프로토타입 · 미리 보기: 공식 레지스트리의 모든 서버를 담고 있으며 30분마다 동기화해요. Google로 로그인하면 리뷰를 쓸 수 있어요.프로토타입 · 30분마다 업데이트
PopNx MCPAI를 쓰는 사람을 위한 MCP 서버 · 쉬운 말로 설명해요 로그인

三域医研 · 科研算法引擎 (SanYu Research Engine)

제작자: kfx2026버전 1.3.0i★ 0i클라우드에서 실행공식 사이트 ↗
레지스트리 이름io.github.kfx2026/sanyu-research

설치 방법

할 수 있는 일

147 tools: deterministic compute + 39 AI writers; each response self-labels data_source + verified.

제작자가 쓴 원문

  • 연결 방식 클라우드에서 실행
  • 계정 또는 키 키 필요 없음
  • 분류 검색 및 AI 기억

함께 쓰기

이런 작업을 AI에게 가르치는 Skill, 이것과 함께 쓸 수 있습니다

timesfm

TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.

제작자: google-research★ 35,642skill 1개

Skill · 안내서

Shadowbroker

Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…

제작자: BigBodyCobain★ 11,608skill 1개

Skill · 안내서

google-maps-scraper

scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place

제작자: gosom★ 8,256skill 1개

Skill · 안내서

이 순위인 이유

목록은 사용 점수(100점 만점)로 정렬되며 구성은 다음과 같습니다

인기0/80GitHub 별 또는 주간 다운로드: 큰 쪽 60, 작은 쪽 20
최신성12/1230일 안에 릴리스나 코드 변경이 있으면 만점
응답 중8/8마지막 점검 때 클라우드 엔드포인트가 응답
사용 점수20/100

품질: 기본 점검 5/5개 통과(표시만, 정렬에는 안 씀) · 상승세: 데이터 없음 (급상승 탭에서만 사용)

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

한 문장으로 AI에게 설치 맡기기

三域医研 · 科研算法引擎 (SanYu Research Engine) 설치해 줘. https://mcp.popnx.com/i/kfx2026-sanyu-research.md 를 따라 하고, 명령을 먼저 보여 주고 내가 승인하면 실행해.

내 컴퓨터에서 작업하는 AI(Claude Code, Cursor 등)에 붙여 넣으세요. 단계를 읽고 명령을 보여 준 뒤 승인을 기다립니다. 키도 가입도 필요 없습니다. · AI가 읽을 전체 내용 보기

검사 5/5 통과 · 내가 묻는 내용은 제작자 서버(sanyu.wentangkeji.com)를 거쳐요 · ✓ 명령 확인 2026년 11월 20일

먼저: 어떤 AI를 쓰시나요?

쓰는 앱을 고르면 아래에 단계가 나옵니다.

Claude에 연결할 수 있어요 · 약 2분

키 필요 없음, 설치 필요 없음 · claude.ai나 데스크톱 앱에서 한 번 설정하면 채팅에서 쓸 수 있어요 · 무료 계정은 1개까지 · Team/Enterprise는 소유자(Owner)가 추가

  1. Claude의 Connectors 페이지 열기

    CustomizeConnectors

    CustomizeConnectors1Add2https://…3Add4
  2. “Add” → “Custom” → “Web”를 누르고 이 2칸 채우기

    여기서 복사해 Claude의 같은 이름 칸에 붙여 넣고 Continue를 누르세요

    Name · 이름三域医研 · 科研算法引擎 (SanYu Research Engine)
    Remote MCP server URL · 주소https://sanyu.wentangkeji.com/api/mcp

    Claude가 찾은 로그인 설정 화면에서 Continue를 누르고 · Authentication은 제작자 안내대로(Sign in now, Sign in when needed, No sign in) 고른 뒤 Add를 누르세요

  3. 채팅에서 켜기

    +Connectors三域医研 · 科研算法引擎 (SanYu Research Engine)

  4. 해 보기

    三域医研 · 科研算法引擎 (SanYu Research Engine)을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Claude가 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰고 있다고 하거나 답에 三域医研 · 科研算法引擎 (SanYu Research Engine) 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

ChatGPT 연결은 요금제에 따라 달라요

전체 MCP: 웹 ChatGPT Business, Enterprise, Edu · Pro: 읽기/가져오기 권한으로 연결, 데이터를 바꾸는 도구는 안 될 수 있어요 · Plus: 공식 문서 미확인, 플러그인 화면에 사용자 지정 MCP 추가 항목이 보이면 시도해 볼 수 있어요 · 웹만

  1. 웹 ChatGPT에서 MCP 추가 페이지 열기

    Plugins+Add custom MCP server

    ChatGPTPlugins1+2https://…3Create4
  2. 이름과 주소 입력

    이름을 넣고 Connection에 주소를 붙여 넣은 뒤 경고에 체크하고 Create as a plugin을 누르세요

    Name · 이름三域医研 · 科研算法引擎 (SanYu Research Engine)
    Connection · 주소https://sanyu.wentangkeji.com/api/mcp
  3. 채팅에서 三域医研 · 科研算法引擎 (SanYu Research Engine) 고르기

    새 채팅을 열고 입력 전에 플러그인 목록에서 三域医研 · 科研算法引擎 (SanYu Research Engine)을 고르세요

  4. 해 보기

    三域医研 · 科研算法引擎 (SanYu Research Engine)을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ ChatGPT가 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰고 있다고 하거나 답에 三域医研 · 科研算法引擎 (SanYu Research Engine) 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 OpenAI 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Claude Code에 연결할 수 있어요 · 약 2분

키 필요 없음, 설치 필요 없음

  1. 터미널 열기

    Mac: Command+스페이스를 누르고 Terminal 입력 · Windows: PowerShell 열기

  2. 이 명령을 붙여 넣고 Enter

    claude mcp add --transport http --scope user sanyu-research https://sanyu.wentangkeji.com/api/mcp
  3. Claude Code에서 /mcp 입력

    三域医研 · 科研算法引擎 (SanYu Research Engine)이 목록에 있고 연결됨으로 보이면 돼요

  4. 해 보기

    三域医研 · 科研算法引擎 (SanYu Research Engine)을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Claude Code가 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰고 있다고 하거나 답에 三域医研 · 科研算法引擎 (SanYu Research Engine) 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Cursor에 연결할 수 있어요 · 약 2분

키 필요 없음, 설치 필요 없음

  1. 이 버튼으로 Cursor 열기

    Cursor에서 열기

    Cursor가 설치를 확인하면 Install을 누르세요

  2. Cursor에서 AI 채팅을 Agent 모드로 열기

  3. 해 보기

    三域医研 · 科研算法引擎 (SanYu Research Engine)을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Cursor가 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰고 있다고 하거나 답에 三域医研 · 科研算法引擎 (SanYu Research Engine) 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 Cursor 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

VS Code에 연결할 수 있어요 · 약 2분

키 필요 없음, 설치 필요 없음

  1. 이 버튼으로 VS Code 열기

    VS Code에서 열기

    VS Code가 설치를 확인하면 Install을 누르세요

  2. VS Code에서 AI 채팅을 Agent 모드로 열기

  3. 해 보기

    三域医研 · 科研算法引擎 (SanYu Research Engine)을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ VS Code가 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰고 있다고 하거나 답에 三域医研 · 科研算法引擎 (SanYu Research Engine) 도구 이름이 나오면 연결된 거예요

메뉴 이름은 2026년 11월 11일에 VS Code 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Windsurf, Zed, Gemini CLI 같은 다른 MCP 앱은 추가 방법이 저마다 달라요. 앱 목록에서 확인하세요

MCP를 쓰는 앱 모두 보기 →

웹으로 연결하는 앱용 주소

주소https://sanyu.wentangkeji.com/api/mcp

JSON 설정은 아래 “개발자용”에 있어요

막혔나요? 三域医研 · 科研算法引擎 (SanYu Research Engine)을 쓰는 사람에게 물어보세요💬 토론 →
개발자용: 터미널 명령과 JSON 설정

웹으로 연결

Claude Code

claude mcp add --transport http --scope user sanyu-research https://sanyu.wentangkeji.com/api/mcp

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "sanyu-research": {
      "url": "https://sanyu.wentangkeji.com/api/mcp"
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "sanyu-research": {
      "type": "http",
      "url": "https://sanyu.wentangkeji.com/api/mcp"
    }
  }
}

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

한눈에 보기

주간 다운로드i
npm/PyPI에 없음
연결 방식
클라우드에서 실행
전송 방식
streamable-http
최신 버전i
1.3.0
레지스트리 공개i
2026년 11월 10일
코드 마지막 변경i
2026년 11월 10일
마지막 확인
2026년 11월 21일
제작자
kfx2026
레지스트리 상태
활성

어떤 앱에서 쓸 수 있나요

이 서버의 연결 방식과 각 앱의 공식 문서를 바탕으로 했어요. 2026년 11월 10일 확인.

인터넷으로 연결하는 앱

ClaudeChatGPTGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast

모든 앱과 장단점 →

할 수 있는 일

도구 이름과 설명은 서버가 2026년 11월 21일에 알려 준 그대로예요. 우리가 아니라 제작자가 쓴 글이고, 일반 텍스트로만 보여 드려요.

  • academic_polish

    Academic language polishing / 中英文润色 | USE WHEN: the user wants a paragraph polished: academic English, remove Chinglish, tighten wording | ALIASES: 润色, 改英语, 中式表达, 语言润色, polish, proofread, 学术英语 | RETURNS: 润色后文本

  • acceptance_probability

    Acceptance probability / 录用概率预测 | USE WHEN: the user asks the chance of acceptance at a specific journal | ALIASES: 中稿概率, 录用概率, 能中吗, acceptance, predict success, 投中的机会 | RETURNS: 中稿概率与依据

  • act_crf_suggest_coding

    CRF 编码建议 用户问 CRF 字段该怎么编码、要不要用 CDASH MedDRA/WHO-DD 字段归类建议(哪些字段属 AE/CM、该用哪本字典、编到哪一层;不含术语级编码)

  • animal_dose_volume

    Animal dose & injection volume / 动物给药量计算 | USE WHEN: compute the dose (mg) and injection volume (mL) for an animal from body weight and mg/kg | ALIASES: 动物给药量, 给药体积, 按体重给药, dose volume, mg/kg, 注射体积, 灌胃体积 | RETURNS: 给药量与体积

  • animal_randomization

    Animal randomization / 动物随机分组 | USE WHEN: randomly assign animals to groups as required by ARRIVE | ALIASES: 动物随机分组, animal randomization, 分组表, 动物分组 | RETURNS: 分组表

  • animal_sample_size

    Animal sample size (3R) / 动物实验样本量 | USE WHEN: how many animals per group are needed (power-based, ARRIVE/3R wording) | ALIASES: 动物样本量, 动物要多少只, 每组几只, animal sample size, 3R, power animals | RETURNS: 每组动物数

  • animal_survival_km

    Animal survival analysis / 动物生存分析 | USE WHEN: Kaplan-Meier and log-rank on animal death/survival times | ALIASES: 动物生存分析, 生存曲线, log-rank, animal survival, KM, 死亡时间 | RETURNS: KM 曲线与 log-rank

  • arrive_checklist

    ARRIVE 2.0 checklist / ARRIVE 2.0 检查 | USE WHEN: check an animal experiment against the ARRIVE 2.0 reporting guideline | ALIASES: ARRIVE, 动物实验规范, 动物伦理报告, animal reporting, ARRIVE 2.0 | RETURNS: ARRIVE 条目核对

  • atac_diff

    ATAC-seq differential accessibility / ATAC 差异可及性 | USE WHEN: differential open regions from ATAC-seq counts | ALIASES: ATAC, 差异可及性, 染色质开放, differential accessibility, peak差异 | RETURNS: 差异 peak

  • bioequivalence_compare

    Bioequivalence (BE) / 生物等效性评价 | USE WHEN: compare test vs reference AUC/Cmax and judge 80-125% bioequivalence with 90% CI | ALIASES: 生物等效性, BE, AUC Cmax, 90%CI, 等效性判定, bioequivalence | RETURNS: 90%CI 与等效性判定

  • calibration_curve

    Calibration curve (prediction model) / 校准曲线 | USE WHEN: assess calibration of a risk model and get the curve plus Brier score | ALIASES: 校准曲线, 校准度, Brier, calibration, 预测模型校准, 可靠性曲线 | RETURNS: 校准曲线与 Brier 分数

  • cell_assay_calc

    Cell assay calculator / 细胞实验通用计算 | USE WHEN: CCK8 / wound healing / Transwell / colony formation calculations (pick tool_id: cck8, wound-healing, transwell, colony) | ALIASES: CCK8, 划痕实验, Transwell, 克隆形成, 细胞增殖, 迁移实验, cell viability, wound healing | RETURNS: 计算结果

  • chip_peak_calling

    ChIP-seq peak calling / ChIP-seq Peak calling | USE WHEN: call peaks from ChIP-seq reads | ALIASES: ChIP-seq, peak calling, 峰识别, 转录因子结合, ChIP | RETURNS: peak 清单

  • citation_format

    Citation formatting / 引文格式化 | USE WHEN: reformat references to Vancouver / APA / GB-T 7714 | ALIASES: 参考文献格式, 引文格式, Vancouver, APA, GB/T 7714, citation, 文献格式 | RETURNS: 格式化后的引文

  • citation_verify

    Verify citation authenticity / 引文真实性核验 | USE WHEN: check whether references are fabricated (existence check against the local corpus) | ALIASES: 核验参考文献, 引用是真的吗, 假文献, citation verify, 参考文献真实性, hallucinated reference | RETURNS: 逐条核验结果

  • classification_metrics

    Classification metrics / 分类性能报告 | USE WHEN: full diagnostic performance set: accuracy, sensitivity, specificity, PPV, NPV, F1 | ALIASES: 分类性能, 准确率, 敏感度, 特异度, PPV, NPV, confusion matrix, 诊断指标 | RETURNS: 分类指标全套

  • cloning_design

    Molecular cloning design / 克隆方案设计 | USE WHEN: design a plasmid construct: homology arms, primers, assembly strategy | ALIASES: 分子克隆, 构建质粒, 同源臂, cloning, Gibson, 酶切连接, 引物设计克隆 | RETURNS: 克隆方案与引物

  • compare_manuscript_versions

    Compare two manuscript versions / 改稿前后对比 | USE WHEN: the user wants to know what changed between a before and after revision of the same passage | ALIASES: 改稿对比, 修改前后, 两版差异, compare revisions, diff, 版本对比 | RETURNS: 逐段差异与改进评估

  • consort_flowchart

    CONSORT flow diagram / CONSORT 流程图 | USE WHEN: draw a CONSORT participant flow diagram from screening/randomization/loss counts | ALIASES: CONSORT流程图, 流程图, 入组流程, flow diagram, 筛选失访 | RETURNS: CONSORT 流程图

  • cover_letter

    Cover letter / 投稿信 Cover Letter | USE WHEN: the user wants a cover letter to the journal editor | ALIASES: 投稿信, cover letter, 给编辑的信, 投稿说明 | RETURNS: 投稿信正文

  • crf_sdtm_validate

    CRF / SDTM validation / CRF 数据校验(SDTM) | USE WHEN: check whether CRF data meets CDISC SDTM conventions before export | ALIASES: CRF校验, SDTM, CDISC, 数据合规, 导出前检查, CRF validate, data standards | RETURNS: 校验结果

  • dataframe_parse

    Parse pasted data / infer column types / 数据解析与列类型识别 | USE WHEN: the user pasted a CSV/table blob: get shape, column types, missingness before analysis | ALIASES: 解析数据, 列类型, 粘贴表格, CSV解析, parse data, column types, 数据形状 | RETURNS: 行列数、列类型、缺失情况

  • dataset_columns

    List data columns / 读取数据列名 | USE WHEN: list the variables in an uploaded data file (do this before Table 1 / modeling so you use real column names) | ALIASES: 列名, 有哪些变量, 字段名, columns, variables, 变量清单, 表头 | RETURNS: 列名与类型

  • dataset_profile

    Dataset profile / 数据快速画像 | USE WHEN: first look at a data file: distributions, missingness, outliers, data quality overview | ALIASES: 数据长什么样, 描述统计, 缺失情况, 数据质量, data profile, descriptive, summary stats, EDA | RETURNS: 描述统计与质量概览

  • decision_arbitration

    Multi-option decision arbitration / 决策引擎裁决 | USE WHEN: the user must choose between several options or pipelines and wants a quantified ruling | ALIASES: 裁决, 取舍, 决策引擎, 多方案比较, arbitration, which option is better | RETURNS: 裁决结果与理由

  • deep_peer_review

    Deep peer review (six dimensions) / 深度审稿(六维) | USE WHEN: the user wants reviewer-grade deep comments, as if reviewed by a strict peer reviewer | ALIASES: 深度审稿, 模拟审稿人, 严格审稿, deep review, reviewer comments | RETURNS: 深度审稿报告

  • deidentify_phi

    De-identify text (HIPAA 18 + China national ID) / 数据脱敏 | USE WHEN: the user needs patient text de-identified before sharing: names, dates, phone, ID number, MRN | ALIASES: 脱敏, 去标识, 隐私, HIPAA, PHI, 匿名化, deidentify, anonymize | RETURNS: 脱敏后文本

  • delong_auc_compare

    DeLong test (compare two AUCs) / 两条 ROC 的 AUC 比较(DeLong) | USE WHEN: compare two ROC AUCs from the same subjects and test whether the difference is significant | ALIASES: DeLong, 两个AUC比较, 哪个指标更好, AUC差异, compare AUC, 曲线下面积比较 | RETURNS: 两 AUC 及差值 P 值

  • design_gate_rules

    Design gate rules / 方案设计闸门规则 | USE WHEN: explain why a design step is blocked, or what the platform requires for each step (hard gates G1/G2/G3) | ALIASES: 方案设计闸门, 为什么不让过, 硬性要求, gate rules, validation rules, why blocked | RETURNS: 每步是否有硬闸门、三道跨步闸门 G1/G2/G3 的原文规则

  • design_protocol_generate

    Full research protocol generation / 完整研究方案 / 方案设计工具 | USE WHEN: the user wants a complete research protocol including sample size, statistical plan and ethics points | ALIASES: 研究方案, 方案正文, 写方案, 方案生成, protocol, full protocol | RETURNS: 完整研究方案 JSON(14 段)或单项工具结构化结果;缺参时返回 needs_user_

  • design_step_context

    Design step context / 取某一步的上下文 | USE WHEN: load what the user already answered for a design step (PICO / design type / population) before drafting the next step | ALIASES: 方案设计上下文, 上一步内容, 已经填过的信息, design context, previous step, project context | RETURNS: 该步骤可用的前序上下文(pico / design

  • design_type_decision

    Study design decision / 研究设计决策推荐 | USE WHEN: the user asks which study design to use (RCT vs cohort etc.) and why; rule-based decision tree with a scoring matrix, not LLM guessing | ALIASES: 用什么设计, RCT还是队列, 设计决策, 选哪个设计, design decision, which design type | RETURNS: 推荐设计类型、框架、推荐依据

  • differential_expression

    Differential expression (limma-style) / 差异表达分析 | USE WHEN: differential genes from an expression matrix (with volcano plot input) | ALIASES: 差异表达, 差异基因, DEG, differential expression, 火山图, 表达矩阵, limma | RETURNS: 差异基因清单(log2FC、t 统计量、p_value、BH-FDR 校正后的 padj、显著/上调/下调标记)

  • distribution_fit

    Distribution goodness-of-fit / 分布拟合检验 | USE WHEN: the user asks whether the data are normally distributed or which distribution fits (normality / goodness-of-fit test) | ALIASES: 分布拟合, 正态性检验, 是不是正态, 服从什么分布, KS检验, Shapiro, distribution fit, goodness of fit, normality test | RETURN

  • dna_translate

    DNA → protein translation / 序列翻译 | USE WHEN: translate a nucleotide sequence into amino acids in all three frames | ALIASES: 序列翻译, 核酸转蛋白, 翻译, translate, DNA to protein, 氨基酸序列, ORF翻译 | RETURNS: 氨基酸序列

  • drug_interaction_check

    Drug-drug interaction check / 药物相互作用检查 | USE WHEN: can these two drugs be used together? interaction severity and mechanism | ALIASES: 药物相互作用, 能不能一起用, 配伍禁忌, DDI, drug interaction, 相互作用 | RETURNS: 相互作用等级与机制

  • dunn_posthoc

    Dunn post-hoc test / 多组非参数两两比较(Dunn) | USE WHEN: pairwise comparisons after Kruskal-Wallis (nonparametric, multiple groups) | ALIASES: Dunn, 非参数两两比较, Kruskal-Wallis后续, post hoc, 多重比较 | RETURNS: 两两比较 P 值

  • egger_bias_test

    Egger's test (publication bias) / Meta 发表偏倚(Egger) | USE WHEN: test publication bias in a meta-analysis and get funnel-plot inputs | ALIASES: Egger, 发表偏倚, 漏斗图, publication bias, meta回归, funnel plot | RETURNS: Egger 检验 P 与截距

  • evidence_followup

    Evidence follow-up Q&A / 证据追问(多轮) | USE WHEN: multi-turn follow-up on an evidence card (causal judgement) | ALIASES: 证据追问, 继续追问, 证据卡, evidence followup, 因果判断 | RETURNS: 追问答复

  • evidence_intake

    Structured evidence intake / 文献证据分级录入 | USE WHEN: decompose a paper into a structured evidence card by evidence level (Decision OS) | ALIASES: 证据分级, 证据卡, 文献拆解, evidence level, GRADE, 证据录入 | RETURNS: 结构化证据卡

  • evidence_report

    Evidence report narrative / 证据报告叙述 | USE WHEN: turn evidence cards into a readable report | ALIASES: 证据报告, 证据综述, evidence report, 证据叙述 | RETURNS: 证据报告正文

  • experiment_plan_generate

    Bench experiment plan / 实验方案生成 | USE WHEN: the user needs an animal or cell experiment plan (basic research) | ALIASES: 实验方案, 动物实验, 细胞实验, 基础实验设计, experiment plan, bench work plan | RETURNS: 实验方案

  • fibrosis_staging

    Liver fibrosis staging / 纤维化分期 | USE WHEN: map fibrosis scores to Ishak / METAVIR stage | ALIASES: 纤维化分期, Ishak, METAVIR, 肝纤维化, fibrosis stage, 病理分期 | RETURNS: 分期结论与解读

  • figure_legend

    Figure legend writer / 图注生成 | USE WHEN: write a figure legend for a given chart type | ALIASES: 图注, Figure legend, 图片说明, 图例, 写图注 | RETURNS: 图注文本

  • flow_cluster

    Flow cytometry clustering / 流式细胞聚类 | USE WHEN: unsupervised clustering of flow cytometry data into cell populations | ALIASES: 流式聚类, 无监督分群, flow clustering, 细胞群, FlowSOM | RETURNS: 细胞群与比例

  • flow_gate

    Flow cytometry gating / 流式门控分析 | USE WHEN: gating / population percentages from flow cytometry data | ALIASES: 流式门控, 圈门, gating, 阳性比例, flow cytometry | RETURNS: 门控比例

  • forest_plot

    Forest plot / 森林图 | USE WHEN: forest plot from HR/OR/RR with confidence intervals | ALIASES: 森林图, forest plot, HR OR RR, 置信区间图, meta森林图 | RETURNS: 森林图(矢量)

  • gene_info_lookup

    Gene information lookup / 基因信息检索 | USE WHEN: what a gene does: full name, aliases, function, location | ALIASES: 基因信息, 这个基因是干什么的, gene function, 别名, gene info, 基因全称 | RETURNS: 基因信息

  • gene_pathway_disease

    Gene → pathway → disease network / 基因-通路-疾病网络 | USE WHEN: from a gene list, find pathway / disease / drug associations and build a mechanism network | ALIASES: 基因通路, 机制网络, gene pathway, 疾病关联, 药物靶点, network, 通路疾病 | RETURNS: 通路/疾病/药物关联

  • geo_dataset_pipeline

    GEO dataset pipeline / GEO 数据全流程 | USE WHEN: end-to-end on a GEO accession: DEG → enrichment → immune infiltration | ALIASES: GEO, GSE, 数据集分析, GEO编号, geo dataset, public data reanalysis | RETURNS: 差异基因、富集结果

  • gleason_grade_group

    Gleason grade group / Gleason 分级分组 | USE WHEN: Gleason score → Grade Group and risk stratum (prostate cancer) | ALIASES: Gleason, 前列腺癌分级, Grade Group, 格里森评分, 前列腺病理 | RETURNS: Grade Group 与风险分层

  • go_kegg_enrichment

    GO / KEGG enrichment / 通路富集(GO/KEGG) | USE WHEN: pathway enrichment for a gene list (GO biological process, KEGG) | ALIASES: 富集分析, GO, KEGG, 通路富集, enrichment, 通路, 功能注释 | RETURNS: 富集通路与 P 值

  • ic50_fit

    IC50 curve fitting / IC50 曲线拟合 | USE WHEN: fit a dose-response curve and report IC50 with 95% CI | ALIASES: IC50, 半数抑制浓度, 剂量效应曲线, dose response, 抑制率拟合, GI50 | RETURNS: IC50 值与 95%CI

  • idea_ignite

    Idea ignition / 想法点燃 | USE WHEN: the user gives one vague word or a hunch and wants it expanded into researchable directions | ALIASES: 想法, 一个词, 不知道研究啥, 灵感, 发散一下, idea, hunch, expand this idea | RETURNS: 扩展研究方向

  • ihc_hscore

    IHC scoring (H-score / Allred) / IHC 免疫组化评分 | USE WHEN: immunohistochemistry scoring from staining intensity percentages (H-score, Allred, positive rate) | ALIASES: 免疫组化评分, H-score, Allred, IHC, 阳性率, 染色评分, ER PR HER2 | RETURNS: H-score / Allred / 阳性率

  • iptw_weighting

    IPTW inverse probability weighting / IPTW 逆概率加权 | USE WHEN: propensity-score weighting (ATE/ATT) for observational comparisons | ALIASES: IPTW, 逆概率加权, 倾向评分加权, propensity weighting, 加权后效应, ATE | RETURNS: 权重与加权后效应

  • journal_recommend

    Journal recommendation / 智能选刊 V3 | USE WHEN: recommend target journals from title/abstract, in reach / match / safe tiers | ALIASES: 选刊, 投哪个期刊, 期刊推荐, journal, submission target, 冲稳保, 投稿建议 | RETURNS: 候选期刊与三档策略

  • kaplan_meier

    Kaplan-Meier curve / Kaplan-Meier 曲线 | USE WHEN: KM curve and median survival only (no multivariable model) | ALIASES: KM曲线, Kaplan-Meier, 中位生存, 生存曲线, 生存率, log-rank | RETURNS: KM 曲线与中位生存

  • linear_mixed_model

    Linear mixed model (repeated measures) / 线性混合模型(纵向/重复测量,公式模式) | USE WHEN: same subject measured repeatedly (pre/post, multiple follow-ups): compare trajectories over time, group×time interaction; modern replacement for repeated-measures ANOVA (handles missing, no sphericity assum

  • list_my_data_files

    List the caller's uploaded data files / 列出我的数据文件 | USE WHEN: the user asks what data files they have uploaded / available in the workspace | ALIASES: 我的数据, 已上传文件, 数据文件列表, my data, list files | RETURNS: 数据文件列表(含 file_id/文件名/行数)

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 21일 점검

  • ✓ 통과

    제작자와 저장소 일치

    레지스트리 이름이 GitHub 계정 kfx2026 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요

  • ✓ 통과

    계속 관리되고 있음

    코드 마지막 변경: 11일 전

  • ✓ 통과

    라이선스 있음

    MIT 사용

  • ✓ 통과

    엔드포인트 응답

    880ms 만에 응답(HTTP 200)

  • – 해당 없음

    OAuth로 로그인

    로그인 필요 없음

  • ✓ 통과

    도구 설명에 숨겨진 지시 없음

    도구 설명 60개를 읽었고, AI에게 보내는 숨겨진 지시는 없었어요

우리가 확인하는 것 → · JSON

제작자: 재확인 요청 또는 잘못된 정보 신고
제작자용: README에 배지 달기

제작자라면 이 코드를 README에 붙여 넣으세요. 배지는 이 페이지로 연결됩니다.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/kfx2026-sanyu-research.svg)](https://mcp.popnx.com/en/servers/kfx2026-sanyu-research)

토론

질문하고, 팁을 나누고, 안 되는 점을 알려 주세요. "도움이 됨"이 많은 순서예요.

아직 글이 없어요. 처음으로 질문하거나 공유해 보세요.

이곳의 글은 사용자가 쓴 것으로, PopNx 팀의 글이 아니에요.

로그인하고 글쓰기

사용자 리뷰

아직 리뷰가 없어요

로그인하고 리뷰 쓰기

검색 및 AI 기억 카테고리의 다른 서버와 비교i

  • 이 카테고리의 다른 서버 6535개 중 0%보다 스타가 많아요
  • 이 카테고리의 다른 서버 6535개 중 79%보다 최근에 레지스트리에 공개됐어요
  • 기본 점검 결과가 이 카테고리의 다른 서버 6535개 중 99%와 같거나 더 좋아요

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

자주 묻는 질문

三域医研 · 科研算法引擎 (SanYu Research Engine), 안전한가요?

해당하는 기본 점검 5개 중 5개를 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?

제작자의 클라우드에서 실행돼요. 설치 없이 인터넷으로 연결하지만, 보내는 내용은 제작자의 서버를 거쳐요.

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 11일 전 변경됐고, 최신 버전(1.3.0)은 11일 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. URL로 연결되므로 원격 MCP를 받는 앱에서도 쓸 수 있어요. 예: 웹 ChatGPT(Business 이상은 전체 MCP, Pro는 읽기 전용).

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

비슷하게 동작하는 다른 것

같은 카테고리, 다른 제작자, 명령 확인 완료. 공식이 먼저, 그다음 스타 순.

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

OpenSEO

Keyword research, site audits, rank tracking and AI visibility for your AI agent.

제작자: every-app널리 사용됨★ 2.8만7일 전 업데이트

클라우드에서 실행✓ everyapp.com

Exa

Official Exa MCP for web search, content fetching, and multi-step research.

제작자: exa-labs널리 사용됨★ 5.2천어제 업데이트

클라우드에서 실행✓ 서비스 회사 · exa.aiPopNx 팀이 직접 써 봄

Microsoft Learn MCP

Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.

제작자: MicrosoftDocs널리 사용됨★ 2천12개월 전 업데이트

클라우드에서 실행✓ 서비스 회사 · microsoft.comPopNx 팀이 직접 써 봄

Docs

Search and read Empryo's documentation. Read-only, no auth, no local access.

제작자: proxysoul성장 중★ 1.6천3개월 전 업데이트

클라우드에서 실행✓ empryo.com
비슷한 항목과 비교
이 항목
三域医研 · 科研算法引擎 (SanYu Research Engine)
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
실행 위치클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요
키 필요아니요아니요아니요아니요아니요아니요
Claude에서 +로 추가아니요예예예아니요아니요
기본 점검5/55/52/44/44/44/4
라이선스MITMITMITCC-BY-4.0NOASSERTIONApache-2.0
가격등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음

제작자의 README

README 열기

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

三域医研 · 科研算法引擎 (SanYu Research Engine) — MCP Server

正式中文名:三域医研 · 科研算法引擎;英文检索名 SanYu Research Engine。平台站:https://sanyu.wentangkeji.com

145 个动作 = 106 个确定性算法 + 39 个大模型生成类;对外暴露为 147 个 MCP 工具 (145 个动作 + 2 个元工具 sanyu_list_actions / sanyu_job_status)。 档位:当前生产为 L2 档(SANYU_OPEN_L2=1),即上表的 145/147;关闭该开关则为默认档 —— 106 个确定性动作 / 108 个 MCP 工具 / 0 个生成类,全部 readOnlyHint=true、不写库。

Medical research engines: 106 deterministic actions + 39 AI writers (L2 profile).

生成类工具的密钥前提(务必先读):39 个生成类动作(api_class=gen,结果不可复现、readOnlyHint=false)需要 `generate` scope 的密钥。

generate scope 密钥可自助签发:在「API 密钥」页创建时选「AI 生成」类别即可(GET /api/keys/scopes 里 creatable: true,不需要管理员)。只用 compute 密钥调生成类会被 scope_not_allowed(HTTP 403)明确拒绝,engine_status=not_run、cost=0——不执行、不扣分、不产生 LLM 费用。

也就是说:目录里列得出这 39 个工具,但当前拿不到生成结果。需要开通生成能力请联系平台另行签发对应类别的密钥;这不是工具故障。

引擎口径(2026-11-10 复核):这 39 个动作按 api_class=gen 归类、需要 generate scope,但并非每一个都调用大模型——逐个核对执行体后确认,其中一部分是纯本地规则/文献计量引擎(选题可行性、新颖度、研究空白、选题热度评估),零 LLM token。响应体的 data_source 由服务端单一出口按实际执行体回填:确证的本地规则动作返回 local_computation(data_source_verified=true),其余按分类兜底并标 data_source_verified=false(来源未核验,请勿当作事实转述);排队阶段一律返回 data_source=pending,不在执行前预先宣称来自大模型。

分类 / scope / 计费口径保持不变,避免把确证真 LLM 的动作误标成确定性算法。(实测:compute→403 scope_not_allowed;generate→通过门禁、按各工具 inputSchema 补齐参数后异步返回 job_id。)

106 个是确定性算法(SciPy / statsmodels / 自研算子),结果可复现,可以当结论用;

39 个归为生成类(选题 / 方案 / 写作 / 审稿 / 润色);其中多数调用大模型、结果不可复现,但含少量纯本地规则引擎(见上「引擎口径」),以响应体 data_source / data_source_verified 为准,勿一概而论。

每个工具在 _meta.sanyu/api_class 里标了 compute / data / gen ——

转述给用户时必须说清是哪一类,别把生成草稿说成算出来的结果。

调用需要自备密钥:目录和工具列表免费查看,执行需在

sanyu.wentangkeji.com/api-keys 免费领取一把 key,

填进 Authorization: Bearer sk-sanyu-xxx(注册送试用积分,执行失败不扣分)。

只想先试试效果? dna_translate、orf_find、roc_auc

这三个工具无需密钥,每 IP 每天可试 20 次,返回体带 demo:true 与剩余次数。

一个跑在公网上的 MCP 服务器,把确定性算法(统计检验、生存分析、生信算子、引物设计、文献检索) 暴露给任何支持 MCP 的智能体(Claude、ChatGPT、Cursor、Cline、Dify、Coze、魔搭、自研脚本)。


自审计标签(每个响应都带)

这两个字段回答同一个问题:这次结果是算出来的,还是生成的?

data_source含义能不能当结论
local_computation确定性算法算出,同输入同输出可以(给复现参数)
external_corpus读取真实语料(如 PMC 全文库)后计算可以,注明语料版本
llm_generated大模型生成(选题 / 方案 / 写作 / 审稿 / 润色)不可复现,只能当草稿
user_data基于调用方上传的数据计算可以,注明自有数据口径
pending已受理、尚未执行什么都还没发生,不得预先宣称来源
data_source_verified含义
true标签由执行体亲自上报,或经三重证据确证
false标签按动作分类推断,未经执行体确认

⚠️ `verified=false` 不等于结果无效。 它只说明"来源标签是按分类推断的",

数值本身照常可用;需要避免的是把来源当事实向用户断言,而不是把结果丢掉。

生成类为异步:提交后返回 data_source=pending + verified=false, 轮询到 status=succeeded 才拿 result 与最终标签。

它和"大模型套壳"的区别

别人的科研 agent这个
LLM 生成数字,看起来像真的SciPy / statsmodels / 自研算子真算
你没法判断真假每个响应强制带 engine_status = real / unavailable / error
出错难追溯每次调用落审计(参数只存 SHA-256,患者数据不进日志)
缺参数就瞎猜返回 hint_fields,智能体可自我修正,且不扣分
算不出也硬给引擎不可用时如实返回 unavailable,不编造

连接

https://sanyu.wentangkeji.com/api/mcp
  • 传输:Streamable HTTP(协议 2025-06-18 / 2025-03-26 / 2024-11-05 自动协商)
  • 认证:Authorization: Bearer sk-sanyu-xxx
  • 看目录不需要密钥(tools/list 公开),执行才需要
  • 密钥获取:注册后在 https://sanyu.wentangkeji.com 的「API 密钥」页生成(注册送试用积分)
ModelScope(魔搭)/ 通用 MCP 配置

⚠️ 这一段必须排在其他配置之前:魔搭只取第一个 `mcpServers` 块做部署检测,

且 type 只认 streamable_http(下划线)。写成 http 会导致"基础信息解析失败"。

{

"mcpServers": { "sanyu-research": { "type": "streamable_http", "url": "https://sanyu.wentangkeji.com/api/mcp", "headers": { "Authorization": "Bearer [PopNx MCP ตัดค่าที่หน้าตาเหมือนกุญแจออก]" } } } }

Cursor / Cline / 任何 mcp.json
{

"mcpServers": { "sanyu": { "type": "http", "url": "https://sanyu.wentangkeji.com/api/mcp", "headers": { "Authorization": "Bearer sk-sanyu-你的密钥" } } } }

Claude Code
claude mcp add --transport http sanyu https://sanyu.wentangkeji.com/api/mcp \

--header "Authorization: Bearer sk-sanyu-你的密钥"

只支持本地进程的旧客户端
{

"mcpServers": { "sanyu": { "command": "npx", "args": ["-y", "mcp-remote", "https://sanyu.wentangkeji.com/api/mcp", "--header", "Authorization: Bearer sk-sanyu-你的密钥"] } } }

Dify / Coze(导入 OpenAPI)
https://sanyu.wentangkeji.com/api/open/v1/openapi.json

认证方式选 Bearer,填 sk-sanyu-xxx。 若觉得 145 个工具太多、Agent 选不准,可改用精选 24 个的 schema 导入。

动作分类(145 = 106 确定性 + 39 生成)|MCP 工具 147 = 145 + 2 元工具

类别代表动作
统计分析ROC/AUC、DeLong、校准曲线、生存分析(KM/Cox)、ANOVA 及两两比较、置换检验、Egger 检验、IPTW、SMD 均衡
数据采集Table 1(基线表)、亚组 Table 1、数据快速画像
研究设计样本量计算、随机化分组(固定种子可复现)、倾向性评分匹配 PSM
生信解读差异表达、GO/KEGG 富集、PPI 网络、单细胞分析、代谢组 PCA/PLS-DA/火山图/热图
湿实验与序列引物设计、Tm 计算、序列翻译/ORF/酶切位点、qPCR 2^-ΔΔCt、蛋白理化性质
建模预测列线图、SHAP、PSI、NCA 药代、PK/PD 模拟
图表与规范森林图、CONSORT 流程图、PRISMA 流程图、报告规范清单核对
文献PubMed 检索、站内全文检索、引文格式化
生成类(不可复现)选题、研究方案、论文初稿、单章写作、润色、六智能体审稿、投稿信、汇报 PPT

完整清单:GET /api/open/v1/actions 或 MCP 的 tools/list。

计费

类型每次
统计 / 序列 / 病理 / 图表1 分
文献检索2 分
生信管线5 分
免费档每 key 每日 100 分封顶,注册送试用积分
频率60 次/分钟/每把 key(不按 IP,防伪造)

失败不扣分:引擎不可用、参数缺失、动作未开放,一律 0 扣分。

写权限边界

默认只算不落:传 project_id / user_id 会被主动剥离,并在 warnings 里说明。 受试者数据类动作(CRF 建表、数据导入、脱敏、建模训练)不在白名单——目录里没有这些工具。

唯一例外:paper_draft_one_click 会在后台建一个写作任务并落库,它的 annotations.readOnlyHint = false。调用前请先跟用户确认;表里其它生成类都不写库。

生成类怎么取结果(异步)

39 个生成类动作是异步的:返回 success: true + job_id + engine_status: queued, 这不是结果,是已受理。要用 sanyu_job_status 轮询:

{ "name": "sanyu_job_status", "arguments": { "job_id": "job_xxxxxxxx" } }

每 3 秒一次,最多等 300 秒。status=succeeded 取 result;failed 读 error(失败不扣分)。 拿到 succeeded 之前不要向用户报告任何结果。

响应示例

{

"success": true, "action": "act_roc", "engine_status": "real", "data_source": "local_computation", "result": { "auc": 0.86, "ci": [0.74, 0.95], "n": 120 }, "cost": 1, "audit_id": 88123, "credits_balance": 499, "warnings": [] }

服务卡

https://sanyu.wentangkeji.com/api/mcp/card

许可

MIT