伯特伦·麦克普
模型上下文协议（MCP）服务器，提供对BERtron API的访问，该服务器聚合来自多个生物和环境研究（BER）数据源的基因组和环境数据，包括EMSL、ESS-DIVE、JGI、MONET和NMDC。
快速开始
直接从GitHub安装并运行
# Run directly without installing
uvx --from git+https://github.com/ber-data/bertron-mcp.git bertron-mcp
# Or install first, then run
uvx --from git+https://github.com/ber-data/bertron-mcp.git bertron-mcp --version特性
- 🔍 地理空间搜索：查找指定地理坐标半径内的实体
- 💊 健康检查：验证BERtron API连接和数据库状态
- 🌍 多源数据：访问主要BER研究设施的数据
- 🔌 MCP集成：与Claude、Goose和其他MCP兼容的AI工具无缝集成
需求
- Python 3.12+
- UV包管理器（推荐）
- 访问BERtron API(https://bertron-api.bertron.production.svc.spin.nersc.org)
安装
来源（发展）
git clone https://github.com/ber-data/bertron-mcp.git
cd bertron-mcp
make dev来自PyPI（即将推出）
pip install bertron-mcp可用工具
geosearch
搜索地理坐标指定距离内的实体。
参数：
latitude（浮动）：纬度坐标（-90.0到90.0）longitude（浮动）：经度坐标（-180.0到180.0）search_radius_km（浮动，可选）：搜索半径，单位为公里（默认值：1.0）
退货： 包含实体、计数和元数据的QueryResponse
bbox_search
在矩形地理边界框内搜索实体。
参数：
southwest_lat（浮动）：西南角纬度（-90.0至90.0）southwest_lng（浮动）：西南角经度（-180.0至180.0）northeast_lat（浮动）：东北角纬度（-90.0至90.0）northeast_lng（浮动）：东北角经度（-180.0至180.0）
退货： 具有边界框内实体的QueryResponse
entity_lookup
通过特定实体的唯一ID检索其详细信息。
参数：
entity_id（string）：实体的唯一标识符（例如，“nmdc:bsm-12-abc123”）
退货： 具有完整元数据的实体对象
advanced_query
通过过滤、投影和排序执行复杂的MongoDB查询。
参数：
filter_dict（dict，可选）：MongoDB过滤条件（例如，{“entity_type”：“sample”}）projection（dict，可选）：要包含/排除的字段（例如，{“name”：1，“coordinates”：1}）skip（int，可选）：分页时要跳过的文档数（默认值：0）limit（int，可选）：要返回的最大文档数（默认值：100）sort（dict，可选）：排序条件（例如，{“name”：1}表示升序）
退货： 具有匹配实体的QueryResponse
search_by_source
从特定的BER数据源中查找实体。
参数：
source（string）：BER数据源名称（EMSL、ESS-DIVE、JGI、NMDC、MONET）
退货： QueryResponse包含来自指定源的实体
search_by_type
查找特定实体类型的实体。
参数：
entity_type（string）：实体类型（生物数据、样本、序列、分类群、jgi_biosample）
退货： 具有指定类型实体的QueryResponse
search_by_name
使用正则表达式模式匹配按名称搜索实体。
参数：
name_pattern（string）：要搜索的名称模式（支持正则表达式）case_sensitive（bool，可选）：搜索是否应区分大小写（默认值：False）
退货： 具有与名称模式匹配的实体的QueryResponse
health_check
检查BERtron API的运行状况。
参数： 无
退货： 带web_server和数据库布尔状态的词典
API限制和约束
为了防止压倒性的响应并保护系统资源，执行了以下限制：
默认限制
- 默认结果限制：每个查询100个项目
- 最大结果限制：每个查询1000个项目
- 最大分页偏移量：50000个项目
约束报告
应用限制时，工具会自动在响应元数据中报告约束：
{
"entities": [...],
"count": 1000,
"metadata": {
"constraints_applied": {
"requested_limit": 5000,
"actual_limit": 1000,
"reason": "Exceeded maximum limit of 1000"
}
}
}具有限制参数的工具
以下工具接受可选 limit 参数：
search_by_source(source, limit=100)search_by_type(entity_type, limit=100)search_by_name(name_pattern, case_sensitive=False, limit=100)advanced_query(filter_dict=None, limit=100, skip=0, ...)
安全功能
advanced_query需要筛选条件以防止意外的完整数据库转储- 所有限制都是通过自动约束报告在服务器端强制执行的
- 阻止深度分页（跳过>50000）以防止性能问题
设置
发展
安装开发依赖项：
make dev测试
运行完整的测试套件：
make all测试特定组件：
# API integration tests
make test-integration
# MCP protocol tests
make test-mcp
make test-mcp-extended
# Test with Claude CLI
make test-claude-mcp
# Version check
make test-versionMCP集成
Claude桌面配置
选项1：来自GitHub（推荐） 增添 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"bertron-mcp": {
"command": "uvx",
"args": ["--from", "git+https://github.com/ber-data/bertron-mcp.git", "bertron-mcp"]
}
}
}方案2：地方发展 增添 ~/Library/Application Support/Claude/claude_desktop_config.json:
{
"mcpServers": {
"bertron-mcp": {
"command": "uv",
"args": ["run", "python", "src/bertron_mcp/main.py"],
"cwd": "/path/to/bertron-mcp"
}
}
}克劳德代码MCP设置
来自GitHub：
claude mcp add bertron-mcp "uvx --from git+https://github.com/ber-data/bertron-mcp.git bertron-mcp"地方发展：
claude mcp add -s project bertron-mcp uv run python src/bertron_mcp/main.py生产（发布到PyPI后）：
claude mcp add -s project bertron-mcp uvx bertron-mcp鹅设置
来自GitHub：
goose session --with-extension "uvx --from git+https://github.com/ber-data/bertron-mcp.git bertron-mcp"地方发展：
goose session --with-extension "uv run python src/bertron_mcp/main.py"使用示例
与克劳德一起使用
Search for genomic samples near Orlando, FL within 100km radius:
> Use the bertron-mcp to search for entities near latitude 28.5383, longitude -81.3792 within 100km
Search for entities in a bounding box covering Yellowstone National Park:
> Use bbox_search to find entities between southwest corner (44.0, -125.0) and northeast corner (49.0, -110.0)
Find all NMDC sample entities:
> Search for all sample entities from the NMDC data source
Look up detailed information for a specific entity:
> Use entity_lookup to get details for entity ID "nmdc:bsm-12-abc123"直接MCP协议
# Test geosearch tool
echo '{"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "geosearch", "arguments": {"latitude": 28.5383, "longitude": -81.3792, "search_radius_km": 100.0}}, "id": 1}' | uv run python src/bertron_mcp/main.py
# Test bounding box search
echo '{"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "bbox_search", "arguments": {"southwest_lat": 44.0, "southwest_lng": -125.0, "northeast_lat": 49.0, "northeast_lng": -110.0}}, "id": 2}' | uv run python src/bertron_mcp/main.py
# Test search by data source
echo '{"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "search_by_source", "arguments": {"source": "NMDC"}}, "id": 3}' | uv run python src/bertron_mcp/main.py
# Test advanced query with filtering
echo '{"jsonrpc": "2.0", "method": "tools/call", "params": {"name": "advanced_query", "arguments": {"filter_dict": {"entity_type": "sample"}, "limit": 10}}, "id": 4}' | uv run python src/bertron_mcp/main.py发展
代码质量
# Format and lint code
make format
make lint
# Type checking
make mypy
# Dependency analysis
make deptry建筑与出版
# Build package
make build
# Full release workflow
make release数据源
BERtron汇总了以下数据：
- EMSL -环境分子科学实验室
- ESS-DIVE -虚拟生态系统的ESS数据和信息
- 古道尔研究会 -联合基因组研究所
- 多波长光网络 -分子观测网络
- 印度国家矿业开发公司 -国家微生物组数据协作
贡献
- 分叉存储库
- 创建要素分支：
git checkout -b feature/your-feature - 进行更改并添加测试
- 运行测试套件：
make all - 提交您的更改：
git commit -m "Add your feature" - 推到分支：
git push origin feature/your-feature - 提交拉取请求
许可证
BSD-3条款