分析

Analyze all the demo peptides for drug-likeness properties

序列生成（同步API）

Generate 5 cyclic peptides with length 10 using natural amino acid frequencies

后台作业提交（异步API）

Submit a background job to analyze @examples/data/sequences/demo_cyclic_peptides.fasta with visualizations

作业管理

Check the status of job abc12345

批处理

Analyze these files in batch:
- @examples/data/sequences/demo_cyclic_peptides.fasta
- @examples/data/sequences/demo_peptides.fasta

使用@引用

在克劳德代码中，使用 @ 引用文件和目录：

______________________________________________________________________

与Gemini CLI一起使用

配置

增添 ~/.gemini/settings.json:

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

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What cyclic peptide tools are available?
> Calculate properties for cyclic peptide CRGDMFGC
> Generate 10 diverse cyclic peptides with drug-like properties

______________________________________________________________________

可用工具

快速操作（同步API）

这些工具会立即返回结果（\/ ├── metadata.json # Job status and parameters ├── job.log # Execution logs └── output* # Generated files

### 添加新工具

In src/server.py

@mcp.tool() def new_analysis_tool(input_param: str) -> Dict[str, Any]: """Description of what the tool does.""" try: # Import script function from new_script import run_analysis

result = run_analysis(input_param) return {"status": "success", **result} except Exception as e: return {"status": "error", "error": str(e)}

### 性能监控

Check memory usage

python -c " import psutil import os print(f'Memory: {psutil.Process(os.getpid()).memory_info().rss / 1024**2:.1f} MB') "

Check execution time

time python scripts/analyze_peptides.py --demo --output /tmp/test

______________________________________________________________________

## 许可证

基于 [PepFlowww](https://github.com/riacd/PepFlowww) -肽设计的原始深度学习框架

## 积分

- **原始存储库**：基于多模态流匹配的全原子肽设计
- **MCP实施**：统计分析和序列生成工具
- **FastMCP框架**：Anthropic的模型上下文协议实现
- **依赖项**：NumPy、Pandas、Matplotlib用于核心计算能力