内容
# mcp-nv-reason-cxr-3b
一个 [FastMCP](https://github.com/jlowin/fastmcp) 服务器，暴露 **NV-Reason-CXR-3B** — 一个胸部X光片推理模型 — 作为MCP工具，通过Prefect Horizon部署。图像预处理在本地CPU上运行；GPU推理被调度到一个 **Modal** 无服务器端点，因此容器不需要GPU或模型权重。
**部署的MCP端点：** `https://mcp-nv-reason-cxr-3b.fastmcp.app/mcp`
客户端连接到该MCP端点；服务器反过来调用 **Modal端点** (`MODAL_ENDPOINT_URL`) 进行推理。
## 工具
| 工具 | 描述 | 返回值 |
|------|-------------|---------|
| `analyze_cxr` | 带有逐步推理的一般放射学分析（异常，支持设备，检查结果） | 推理链，答案，原始文本 |
| `reason_cxr` | 针对特定临床问题的目标推理 | 推理链，答案，原始文本 |
| `health` | 存活探针 | 状态 |
两个分析工具都返回一个JSON对象，包含推理链，简洁的答案，原始模型输出和研究用途免责声明。失败报告一个原因（验证）或错误（运行时）。
### 参数
- `image_b64` — base64胸部X光片（JPEG或PNG），最小64×64。缩小到1280px最长边后调度。
- `image_id` — 用于跟踪的标识符。
- `prompt` — 临床问题。`reason_cxr`需要一个；`analyze_cxr`默认为一般异常和支持设备检测。
## 配置
| 变量 | 必需 | 描述 |
|----------|----------|-------------|
| `MODAL_ENDPOINT_URL` | 是 | Modal基准URL，例如 `https://<workspace>--cxr-reasoning-fastapi-app.modal.run` |
| `FASTMCP_DOCKET_URL` | 否 | 用于后台任务的Redis URL（`rediss://…`） |
## 连接
将任何MCP客户端指向托管端点：
```json
{
"mcpServers": {
"nv-reason-cxr-3b": {
"url": "https://mcp-nv-reason-cxr-3b.fastmcp.app/mcp"
}
}
}
```
## 运行
要自我托管：
```bash
# Docker
docker build -t cxr-mcp .
docker run -p 8080:8080 \
-e MODAL_ENDPOINT_URL=https://<your-modal-endpoint>.modal.run \
cxr-mcp
# 本地
pip install -r requirements.txt
export MODAL_ENDPOINT_URL=https://<your-modal-endpoint>.modal.run
python server.py
```
多阶段`python:3.11-slim`构建，作为非root用户运行，暴露端口8080。通过无状态HTTP提供服务，带有JSON响应；请求正文最多64 MB。
## 免责声明
仅限研究和教育使用。不是医疗设备；输出不得用于临床诊断或治疗决策。
## 许可证
Apache License 2.0 — 请参阅 [LICENSE](LICENSE)。
