mims-harvard/ToolUniverse

Democratizing AI scientists with ToolUniverse

解决的问题

ToolUniverse 为大语言模型 (LLM) 与科学工具的交互提供了一种标准化的方式，从而能够创建能够执行复杂数据分析、知识检索和实验设计的“AI 科学家”。它解决了科学软件和 API 碎片化的问题，将 1,000 多个机器学习模型、数据集和科学软件包集成到一个统一的生态系统中。

工作原理

该项目使用 AI-Tool Interaction Protocol 来标准化 LLM 识别和调用工具的方式。它支持广泛的模型（Claude, GPT, Gemini, Qwen, Deepseek），并与 Model Context Protocol (MCP) 集成以实现原生服务器支持。为了管理庞大的工具集，它具有“紧凑模式 (Compact Mode)”，可将可用工具减少到几个核心发现工具，以节省上下文窗口空间。它还支持用于分子模拟等长时间运行的科学任务的异步操作，以及用于速度和可复现性的两层缓存系统 (LRU 和 SQLite)。

适用对象

专为构建用于科学发现的 AI 智能体系统的研究人员和开发人员设计，特别是在药物研发、精准肿瘤学和生物信息学等领域。

亮点

  • 海量工具库：集成了 1,000 多个 ML 模型、数据集和科学软件包。
  • MCP 集成：对 Model Context Protocol 的原生支持。
  • 可缓存且异步：支持带有进度跟踪的长时间运行任务和两层结果缓存。
  • 预构建工作流：包含针对特定研究任务（如罕见病诊断）的 68 种智能体技能。
  • 统一文献检索：整合了对 PubMed、ArXiv、BioRxiv 及其他科学数据库的访问。