Medical Calc MCP — 給 AI 代理的臨床評分工具箱

為什麼要做這個

三個事實，湊出一個 MCP

事實一 · 工具早就存在

SOFA、CHA₂DS₂-VASc、Wells score……這些量表都是同儕審查、經過數萬筆病例驗證的標準化工具。AI agent 在推理時，理論上「應該」主動比對這些工具，而不是憑語言模型的直覺算數字。

事實二 · 但 AI 不會主動去查

大型語言模型做臨床算術與邊界判斷的準確率，實測遠低於直接呼叫驗證過的公式。問題不是模型不夠聰明，而是它沒有被提醒要用對的工具，也沒有機制檢查參數是否落在合理的臨床範圍內。

事實三 · 那就把工具做成 AI 找得到的形狀

用 Model Context Protocol 把整套評分工具包成一個 server，讓任何 AI agent 都能呼叫；靠工具發現機制與參數邊界驗證把輸入卡住；每個計算結果都附文獻出處。長期目標是搭配 FHIR，讓全台灣的醫療 AI 系統共用同一套工具箱。

架構

三層驗證，卡住每一個參數

領域驅動設計（DDD），每個計算器都是獨立實體，附完整參數規範與文獻引用。

MCP 層

Pydantic + JSON Schema 類型驗證；工具發現（依專科／臨床情境／關鍵詞搜尋）。

↓

應用層

ParamMatcher 處理別名與模糊比對；BoundaryValidator 做文獻支持的臨床範圍檢查。

↓

領域層

22 項參數規範與核心計分邏輯；152 個計算器共用同一套驗證規則。

指引覆蓋

2020–2025 臨床指引覆蓋總表

資料來源：PubMed 系統性搜尋 + ESC／SCCM／AHA／ACC 官方指引，已用 PubMed MCP 二次驗證（最後更新 2026-01-08）。

16 / 16 臨床領域 · 65 / 65 建議工具　全數已實作

臨床領域	指引推薦工具	覆蓋

專科分布

152 個計算器橫跨 31 個專科

另有 26 個專科合計 84 個計算器，平均每科約 3.2 個，涵蓋消化系、感染科、婦產科、皮膚科等領域。

安裝

三行指令跑起來

前置需求：Python 3.11+、uv 套件管理器。

# 複製並進入目錄
git clone https://github.com/u9401066/medical-calc-mcp.git
cd medical-calc-mcp

# 同步依賴、啟動 MCP server
uv sync
uv run python -m src.main

部署模式

模式	指令	埠	用途
stdio	python -m src.main	—	Claude Desktop / VS Code
SSE	--mode sse	8000	遠端 MCP 客戶端
HTTP/REST	--mode api	8080	自訂代理／Web 應用

Claude Desktop 設定

{
  "mcpServers": {
    "medical-calc": {
      "command": "uv",
      "args": ["run", "python", "-m", "src.main"],
      "cwd": "/path/to/medical-calc-mcp"
    }
  }
}

CHA2DS2-VASc 中風風險評分