timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
147 tools: deterministic compute + 39 AI writers; each response self-labels data_source + verified.
作者提供的原文
教 AI 做这类工作的 Skill,可与本项一起使用
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
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…
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
列表按使用分(满分 100)排序,由以下部分组成
| 热度 | 0/80 | GitHub 星标或每周下载量:较大的计 60,较小的计 20 |
|---|---|---|
| 新鲜度 | 12/12 | 30 天内有发布或代码更新得满分 |
| 仍在响应 | 8/8 | 上次检查时云端端点有响应 |
| 使用分 | 20/100 |
质量: 基础检查通过 5/5 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)
选择你使用的 AI 应用,然后复制设置。
用一句话让 AI 帮你安装
请帮我安装 三域医研 · 科研算法引擎 (SanYu Research Engine)。按照 https://mcp.popnx.com/i/kfx2026-sanyu-research.md 操作,先把命令给我看,等我同意后再运行。粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文
通过 5/5 项检查 · 你的提问会经过开发者的服务器(sanyu.wentangkeji.com) · ✓ 命令已检查 2026年11月20日
第一步:你用哪个 AI?
选择你用的应用,步骤会显示在下方。
可连接 Claude · 约 2 分钟
不需要密钥,不用安装程序 · 在 claude.ai 或桌面应用设置一次,即可在聊天中使用 · 免费账户可添加 1 个 · Team/Enterprise 方案由所有者(Owner)添加
CustomizeConnectors
把这里的内容复制到 Claude 中同名的输入框,然后点击 Continue
三域医研 · 科研算法引擎 (SanYu Research Engine)https://sanyu.wentangkeji.com/api/mcp在 Claude 检测到的登录设置页点击 Continue · Authentication 按作者说明选择(Sign in now、Sign in when needed 或 No sign in),然后点击 Add
+Connectors三域医研 · 科研算法引擎 (SanYu Research Engine)
用 三域医研 · 科研算法引擎 (SanYu Research Engine) 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude 说正在使用 三域医研 · 科研算法引擎 (SanYu Research Engine),或回答中出现 三域医研 · 科研算法引擎 (SanYu Research Engine) 的工具名称,就表示连接成功
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
能否连接 ChatGPT 取决于方案
完整 MCP:网页版 ChatGPT Business、Enterprise 或 Edu · Pro:以读取/获取权限连接,修改数据的工具可能用不了 · Plus:官方文档尚未确认,如果在插件页看到添加自定义 MCP 的选项可以试试 · 仅限网页
Plugins+Add custom MCP server
输入名称,在 Connection 下粘贴地址,勾选风险提示,然后点击 Create as a plugin
三域医研 · 科研算法引擎 (SanYu Research Engine)https://sanyu.wentangkeji.com/api/mcp开启新聊天,输入前先从插件列表中选择 三域医研 · 科研算法引擎 (SanYu Research Engine)
用 三域医研 · 科研算法引擎 (SanYu Research Engine) 告诉我你能帮我做什么,然后做一件给我看✓ 如果 ChatGPT 说正在使用 三域医研 · 科研算法引擎 (SanYu Research Engine),或回答中出现 三域医研 · 科研算法引擎 (SanYu Research Engine) 的工具名称,就表示连接成功
菜单名称已于 2026年11月11日 对照 OpenAI 帮助页面核实 · 你的界面可能因版本略有不同
可连接 Claude Code · 约 2 分钟
不需要密钥,不用安装程序
Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell
claude mcp add --transport http --scope user sanyu-research https://sanyu.wentangkeji.com/api/mcp应能看到 三域医研 · 科研算法引擎 (SanYu Research Engine) 在列表中并显示已连接
用 三域医研 · 科研算法引擎 (SanYu Research Engine) 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Claude Code 说正在使用 三域医研 · 科研算法引擎 (SanYu Research Engine),或回答中出现 三域医研 · 科研算法引擎 (SanYu Research Engine) 的工具名称,就表示连接成功
菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同
可连接 Cursor · 约 2 分钟
不需要密钥,不用安装程序
用 三域医研 · 科研算法引擎 (SanYu Research Engine) 告诉我你能帮我做什么,然后做一件给我看✓ 如果 Cursor 说正在使用 三域医研 · 科研算法引擎 (SanYu Research Engine),或回答中出现 三域医研 · 科研算法引擎 (SanYu Research Engine) 的工具名称,就表示连接成功
菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同
可连接 VS Code · 约 2 分钟
不需要密钥,不用安装程序
用 三域医研 · 科研算法引擎 (SanYu Research Engine) 告诉我你能帮我做什么,然后做一件给我看✓ 如果 VS Code 说正在使用 三域医研 · 科研算法引擎 (SanYu Research Engine),或回答中出现 三域医研 · 科研算法引擎 (SanYu Research Engine) 的工具名称,就表示连接成功
菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同
其他支持 MCP 的应用(如 Windsurf、Zed、Gemini CLI)添加方式各不相同,请在应用列表中查看
通过网页连接的应用使用的地址
https://sanyu.wentangkeji.com/api/mcpJSON 设置在下方“开发者专用”中
Claude Code
claude mcp add --transport http --scope user sanyu-research https://sanyu.wentangkeji.com/api/mcpCursor (~/.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"
}
}
}这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同,请以 README 为准。
依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。
通过互联网连接,适用于
ClaudeChatGPTGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatOpen WebUIRaycast
工具名称和描述与服务器在 2026年11月21日 报告的完全一致。这些内容由作者撰写,不是我们写的;我们以纯文本形式显示。
academic_polishAcademic 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_probabilityAcceptance 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_codingCRF 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_volumeAnimal 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_randomizationAnimal 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_sizeAnimal 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_kmAnimal 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_checklistARRIVE 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_diffATAC-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_compareBioequivalence (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_curveCalibration 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_calcCell 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_callingChIP-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_formatCitation 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_verifyVerify 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_metricsClassification 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_designMolecular 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_versionsCompare 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_flowchartCONSORT 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_letterCover 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_validateCRF / 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_parseParse 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_columnsList 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_profileDataset 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_arbitrationMulti-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_reviewDeep 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_phiDe-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_compareDeLong 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_rulesDesign 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_generateFull 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_contextDesign 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_decisionStudy 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_expressionDifferential 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_fitDistribution 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_translateDNA → 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_checkDrug-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_posthocDunn 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_testEgger'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_followupEvidence 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_intakeStructured 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_reportEvidence 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_generateBench 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_stagingLiver 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_legendFigure 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_clusterFlow 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_gateFlow 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_plotForest 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_lookupGene 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_diseaseGene → 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_pipelineGEO 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_groupGleason 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_enrichmentGO / 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_fitIC50 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_igniteIdea 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_hscoreIHC 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_weightingIPTW 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_recommendJournal 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_meierKaplan-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_modelLinear 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_filesList 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)
我们检查的是任何人都能看到的信息;我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月21日
注册名称已通过 GitHub 账户 kfx2026 验证,该账户拥有此仓库
代码最后更新于11天前
使用 MIT
在 880 毫秒内响应(HTTP 200)
无需登录
已读取 60 个工具描述,未发现针对 AI 的隐藏指令
如果你是作者,可把这段代码贴到 README。徽章会链接回本页。
[](https://mcp.popnx.com/en/servers/kfx2026-sanyu-research)提问、分享技巧或报告无法使用。按“有帮助”数量排序。
还没有评价
与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时,星标数才计入。
它在 5 项适用的基础检查中通过了 5 项。我们没有阅读代码。在添加密钥或令牌之前,请先看看这个服务器要求哪些权限,并使用只具备所需权限的密钥。
注册中心没有列出必需的密钥,不过有些服务器会在首次使用时要求你登录。
它在作者的云端运行。通过互联网连接,无需安装,但你发送的内容会经过作者的服务器。
GitHub 仓库最后更新于11天前,最新版本(1.3.0)于11天前进入注册中心。
支持 MCP 的应用,例如 Claude Desktop、Claude Code、Cursor 和 VS Code。它通过 URL 连接,因此也能用于接受远程 MCP 的应用,例如网页版 ChatGPT(Business 及以上为完整 MCP;Pro 为只读)。
同一分类中有:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。
如何看卡片:↓ 每周下载量i★ GitHub 星标i三大支柱:评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Official Exa MCP for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| 本项 三域医研 · 科研算法引擎 (SanYu Research Engine) | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 运行位置 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 | 在云端运行,无需安装 |
| 需要密钥 | 否 | 否 | 否 | 否 | 否 | 否 |
| 可在 Claude 中按 + 添加 | 否 | 是 | 是 | 是 | 否 | 否 |
| 基础检查 | 5/5 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| 许可证 | MIT | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 价格 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 | 登记中未列出费用 |
按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。
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。
generatescope 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generatescope,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→403scope_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)。
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。
| 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 |
https://sanyu.wentangkeji.com/api/mcp
2025-06-18 / 2025-03-26 / 2024-11-05 自动协商)Authorization: Bearer sk-sanyu-xxxtools/list 公开),执行才需要⚠️ 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]" } } } }
mcp.json{
"mcpServers": { "sanyu": { "type": "http", "url": "https://sanyu.wentangkeji.com/api/mcp", "headers": { "Authorization": "Bearer sk-sanyu-你的密钥" } } } }
claude mcp add --transport http sanyu https://sanyu.wentangkeji.com/api/mcp \
--header "Authorization: Bearer sk-sanyu-你的密钥"
{
"mcpServers": { "sanyu": { "command": "npx", "args": ["-y", "mcp-remote", "https://sanyu.wentangkeji.com/api/mcp", "--header", "Authorization: Bearer sk-sanyu-你的密钥"] } } }
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。
| 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。
| 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。
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。
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。
{
"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": [] }
https://sanyu.wentangkeji.com/api/mcp/card
MIT