fda MCP

FDA MCP服务器

  

一 主控程序 通过LLM优化访问FDA数据的服务器 OpenFDA API 以及直接检索美国食品药品监督管理局的文件。涵盖所有21个OpenFDA终点和监管决定文件（510（k）摘要、De Novo决定、PMA批准函）。

快速开始

无需克隆或本地构建。安装 紫外线 直接从 PyPI:

uvx fda-mcp

就是这样。服务器在stdio上启动，并为任何MCP客户端做好准备。

使用Claude Desktop

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "fda": {
      "command": "uvx",
      "args": ["fda-mcp"],
      "env": {
        "OPENFDA_API_KEY": "your-key-here"
      }
    }
  }
}

配置文件位置：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• 视窗: %APPDATA%\Claude\claude_desktop_config.json

使用Claude代码

直接从命令行添加：

claude mcp add fda -- uvx fda-mcp

要包含API密钥以获得更高的速率限制，请执行以下操作：

claude mcp add fda -e OPENFDA_API_KEY=your-key-here -- uvx fda-mcp

或者使用以下命令在Claude Code中交互式添加 /mcp 斜线命令。

API密钥（可选）

这 OPENFDA_API_KEY 环境变量是可选的。没有它，你每分钟会收到40个请求。使用免费密钥 open.fda.gov 你每分钟收到240个请求。

特性

• 4个MCP工具 --一个统一的搜索工具，计数/聚合、字段发现和文档检索
• 3 MCP资源 查询语法帮助、端点参考和字段发现
• 所有21个OpenFDA终点 通过单一途径访问 search_fda 工具与a dataset 参数
• 服务器说明 --查询语法和常见错误会自动注入到每个LLM上下文中
• 可操作的错误消息 --内联语法帮助、故障排除提示，以及 .exact 后缀警告
• 美国食品药品监督管理局决定文件 --从510（k）摘要、De Novo决策、PMA批准、SSED和补充中下载并提取文本
• OCR回退 用于扫描的PDF文档（较旧的FDA提交文件）
• 上下文高效响应 --汇总输出、按需字段发现、分页指导

工具

数据集值 search_fda

资源（3）

查询示例

连接后，您可以问Claude以下问题：

• “搜索与OZEMPIC相关的不良事件”
• “查找2024年以来的所有I类设备召回”
• “LIPITOR最常见的不良反应是什么？”
• “获取K213456的510（k）摘要”
• “搜索心血管设备的PMA批准”
• “辉瑞公司召回了多少药品？按类别分列。”
• “查找二甲双胍的药物标签并总结警告”
• “雅培提交了哪些新冠肺炎血清学检测？”

配置

所有配置都是通过环境变量进行的：

OpenFDA查询语法

这 search 所有工具上的参数都使用OpenFDA查询语法：

# AND
patient.drug.openfda.brand_name:"ASPIRIN"+AND+serious:1

# OR (space = OR)
brand_name:"ASPIRIN" brand_name:"IBUPROFEN"

# NOT
NOT+classification:"Class III"

# Date ranges
decision_date:[20230101+TO+20231231]

# Wildcards (trailing only, min 2 chars)
device_name:pulse*

# Exact matching (required for count queries)
patient.reaction.reactionmeddrapt.exact:"Nausea"

使用 list_searchable_fields 或 fda://reference/query-syntax 资源以获取完整参考。

安装选项

来自PyPI（推荐）

# Run directly without installing
uvx fda-mcp

# Or install as a persistent tool
uv tool install fda-mcp

# Or install with pip
pip install fda-mcp

来源

git clone https://github.com/Limecooler/fda-mcp.git
cd fda-mcp
uv sync
uv run fda-mcp

可选：扫描PDF的OCR支持

许多较旧的美国食品药品监督管理局文件（2010年之前）都是扫描图像。要从中提取文本，请执行以下操作：

# macOS
brew install tesseract poppler

# Linux (Debian/Ubuntu)
apt install tesseract-ocr poppler-utils

没有这些，服务器仍然可以工作——当它遇到无法读取的扫描文档时，它会返回一条有用的消息。

发展

# Install with dev dependencies
git clone https://github.com/Limecooler/fda-mcp.git
cd fda-mcp
uv sync --all-extras

# Run unit tests (187 tests, no network)
uv run pytest

# Run integration tests (hits real FDA API)
OPENFDA_TIMEOUT=60 uv run pytest -m integration

# Run a specific test file
uv run pytest tests/test_endpoints.py -v

# Start the server directly
uv run fda-mcp

项目结构

src/fda_mcp/
├── server.py              # FastMCP server entry point
├── config.py              # Environment-based configuration
├── errors.py              # Custom error types
├── openfda/
│   ├── endpoints.py       # Enum of all 21 endpoints
│   ├── client.py          # Async HTTP client with rate limiting
│   └── summarizer.py      # Response summarization per endpoint
├── documents/
│   ├── urls.py            # FDA document URL construction
│   └── fetcher.py         # PDF download + text extraction + OCR
├── tools/
│   ├── _helpers.py        # Shared helpers (limit clamping)
│   ├── search.py          # search_fda tool (all 21 endpoints)
│   ├── count.py           # count_records tool
│   ├── fields.py          # list_searchable_fields tool
│   └── decision_documents.py
└── resources/
    ├── query_syntax.py    # Query syntax reference
    ├── endpoints_resource.py
    └── field_definitions.py

运作原理

LLM可用性

服务器的设计便于LLM正确使用：

1. 服务器说明 --查询语法、工作流指导和常见错误通过MCP协议自动注入到每个LLM上下文中（约210个令牌）。

1. 统一刀具表面 --单身 search_fda 带有打字功能的工具 dataset 参数替换了9个单独的搜索工具，消除了工具选择的混乱。

1. 可操作的错误 — InvalidSearchError 包括内联语法快速参考。 NotFoundError 包括故障排除步骤和使用的端点。不再引用不可见的MCP资源。

1. 可见警告 --限位夹紧和缺失 .exact 后缀产生可见的音符，而不是无声的回退。

1. 响应总结 --每种端点类型都有一个自定义摘要器，用于提取关键字段并平铺嵌套结构。药品标签将部分截断为2000个字符。PDF文本默认为8000个字符。

1. 通过工具进行现场发现 --与其在工具描述中列出所有可搜索的字段（这将花费约8000-11000个持久上下文令牌） list_searchable_fields 该工具按需提供。

1. 智能分页 --默认页面大小较低（10条记录）。回应包括 total_results, showing，以及 has_more当结果超过100时，建议使用 count_records 为了聚合。

美国食品药品监督管理局决策文件

这些文件是 不 可通过OpenFDA API获得。服务器构建URL并直接从 accessdata.fda.gov:

文本提取用途 pdfplumber 对于机器生成的PDF，通过自动OCR回退 pytesseract + pdf2image 用于扫描文档。

许可证

麻省理工学院