rhofold MCP

RhoFold MCP

使用RhoFold+和MCP集成的RNA 3D结构预测和分析工具，用于Claude Code和其他AI助手。

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
• 故障排除

概述

RhoFold MCP通过RhoFold+深度学习模型提供全面的RNA 3D结构预测功能。此MCP服务器使Claude Code等AI助手能够从单个序列或多序列比对（MSA）中预测RNA结构，执行批处理并分析结构输出。

特性

• 单序列预测：仅使用序列输入进行快速RNA 3D结构预测
• MSA增强预测：使用进化信息进行更高精度的预测
• 批处理：高效处理多种RNA序列
• 结构分析：预测结构的质量评估和验证
• 作业管理：长时间运行操作的后台处理
• 双重环境支持：传统RhoFold（Python 3.7）+现代MCP（Python 3.10）

目录结构

./
├── README.md                   # This file
├── env/                        # Python 3.10 MCP environment
├── env_py37/                   # Python 3.7 RhoFold environment
├── src/
│   ├── server.py              # MCP server
│   └── jobs/                  # Job management system
├── scripts/
│   ├── rna_single_sequence_prediction.py  # Single sequence folding
│   ├── rna_msa_prediction.py              # MSA-enhanced folding
│   ├── rna_batch_prediction.py            # Batch processing
│   ├── rna_structure_analysis.py          # Structure analysis
│   └── lib/                               # Shared utilities
├── examples/
│   ├── data/                  # Demo RNA sequences (16 examples)
│   └── use_case_*.py          # Example scripts
├── configs/                   # Configuration templates
├── repo/                      # Original RhoFold repository
└── jobs/                      # Background job outputs

______________________________________________________________________

安装

先决条件

• Conda或Mamba（建议使用曼巴以加快安装速度）
• Python 3.10+（适用于MCP）
• Python 3.7.12（用于RhoFold依赖项）
• 约10GB磁盘空间用于环境
• CUDA支持可选（5-10倍加速）

创建环境

请严格遵守 reports/step3_environment.md 以获得设置环境的程序。下面显示了一个示例工作流。

# Navigate to the MCP directory
cd /home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rhofold_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 MCP dependencies
pip install fastmcp loguru pandas numpy tqdm

# Create RhoFold environment
mamba env create -f repo/RhoFold/envs/environment_linux.yaml -p ./env_py37

# Install RhoFold package
mamba run -p ./env_py37 pip install -e repo/RhoFold/

______________________________________________________________________

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

单序列预测

# Activate environment
mamba activate ./env_py37

# Run script
python scripts/rna_single_sequence_prediction.py \
  --input examples/data/3owzA/3owzA.fasta \
  --output results/single_prediction \
  --device cpu \
  --relax_steps 1000

参数：

• --input, -i：FASTA格式的RNA序列路径（必填）
• --output, -o：预测结果的输出目录（默认：自动生成）
• --device：计算设备-cpu、cuda:0等。（默认值：cpu）
• --relax_steps：琥珀色放松步骤数（默认值：1000）

MSA增强预测

python scripts/rna_msa_prediction.py \
  --fasta examples/data/3owzA/3owzA.fasta \
  --msa examples/data/3owzA/3owzA.a3m \
  --output results/msa_prediction \
  --device cpu

参数：

• --fasta, -f：FASTA格式的RNA序列路径（必填）
• --msa, -m：A3M格式的多序列比对路径（必填）
• --output, -o：结果输出目录（默认：自动生成）
• --device：计算设备（默认：cpu）
• --relax_steps：琥珀色放松步骤（默认值：1000）

批处理

python scripts/rna_batch_prediction.py \
  --input_dir examples/data \
  --output results/batch_results \
  --max_sequences 3 \
  --device cpu

参数：

• --input_dir：包含FASTA文件（和可选A3M文件）的目录
• --multi_fasta：替代方案：单个多FASTA文件
• --output, -o：所有结果的输出目录（默认：自动生成）
• --max_sequences：要处理的最大序列数
• --include：要包含的以逗号分隔的序列名称列表
• --exclude：要排除的逗号分隔的序列名称列表

结构分析

# Activate MCP environment for analysis
mamba activate ./env

python scripts/rna_structure_analysis.py \
  --input results/batch_results \
  --output analysis/comprehensive_analysis \
  --export_csv

参数：

• --input, -i：包含RhoFold预测结果的目录（必填）
• --output, -o：分析结果的输出目录（默认：自动生成）
• --export_csv：将摘要导出为CSV格式（标志）
• --include_unrelaxed：在分析中包括未松弛的结构（标志）

______________________________________________________________________

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 RhoFold

选项2:Claude代码的手动安装

# Add MCP server to Claude Code
claude mcp add RhoFold -- $(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": {
    "RhoFold": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rhofold_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rhofold_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 RhoFold?

基本用法

Use predict_rna_structure with input file @examples/data/3owzA/3owzA.fasta

MSA增强预测

Run predict_rna_structure_with_msa on @examples/data/3owzA/3owzA.fasta using MSA @examples/data/3owzA/3owzA.a3m

长期运行任务（提交API）

Submit batch RNA prediction for @examples/data/ directory with max 3 sequences
Then check the job status

批处理

Process these files in batch:
- @examples/data/3owzA/3owzA.fasta
- @examples/data/4l81A/4l81A.fasta
- @examples/data/5ddoA/5ddoA.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": {
    "RhoFold": {
      "command": "/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rhofold_mcp/env/bin/python",
      "args": ["/home/xux/Desktop/NucleicMCP/NucleicMCP/tool-mcps/rhofold_mcp/src/server.py"]
    }
  }
}

示例提示

# Start Gemini CLI
gemini

# Example prompts (same as Claude Code)
> What tools are available?
> Use predict_rna_structure with file examples/data/3owzA/3owzA.fasta

______________________________________________________________________

可用工具

快速操作（同步API）

这些工具会立即返回结果（\10分钟）：

作业管理工具

______________________________________________________________________

例子

示例1：单序列RNA结构预测

目标： 预测单个RNA序列的3D结构

使用脚本：

mamba run -p ./env_py37 python scripts/rna_single_sequence_prediction.py \
  --input examples/data/3owzA/3owzA.fasta \
  --output results/example1/

使用MCP（克劳德代码）：

Use predict_rna_structure to process @examples/data/3owzA/3owzA.fasta and save results to results/example1/

预期产量：

• unrelaxed_model.pdb：原始3D结构预测
• relaxed_model.pdb：琥珀色精致结构
• ss.ct：CT格式的二级结构
• results.npz：距离图和置信度得分

示例2:MSA增强结构预测

目标： 使用进化信息进行更高精度的预测

使用脚本：

mamba run -p ./env_py37 python scripts/rna_msa_prediction.py \
  --fasta examples/data/3owzA/3owzA.fasta \
  --msa examples/data/3owzA/3owzA.a3m \
  --output results/example2/

使用MCP（克劳德代码）：

Use predict_rna_structure_with_msa on @examples/data/3owzA/3owzA.fasta with MSA @examples/data/3owzA/3owzA.a3m

示例3：批处理

目标： 一次处理多个文件

使用脚本：

for f in examples/data/*/**.fasta; do
  mamba run -p ./env_py37 python scripts/rna_single_sequence_prediction.py --input "$f" --output results/batch/
done

使用MCP（克劳德代码）：

Submit batch processing for all FASTA files in @examples/data/

______________________________________________________________________

演示数据

这 examples/data/ 目录包含用于测试的示例数据：

演示序列总数：16个RNA结构，对应FASTA和A3M文件

______________________________________________________________________

配置文件

这 configs/ 目录包含配置模板：

配置示例

{
  "device": "cpu",
  "relax_steps": 1000,
  "output_format": "pdb",
  "quality_checks": true,
  "save_intermediate": false
}

______________________________________________________________________

故障排除

环境问题

问题： 未找到环境

# Recreate environment
mamba create -p ./env python=3.10 -y
mamba activate ./env
pip install fastmcp loguru pandas numpy tqdm

问题： 导入错误

# Verify installation
python -c "from src.server import mcp"

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

问题： 工具不工作

# Test server directly
python -c "
from src.server import mcp
print('MCP server loaded successfully')
"

工作问题

问题： 作业挂起

# Check job directory
ls -la jobs/

# View job log
cat jobs//job.log

问题： 作业失败

Use get_job_log with job_id "" and tail 100 to see error details

性能问题

问题： 执行缓慢

• 解决方案：使用GPU device: "cuda:0" 5-10倍的加速
• 替代：减少 relax_steps 从1000到100，效果更快

问题： 内存不足

• 解决方案：在批处理模式下一次处理更少的序列
• 监视器：每个序列的峰值内存使用量约为4-6GB

______________________________________________________________________

发展

运行测试

# Activate environment
mamba activate ./env

# Run tests
pytest tests/ -v

正在启动开发服务器

# Run MCP server in dev mode
fastmcp dev src/server.py

______________________________________________________________________

性能指南

执行时间估算

优化提示

1. GPU使用情况：添加 device: "cuda:0" 5-10倍的加速
2. 批处理：比多个单一预测更有效
3. 放松步骤：从1000减少到100，以获得更快的结果（轻微的质量损失）
4. 内存管理：使用以下方法将大批量处理成小块 max_sequences

资源规划

• 存储：预计每个预测结构约4 MB
• 中央处理器：模型推理期间使用率高（每个序列约5分钟）
• 记忆：预测期间的峰值使用量约为4-6GB
• 网络：首次使用时下载508 MB型号
• 图形处理器：CUDA兼容GPU提供5-10倍的加速

______________________________________________________________________

许可证

此MCP服务器基于 RhoFold 并按照相同的许可条款进行分发。

学分

• RhoFoldRhoFold团队的原始RNA结构预测模型
• FastMCP：用于AI助手集成的MCP框架
• 原始存储库:

______________________________________________________________________

引用

如果您在研究中使用RhoFold MCP，请引用原始的RhoFold论文：

@article{shen2022rhofold,
  title={RNA structure prediction using deep learning},
  author={Shen, Tianyu and others},
  journal={Nature Methods},
  year={2022}
}

有关问题或支持，请参阅 原始RhoFold存储库 或者在MCP存储库中创建问题。