Serveur MCP PubChem amélioré pour assistants IA

🧪 Un serveur MCP avancé, robuste et axé sur la confidentialité, permettant aux assistants IA de rechercher et d’accéder intelligemment aux informations sur les composés chimiques depuis PubChem.

Ce serveur MCP PubChem agit comme un puissant pont entre les assistants IA (tels que ceux d’AnythingLLM) et la vaste base de données chimique de PubChem. Il exploite le Model Context Protocol (MCP) pour permettre aux modèles IA d’effectuer des recherches intelligentes et résilientes sur les composés chimiques et d’obtenir leurs propriétés détaillées de manière programmatique.

---

✨ Fonctionnalités principales

Ce n’est pas simplement un autre wrapper PubChem. Ce serveur a été entièrement reconstruit pour être extrêmement robuste et intelligent :

• 🧠 Recherche intelligente avec repli : Si une recherche par nom commun (comme « Vitamine D ») échoue, le serveur effectue automatiquement une recherche approfondie dans la base de données Substances de PubChem pour trouver le bon composé. Cela améliore considérablement le taux de succès des requêtes ambiguës.
• 🛡️ Gestion robuste des erreurs et des tentatives : Le serveur est conçu pour gérer les erreurs API avec élégance. En cas d’erreur « Serveur occupé » de PubChem, il attend et retente la requête automatiquement, assurant la réussite de vos requêtes même sous forte charge.
• 🔒 Prise en charge optionnelle du proxy Tor : Vous gardez un contrôle total sur votre confidentialité. Un simple fichier config.ini permet de router toutes les requêtes via le réseau Tor (par proxy SOCKS5 ou HTTP), empêchant l’exposition de votre adresse IP. Le serveur est sécurisé par défaut et ne divulguera jamais votre IP si la connexion au proxy échoue.
• 🔎 Recherche de composé unique ou multiple : Gère sans effort les requêtes pour un ou plusieurs composés dans une seule demande.
• 🧪 Récupération détaillée des propriétés : Accédez aux propriétés chimiques clés telles que le nom IUPAC, la formule moléculaire, la masse moléculaire et, surtout, la masse monoisotopique.

---

---

🚀 Aucun besoin d’installation : Essayez-le en direct sur Smithery.ai

Pour ceux qui découvrent les serveurs MCP ou souhaitent simplement tester les capacités de cet outil sans configuration locale, une version hébergée en direct est disponible sur Smithery.ai. Cela vous permet de dialoguer avec l’agent directement dans votre navigateur.

<-- Découvrez l’agent PubChem en direct sur Smithery.ai -->

Comment démarrer :

• Cliquez sur le lien ci-dessus pour accéder à la page du serveur.
• Connectez-vous avec votre compte GitHub ou Google.
• Cliquez sur le bouton « Explorer les capacités » pour ouvrir une interface de chat et commencer les tests !

> ✅ Modèles recommandés pour des résultats optimaux >

Pour obtenir la meilleure précision, en particulier avec les longs nombres décimaux, nous recommandons vivement d’utiliser des modèles puissants. Les suivants ont été testés et fonctionnent parfaitement avec cet outil :

>

* Claude 3 Sonnet d’Anthropic

* GPT-4 Turbo d'OpenAI (ou des versions plus récentes comme GPT-4o)

>

Nous avons confirmé que les deux modèles traitaient correctement la pleine précision des nombres décimaux renvoyés par l'outil sans aucun arrondi.

---

🚀 Démarrage rapide & Installation

Ce serveur est conçu pour être exécuté localement, soit sur votre bureau, soit dans l'environnement Docker AnythingLLM.

1. Dépendances

Ce projet dépend de quelques bibliothèques Python. Assurez-vous qu'elles sont installées dans votre environnement.

Créez un fichier requirements.txt avec le contenu suivant :

requests
bs4 
mcp 
pubchempy
pandas
PySocks

Installez-les en utilisant uv ou pip :

uv venv
.venv\Scripts\activate
uv pip install -r requirements.txt

(Remarque : PySocks est uniquement requis si vous prévoyez d'utiliser la fonctionnalité de proxy SOCKS5 de Tor.)

2. Configuration

Le serveur est configuré via un fichier config.ini qui est créé automatiquement lors de la première exécution. Ce fichier apparaîtra dans le même répertoire que le script pubchem_server.py.

config.ini par défaut :

[proxy]
Change 'use_proxy' to 'true' to route all requests through a proxy.
Essential for protecting your privacy if you use Tor.
use_proxy = false
Defines the proxy type. Options:
  socks5h  -> (Recommended for Tor) The native SOCKS proxy for Tor. More secure.
  http     -> An HTTP proxy. If using Tor, requires additional configuration.
proxy_type = socks5h
The proxy address. THIS IS A CRITICAL SETTING!
  - If you run this script on your DESKTOP, use: 127.0.0.1
  - If you run this script inside DOCKER, use: host.docker.internal
host = 127.0.0.1
The proxy port.
  9050 -> Default port for Tor's SOCKS proxy.
  8118 -> Default port for Tor's HTTP proxy (if enabled).
port = 9050

3. Intégration avec AnythingLLM

Suivez la documentation officielle pour ajouter ceci en tant que serveur MCP personnalisé. L'important est de pointer la command vers votre exécutable Python et le script pubchem_server.py.

Exemple pour AnythingLLM Desktop (plugins/anythingllm_mcp_servers.json) :

{
  "mcpServers": {
    "pubchem": {
      "name": "PubChem Server (Enhanced)",
      "transport": "stdio",
      "command": "\"C:\\path\\to\\your\\.venv\\Scripts\\python.exe\" \"C:\\path\\to\\your\\project\\pubchem_server.py\"",
      "cwd": "C:\\path\\to\\your\\project"
    }
  }
}

3.1 Exemples d'implémentation avec AnythingLLM

Voici quelques exemples de la façon d'interagir avec l'agent. Ces tests ont été réalisés en utilisant AnythingLLM Desktop, en se connectant à divers grands modèles de langage via OpenRouter.

Une constatation cruciale de nos tests est l'importance du modèle que vous choisissez. Nous déconseillons fortement l'utilisation de modèles petits ou locaux pour cette tâche. Les modèles plus petits ont souvent du mal à analyser correctement les données renvoyées par l'outil, entraînant des erreurs telles que des valeurs hallucinées, un formatage incorrect ou, plus critique encore, l'arrondi des nombres décimaux, ce qui va à l'encontre de l'objectif de cet outil à haute précision.

Pour garantir l'intégrité de vos résultats, il est toujours conseillé de vérifier les données brutes renvoyées par le MCP. Vous pouvez apprendre comment faire cela dans la section suivante : 3.2 Comment vérifier les sorties MCP dans les logs.

D'autre part, plusieurs modèles ont montré d'excellentes performances. Nous avons obtenu des résultats remarquables avec le Gemini 2.5 Flash lite de Google, qui a démontré une précision remarquable dans la gestion des nombres décimaux longs et un formatage correct du tableau Markdown final.

Google Gemini 2.5 Flash lite sans prompt et avec prompt conserve parfaitement les décimales (dans l'exemple, utiliser une température de 0,6)

Pour cette tâche spécifique, mon favori personnel est Gemini 2.5 Flash lite en raison de sa précision et fiabilité constantes.

3.2 Comment vérifier les sorties MCP dans les logs

La meilleure façon de confirmer que l'agent reçoit les bonnes données et que le LLM ne fait pas d'erreurs est de vérifier le fichier de log de débogage généré par le serveur MCP.

Ce serveur est configuré pour créer automatiquement un fichier de log dans un sous-dossier de votre répertoire de projet. L'emplacement sera :

your-project-folder/
└── logs_mcp/
    └── mcp_debug.log

À l'intérieur de mcp_debug.log, vous trouverez les données JSON exactes que l'outil renvoie au LLM avant que le modèle ne les traite. Vous pouvez inspecter manuellement ce JSON pour vérifier toutes les valeurs, en particulier les nombres décimaux longs issus de propriétés telles que monoisotopic_mass, afin de vous assurer que le LLM n'a introduit aucune erreur d'arrondi ou hallucination dans sa réponse finale.

---

📊 Utilisation

Une fois intégré, votre assistant IA utilisera automatiquement cet outil lorsqu'on lui demandera des informations chimiques. L'outil principal exposé est search_compounds_by_name.

Exemple de prompt

Ce prompt démontre la capacité de l'outil à gérer une liste de composés avec différents types de noms et à récupérer plusieurs propriétés.

@agent
Please use your PubChem tool to find information on the following compounds:
Thiamine (Vitamin B1)
Riboflavin (Vitamin B2)
Folic Acid
Hydroxocobalamin
For each compound found, please retrieve the IUPAC Name, Molecular Formula, and Monoisotopic Mass.
Present all the results in a single Markdown table.

L'agent appellera l'outil search_compounds_by_name, qui trouvera intelligemment chaque composé, récupérera ses données et les renverra au LLM pour mise en forme.

---

🛠 Outil MCP Exposé

search_compounds_by_name

Recherche plusieurs composés par nom, un par un, en utilisant une stratégie de repli intelligente avec pauses et tentatives pour une fiabilité maximale.

Paramètres :

• names (List[str]) : Une liste de noms de composés. Exemple : ["Aspirine", "Ibuprofène"]

Retourne : Une liste de dictionnaires, où chaque dictionnaire contient soit les informations du composé trouvé, soit un message d'erreur expliquant pourquoi la recherche a échoué pour ce composé spécifique.

---

🙏 Remerciements

Ce projet a été fortement inspiré par et construit sur la base de l'original PubChem-MCP-Server créé par JackKuo666.

Bien que ce dépôt ne soit pas un fork direct, le projet original a été le point de départ crucial. Cette version améliore le concept original en mettant l'accent sur une robustesse extrême, des stratégies de recherche intelligentes et la confidentialité des utilisateurs via une intégration optionnelle de Tor 🧅.

Un grand merci à l'auteur original pour son travail fantastique et pour le partage avec la communauté.

---

⚠️ Avertissement

Cet outil est destiné à des fins de recherche et d'éducation. Veuillez respecter les conditions d'utilisation de PubChem et utiliser cet outil de manière responsable.

--- Tranlated By Open Ai Tx | Last indexed: 2025-08-27 ---