VitalIQ MCP Server – Agentic AI Nurse

使用说明

• 项目简介
  • VitalIQ MCP Server 是一个面向外部LLM客户端的MCP服务器实现，核心职责是把医疗场景中的能力、资源和提示整合成标准化的“工具集合”，通过 MCP 规范对外提供。
  • 主要功能包括：分析生命体征的智能分析、知识库检索、HITL（人机交互）问题请求、风险评估、以及药物提醒的调度与执行等工具，以及一个用于交互的CLI客户端。
  • 服务器通过 FastMCP 框架实现工具暴露，支持多种传输方式（如标准输入输出、WebSocket、Server-Sent Events 等），并具备会话管理和能力声明能力。
• 主要功能点
  • 暴露工具接口：analyze_vitals、consult_knowledge_base、ask_patient_question、run_risk_assessment、schedule_medication_reminder 等。
  • 支持外部LLM通过MCP标准调用这些工具，获取JSON/文本形式的结果。
  • 提供一个交互式MCP客户端，便于测试和探索工具调用。
  • 与现有的知识库、药物提醒和监控流程集成，具备一定的端到端示例能力。
• 安装步骤
  • 准备运行环境（Python 3.10+，依赖可通过 requirements.txt 安装）。
  • 安装并配置 Groq/LLM 服务、数据库、以及可选的外部服务（如n8n、Firebase等），根据 README 指定的依赖与配置路径进行设置。
  • 在 Backend/Platform 目录执行 MCP 服务启动命令：python -m MCP.mcp_server，启动后服务器就可接受 MCP 客户端的调用。
  • 若要使用 MCP 客户端进行交互，可执行 Backend/Platform/mcp_client.py 进入交互式 CLI。
• 服务器配置（供 MCP 客户端参照，客户端不需要执行以下代码，仅作为配置说明）
  • server name：VitalIQ-MCP-Server
  • command：python
  • args：[-m, MCP.mcp_server]
  • transport/协议：stdio（默认本地交互式测试可使用标准输入输出方式），也可选 SSE/WebSocket 根据部署环境配置
  • 说明：MCP 客户端通过指定的 server 连接信息来启动并对接该服务器，客户端需要的配置信息通常包含 server 名称、启动命令及参数等，便于在不同环境或容器中复现调用。
• 基本使用方法
  • 启动服务器：在后端平台目录启动 MCP 服务器脚本。
  • 打开 MCP 客户端：运行 MCP 客户端脚本，按提示列出可用工具。
  • 调用工具：在客户端输入 “call <tool_name> <json_args>”（例如调用 analyze_vitals，并传入 JSON 形式的参数），即可获得工具执行结果。
  • 观察输出：工具返回结果通常为JSON或文本，后续可将结果用于LLM的上下文或工作流中。