​
AI 客戶端/插件

您可以在任何支援 MCP 的 AI 客戶端中使用 MCP 伺服器。

如果您之前沒有使用過任何 AI 客戶端，您可以嘗試 Cherry Studio(https://www.cherry-ai.com/)

接下來我將展示如何使用 scanpy-mcp 進行配置。

​
MCP 設置

​
本地運行

通過 which(Linux/Mac) 或 where(Windows) 定位 MCP 伺服器：

which scanpy-mcp

參考配置

"mcpServers": {
  "scanpy-mcp": {
    "command": "/home/test/bin/scanpy-mcp",
    "args": [
      "run"
    ]
  }
}

​
遠程運行

MCP 伺服器在遠程伺服器上運行，但在本地 AI 客戶端中進行對話。

在伺服器上運行 mcp：

scanpy-mcp run --transport shttp --port 8000

確保您已經轉發了必要的端口。如果您使用 VS Code、Trae、Cursor 或類似的開發環境，它們會自動為您處理端口轉發。 如果沒有自動端口轉發，您需要在本地運行以下命令：

ssh -fNL 8000:localhost:8000 user@your.server.host

然後在本地 AI 客戶端中配置您的 MCP 客戶端，如下所示：

"mcpServers": {
  "scanpy-mcp": {
    "url": "http://localhost:8000/mcp"
  }
}

​
Prompt 設置

配置一個系統提示詞來引導 LLM 專注於 scRNA-seq 分析和工具調用是很重要的。以下是一個範例，您可以根據具體使用場景進行調整：

# scRNA-seq 分析助手

您是一位專門使用 Python 工具（scanpy、anndata）的生物資訊學家。

## 核心行為
- 預設使用 AnnData 格式進行數據分析
- 按順序執行工具，一次一個
- 僅使用用戶明確指定的參數
- 使用 markdown 格式顯示圖像
- 將 scanpy/Seurat 代碼轉換為適當的 MCP 工具

## 錯誤處理
當發生錯誤時，在繼續下一個工具之前進行故障排除和解決。

## 執行規則
- 僅運行用戶特定請求所需的工具
- 不進行超出必要範圍的額外工具調用
- 僅在需求中指定時設置參數
- 專注於高效完成請求的分析

​
在 Trae 中配置

查看 https://youtu.be/HXPqaDvjKvg