BioHarbor

Name: BioHarbor
Author: danielLuo2

제작자: danielLuo2버전 0.1.6i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.danielLuo2/bioharbor

설치

개요

제작자가 쓴 설명(영어 원문)

Run real bioinformatics from your AI agent. Reliable, reproducible, on your own GPUs.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 기타

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "bioharbor": {
      "command": "uvx",
      "args": [
        "bioharbor",
        "serve"
      ]
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add bioharbor -- uvx bioharbor serve

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "bioharbor": {
      "command": "uvx",
      "args": [
        "bioharbor",
        "serve"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "bioharbor": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "bioharbor",
        "serve"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 danielLuo2 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 해당 없음
엔드포인트 응답
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
– 해당 없음
OAuth로 로그인
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
… 아직 점검 안 함
도구 설명에 숨겨진 지시 없음
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

기타 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 32678개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 32678개 중 59%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 32678개 중 100%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

BioHarbor, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 – 변경됐고, 최신 버전(0.1.6)은 28일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: Spec Driven Development, Remote Desktop Commander, Starreel

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

카드 보는 법:★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

Spec Driven Development

제작자: formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

내 컴퓨터에서 실행★ 440MIT14개월 전 업데이트

설치

Remote Desktop Commander

제작자: desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

클라우드에서 실행★ 211그저께 업데이트

설치

Starreel

제작자: starreel

Turn a script into a finished, downloadable short-drama episode — via MCP or REST.

내 컴퓨터에서 실행오늘 업데이트

설치

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

BioHarbor

Run real bioinformatics from your AI agent. Reliable, reproducible, on your own GPUs.

🧪 Alpha (v0.1). Sequence tools, homology search (MMseqs2) and structure prediction

(ESMFold, validated on RTX 5090) work. Feedback welcome — see the roadmap.

BioHarbor is an MCP server that lets AI agents such as Claude, Cursor and Codex *execute* bioinformatics tools — not just look things up. Agents ask for an analysis; BioHarbor validates the input, schedules it on a GPU with room, records exactly how it ran, and hands back a compact, agent-readable summary.

Why another bio MCP server?

Most bio MCP servers wrap databases (UniProt, PDB, PubMed…). Use them — BioHarbor complements them by running the compute:

	Database MCP servers	BioHarbor
Runs real analyses (search, fold, cluster)	❌	✅
Validates inputs before burning GPU time	❌	✅
GPU-aware queue, polite on shared GPUs	❌	✅
Long jobs return a `job_id` instead of timing out	❌	✅
Compact summaries + files on disk (saves tokens)	❌	✅
Provenance for every run, export to a pipeline	❌	✅ (export: planned)

Quick start

pip install bioharbor

bioharbor doctor # checks Python, GPUs, workspace, tools bioharbor setup-db swissprot # reference database for search_homologs (needs MMseqs2) bioharbor install # shows how to connect Claude, Cursor or Codex

For structure prediction on a GPU: pip install "bioharbor[esmfold]" — see docs/gpu-setup.md (RTX 50xx needs a CUDA 12.8+ PyTorch).

Connect your agent

BioHarbor is a standard MCP server, so it works with any MCP client. One command sets up the popular ones (it writes an absolute path, so GUI apps find it even outside your venv):

Client	Set up
Claude Code	`claude mcp add bioharbor -- bioharbor serve`
Claude Desktop	`bioharbor install claude-desktop --write`, then restart the app
Cursor	`bioharbor install cursor --write`, or
Codex (CLI, IDE extension, app)	`codex mcp add bioharbor -- bioharbor serve`, or `bioharbor install codex --write`
Biomni (Stanford's biomedical agent)	`agent.add_mcp(...)`; see docs/use-with-biomni.md
Anything else	run `bioharbor serve` (stdio) or `bioharbor serve --http` (Streamable HTTP)

Long-running tools return a job_id within ~20 s instead of blocking, so they stay within every client's tool-call timeout.

Step-by-step setup (local or on a GPU server, with troubleshooting): docs/connect-clients.md.

Then ask your agent something like:

*Find the longest ORF in this contig, translate it, search Swiss-Prot for homologs and

predict its structure. Which regions are low confidence?*

Use it without an agent

Every tool is also a CLI command, with identical behaviour:

bioharbor tools list

bioharbor run find_orfs sequence=@contig.fa min_aa=100 --brief # human-readable bioharbor run seq_stats sequence=MKTAYIAKQRQISFVKSHFSRQ bioharbor jobs

Shared GPU server

GPUs on a lab server, agent on your laptop? Run BioHarbor on the server and reach it through an SSH tunnel; no extra port is opened on the server:

# on the GPU server

bioharbor serve --http --host 127.0.0.1 --port 8765

on your laptop, then point Cursor / Codex / Claude Code at http://127.0.0.1:8765/mcp

ssh -N -L 8765:127.0.0.1:8765 you@gpu-server

⚠️ HTTP mode has no authentication yet (on the roadmap), so keep it on 127.0.0.1 and

use the tunnel. Details: docs/connect-clients.md.

Tools

Tool	What it does	Runs
`seq_stats`	Validate sequences; type, length, GC%, molecular weight	inline
`translate_sequence`	DNA/RNA → protein, one or all six frames	inline
`find_orfs`	Longest ORFs on both strands, with coordinates	inline
`search_homologs`	MMseqs2 search (protein, or translated DNA) vs local DBs	job
`predict_structure`	ESMFold structure, pLDDT bands, low-confidence regions, pTM	job (GPU)
`scrna_pipeline`	scanpy QC → clustering → markers	planned

Runtime tools: get_job, list_jobs, cancel_job, describe_tool, list_databases, gpu_status, read_file.

How it works

Agent ──MCP──▶ validate input ─▶ inline? ──yes──▶ run ─┐

│ no ├─▶ provenance + summary ─▶ Agent ▼ │ job queue (SQLite) ─▶ GPU placement ┘ (waits politely for a GPU with free memory)

Every call is a job recorded in SQLite with params, versions, timings and GPU used, plus a provenance.json next to its outputs.
GPU placement reads live free memory and utilisation (NVML or nvidia-smi), keeps headroom, and reserves memory for jobs it has started so two jobs never grab the same space. Other users' processes are respected.
Fail fast: input, binaries and databases are checked *before* a job is queued, so a bad request never waits behind a busy GPU.
Results are agent-shaped: summary, message, files, suggestions. Errors carry a hint and a retryable flag.

Details: docs/design.md.

Writing a tool

from pydantic import BaseModel, Field

from bioharbor.registry import Resources, RunContext, tool from bioharbor.results import ToolResult

class FoldParams(BaseModel): sequence: str = Field(..., description="Protein sequence")

@tool( version="1", slow=True, resources=Resources(gpu=True, gpu_mem_gb=lambda p: 4 + len(p.sequence) / 100), ) def predict_structure(params: FoldParams, ctx: RunContext) -> ToolResult: """Predict a protein structure with ESMFold.""" ... return ToolResult(summary={"mean_plddt": 87.1}, files=["model.pdb"])

Plugins can ship tools in their own package via the bioharbor.tools entry-point group. See CONTRIBUTING.md.

License

Apache-2.0

BioHarbor

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

기타 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Spec Driven Development

Remote Desktop Commander

Starreel

제작자의 README

BioHarbor

Why another bio MCP server?

Quick start

Connect your agent

Use it without an agent

Shared GPU server

on your laptop, then point Cursor / Codex / Claude Code at http://127.0.0.1:8765/mcp

Tools

How it works

Writing a tool

License