ALMA_MCP

# ALMA MCP 服务器 - 通过自然语言访问天文数据 一个模型上下文协议（MCP）服务器，通过干净、可扩展的架构提供对ALMA（阿塔卡马大型毫米/亚毫米阵列）档案的全面访问。 ## 愿景 该MCP服务器将ALMA档案查询从软件工程问题转化为**自然语言对话**。研究人员可以直接询问所需的内容，而不是学习TAP/ADQL语法和档案API，即可获得干净的、适合分析的结果。 **结果**：可以无缝搜索ALMA数据的AI助手，支持按目标、位置、频率、分辨率或自定义条件搜索 ## 快速设置 Claude Desktop ### 1. 克隆/复制和设置环境 > **重要：根据您的安装位置更改以下路径！** ```bash # 克隆仓库（或复制 ALMA_MCP 文件夹） git clone https://github.com/adamzacharia/ALMA_MCP.git cd ALMA_MCP # 创建一个专用的 conda 环境，Python 3.11+ conda create -n alma_mcp python=3.11 conda activate alma_mcp # 安装依赖项 pip install -r requirements.txt # 安装天文学库以实现完整功能 pip install fastmcp alminer pyvo astroquery astropy pandas ``` **替代方案：使用 venv 代替 conda：** ```bash # 导航到 ALMA_MCP 文件夹 cd path/to/ALMA_MCP # 创建一个专用的 venv 环境 python -m venv venv venv\Scripts\activate # Windows # source venv/bin/activate # Mac/Linux # 安装依赖项 pip install -r requirements.txt ``` ### 2. 测试服务器 ```bash # 测试基本功能 python test_server.py # 快速测试（可选） python -c " from server import get_alma_info, ALMINER_AVAILABLE, PYVO_AVAILABLE print(' 服务器加载成功') print(f' alminer 可用：{ALMINER_AVAILABLE}') print(f' pyvo 可用：{PYVO_AVAILABLE}') " ``` ### 3. 配置 Claude Desktop 查找并编辑Claude Desktop MCP配置文件： 1. 导航到您的Claude Desktop AppData文件夹： - **Windows**：打开文件资源管理器并转到 `%APPDATA%\Claude\` - **macOS**：`~/Library/Application Support/Claude/` 2. 添加 'claude_desktop_config.json' 或将以下内容添加到您的 'config.json' 文件中 3. 将以下配置添加到文件中： > **重要：根据您的安装位置更改以下路径！** ```json { "mcpServers": { "alma": { "command": "python", "args": ["c:/Users/Asus/Desktop/Quasar-main/ALMA_MCP/server.py"] } } } ``` > **注意**：在路径中使用正斜杠 `/`，即使在 Windows 上。 #### 使用自定义环境（Conda 或 venv） 如果您在**conda 环境**或**venv**中安装了依赖项，则**必须**指定该环境中 Python 可执行文件的完整路径。否则，系统将无法找到已安装的包！ **对于 Conda 环境：** ```json { "mcpServers": { "alma": { "command": "C:/Users/YourName/anaconda3/envs/alma_mcp/python.exe", "args": ["c:/path/to/ALMA_MCP/server.py"], "cwd": "c:/path/to/ALMA_MCP", "env": {} } } } ``` 要找到您的conda环境的Python路径，请运行： ```bash conda activate alma_mcp where python # Windows which python # Mac/Linux ``` **对于 venv：** ```json { "mcpServers": { "alma": { "command": "c:/path/to/ALMA_MCP/venv/Scripts/python.exe", "args": ["c:/path/to/ALMA_MCP/server.py"], "cwd": "c:/path/to/ALMA_MCP", "env": {} } } } ``` ### 4. 重启并测试 1. **完全退出 Claude Desktop** （右键系统托盘 → 退出） 2. **检查任务管理器** - 如果 Claude 仍在后台运行，请结束任务 3. **重新打开 Claude Desktop** 4. **使用查询测试**，例如： - "搜索 M87 的 ALMA 观测数据" - "查找分辨率低于 0.5 角秒的高分辨率 ALMA 数据" - "ALMA 的频率带是什么？" ### 5. 故障排除 **服务器无法启动：** ```bash # 检查 Python 环境 python --version # 应为 3.10+ # 手动测试服务器 python server.py # 应无错误启动 ``` **MCP 连接问题：** - 验证配置文件中的 Python 路径是否正确 - 确保所有依赖项都已安装 - 检查 `server.py` 是否位于指定路径 **缺少依赖项：** ```bash pip install fastmcp alminer pyvo astroquery astropy pandas ``` --- ## 使用示例 配置完成后，您可以询问有关 ALMA 数据的自然语言问题： ### 基本搜索 - "查找猎户座 KL 的观测数据" - "在 1 角分钟内搜索 ALMA 的 M87 数据" - "NGC 1234 有什么 ALMA 数据？" ### 基于位置的搜索 - "在 RA=83.6, Dec=-5.4 处搜索 ALMA 数据" - "查找银河中心附近的观测数据" - "以 150.5, 2.2 坐标为中心，半径 5 角分钟进行锥形搜索" ### 频率搜索 - "查找 230 至 250 GHz 之间的 ALMA 数据" - "搜索 Band 6 观测数据" - "哪些观测数据涵盖 230.5 GHz 处的 CO(2-1) 线？" ### 分辨率搜索 - "查找分辨率低于 0.1 角秒的高分辨率数据" - "搜索 ALMA 观测数据，分辨率优于 0.5 角秒" ### 提案/PI 搜索 - "查找 Adele Plunkett 的 ALMA 提案" - "获取提案 2023.1.00001.S 的数据" - "搜索星系演化提案" ### 光谱线覆盖 - "哪些 M87 观测数据涵盖 CO(2-1) 线？" - "检查猎户座数据是否涵盖 HCN(1-0) 线，频率为 88.6 GHz" - "查找涵盖 115 GHz 的观测数据，源 redshift=0.5" ### 自定义 SQL 查询 - "运行此 SQL：SELECT target_name, band_list FROM ivoa.obscore WHERE target_name LIKE '%M87%'" - "查询 ALMA 所有 Band 7 观测数据，时间范围为 2023" ### ALMA 信息 - "ALMA 的频率带是什么？" - "列出毫米范围内常见的光谱线" - "ALMA 支持哪些科学类别？" --- ### 参考文献和出版物搜索 - "查找在 Nature 上发表的 ALMA 观测数据" - "搜索 Smith 发表于 2023 年的论文中使用的数据" - "哪些 ALMA 数据具有 bibcode 2017ApJ...834..140R" ### 科学关键词搜索 - "查找所有标记为 'Quasars' 的 ALMA 观测数据" - "搜索亚毫米星系（SMG）观测数据" - "哪些观测数据归类为 '活动星系核'？" ### 数据类型搜索 - "查找 M87 的所有光谱立方体" - "搜索标记为系外行星的连续图像" - "显示 Band 6 中的光谱线观测数据" ### 摘要搜索 - "查找摘要中提及黑洞的提案" - "搜索关于恒星形成的提案的观测数据" - "哪些提案提到了宇宙微波背景？" ### 灵敏度搜索 - "查找连续灵敏度优于 0.1 mJy/beam 的观测数据" - "搜索深度低于 0.05 mJy 灵敏度的 ALMA 观测数据" ### 批量多源查询 - "检查 ALMA 是否观测过 M31、M51、M82 和 NGC 1068" - "查询 ALMA 以下源的数据： Cen A、M83 和 NGC 1234" --- ## 与其他 LLM 和框架集成 ### LangChain 集成 您可以使用 `langchain-mcp-adapters` 包将此 MCP 服务器与 LangChain 集成： ```bash pip install langchain-mcp-adapters ``` ```python from langchain_mcp_adapters.client import MCPClient from langchain_openai import ChatOpenAI # 连接到 MCP 服务器 client = MCPClient( command="python", args=["path/to/ALMA_MCP/server.py"] ) # 从 MCP 服务器获取工具 tools = client.get_tools() # 与任何 LangChain 兼容的 LLM 一起使用 llm = ChatOpenAI(model="gpt-4") llm_with_tools = llm.bind_tools(tools) ``` ### 开源 LLM 对于开源 LLM（Ollama、LMStudio 等），您可以： 1. **使用 MCP 兼容的客户端**：一些开源项目（如 [MCP CLI](https://github.com/modelcontextprotocol/cli)）支持将 MCP 服务器连接到本地 LLM。 2. **直接调用函数**：直接在 Python 代码中导入服务器函数： ```python from server import search_alma_by_target, search_alma_by_position, get_alma_info # 直接使用工具 result = search_alma_by_target("M87", search_radius_arcmin=5.0) print(result) # 获取 ALMA 参考信息 info = get_alma_info() print(info) ``` 3. **构建 REST API**：将 MCP 工具封装在 FastAPI/Flask 服务器中，以支持通过 HTTP 进行函数调用。 --- ## 架构 ``` ALMA_MCP/ ├── server.py # 主要的 MCP 服务器，包含 16 个工具 ├── requirements.txt # Python 依赖项 ├── test_server.py # 测试套件 └── README.md # 本文件 ``` --- ## 功能 ### ALMA 档案访问 - **目标搜索**：通过 SIMBAD 解析对象名称并搜索 ALMA - **位置搜索**：按 RA/Dec 坐标进行锥形搜索 - **提案搜索**：按 PI 名称、提案 ID 或科学类别查找 - **频率搜索**：按频率范围（GHz）查询 - **分辨率搜索**：按角分辨率（角秒）筛选 - **自定义 SQL**：对 ALMA TAP 执行任意 ADQL 查询 ### 核心查询工具（8 个原始工具） | 工具 | 描述 | |------|-------------| | `search_alma_by_target` | 按天文学对象名称搜索（SIMBAD 分辨率） | | `search_alma_by_position` | 按 RA/Dec 坐标进行锥形搜索 | | `search_alma_by_proposal` | 按 PI 名称或提案 ID 搜索 | | `search_alma_by_frequency` | 按频率范围（GHz）搜索 | | `search_alma_by_resolution` | 按角分辨率（角秒）搜索 | | `check_alma_line_coverage` | 检查光谱线覆盖与红移 | | `get_alma_info` | ALMA 波段、线路和功能参考 | | `run_alma_tap_query` | 对 TAP 执行自定义 SQL/ADQL 查询 | ### 扩展查询工具（8 个新工具 - 来自 ALMA 笔记本） | 工具 | 描述 | |------|-------------| | `search_alma_by_source_name` | 按 PI 指定的目标名称搜索（精确或部分） | | `search_alma_by_bibliography` | 按 bibcode、期刊、作者或出版年份搜索 | | `search_alma_by_member_ous` | 按 Member OUS 数据集标识符搜索 | | `search_alma_by_data_type` | 搜索立方体（光谱）或图像（连续） | | `search_alma_by_science_keyword` | 按 ALMA 科学关键词搜索 | | `search_alma_by_abstract` | 提案/出版物摘要全文搜索 | | `search_alma_by_sensitivity` | 按连续或线路灵敏度（mJy/beam）搜索 | | `query_alma_multiple_sources` | 批量查询多个源 | ### 多后端支持 - **alminer**：高级 ALMA 查询，带有光谱线工具 - **pyvo**：直接 TAP/ADQL 访问 ALMA 档案 - **astroquery**：SIMBAD 名称解析 --- ## 依赖项 ### 核心要求 ``` fastmcp>=2.0.0 # MCP 框架 pandas>=1.5.0 # 数据处理 ``` ### 天文学库 ``` alminer>=0.2.0 # 高级 ALMA 查询 pyvo>=1.4.0 # TAP/ADQL 访问 astroquery>=0.4.0 # SIMBAD, VizieR 等 astropy>=5.0.0 # 天文学实用工具 ``` --- ## 路线图 ### 当前（v1.0）✅ - [x] ALMA 目标名称搜索，SIMBAD 分辨率 - [x] 基于位置的锥形搜索 - [x] 频率范围搜索 - [x] 角分辨率过滤 - [x] 提案/PI 搜索 - [x] 光谱线覆盖检查 - [x] 自定义 SQL/TAP 查询 - [x] ALMA 信息和波段参考 - [x] 源名称搜索（PI 指定名称，精确/部分） - [x] 参考文献/出版物搜索（bibcode, 期刊, 作者, 年份） - [x] Member OUS ID 搜索（数据集标识符） - [x] 数据类型过滤（立方体 vs 图像） - [x] 科学关键词搜索，带有过滤器 - [x] 摘要全文搜索（提案和出版物） - [x] 灵敏度搜索（连续或线路） - [x] 批量多源查询 ### 计划（v2.0） - [ ] VLA 档案集成 - [ ] GBT 档案集成 - [ ] 结果缓存以加快查询速度 - [ ] FITS 文件下载支持 - [ ] 跨档案对象匹配（ALMA + VLA + 光学） - [ ] 可视化工具（天空图谱，谱线图） - [ ] 数据下载工作流 --- ## 移动到独立位置 此文件夹设计为可移植。要移动它： 1. 复制整个 `ALMA_MCP/` 文件夹到所需位置 2. 更新 `config.json` 中的路径 3. 重启 Claude Desktop --- ## 贡献 1. 分叉仓库 2. 创建功能分支（`git checkout -b feature/vla-support`） 3. 添加数据源，遵循现有模式 4. 编写新功能测试 5. 提交拉取请求 ## 作者 - **Adam Zacharia Anil** - 主要开发者 - **Adele Plunkett** - 科学顾问 --- ## 致谢 特别感谢： - **Adele Plunkett** - 在整个项目中提供宝贵的指导和建议 - **NRAO（国家射电天文台）** - 支持天文学研究和数据访问 - **Brian Mason** - 提供技术专业知识和支持 - **Cosmic AI / Stella Offner** - 激发将 AI 应用于天文学研究的灵感 --- ## 许可证 MIT 许可证 - 详情请参阅 [LICENSE](LICENSE) 获取详细信息。 --- ## 引用 如果您在研究中使用此软件，请引用： ```bibtex @software{alma_mcp, title={ALMA MCP 服务器：AI 代理的天文学数据访问}, author={Adam Zacharia Anil 和 Adele Plunkett}, year={2025}, url={https://github.com/adamzacharia/ALMA_MCP} } ``` --- ## 支持 - **问题**：[GitHub Issues](https://github.com/adamzacharia/ALMA_MCP/issues) - **文档**：此 README 和内联代码注释 - **讨论**：[GitHub Discussions](https://github.com/adamzacharia/ALMA_MCP/discussions)