首次使用 bio-research 插件时盘点 MCP…

适用于第一次进入 bio-research 插件环境，检查已连接的文献、药物发现、可视化 MCP 服务器和可用分析技能，并决定从哪个研究任务开始。

适用场景

解决思路

1. 若看到不熟悉的占位符或需要检查已连接工具，查看 CONNECTORS.md。
2. 按顺序执行以下步骤，帮助生物研究者熟悉 bio-research 插件。
3. Step 1：显示欢迎信息：“Bio-Research 插件\n\n你的生命科学 AI 研究助手。该插件将文献检索、数据分析流水线和科学策略整合在一处。”
4. Step 2：通过列出可用工具来测试哪些 MCP 服务器已连接。
5. 将结果按以下分组：文献与数据源：~~literature database — 生物医学文献检索。
6. 文献与数据源：~~literature database — 预印本访问（生物学与医学）。
7. 文献与数据源：~~journal access — 学术出版物。
8. 文献与数据源：~~data repository — 协作研究数据（Sage Bynetworks）。
9. 药物发现与临床：~~chemical database — 生物活性化合物数据库。
10. 药物发现与临床：~~drug target database — 药物靶点发现平台。
11. 药物发现与临床：ClinicalTrials.gov — 临床试验注册库。
12. 药物发现与临床：~~clinical data platform — 临床试验中心排名和平台帮助。
13. 可视化与 AI：~~scientific illustration — 创建科学图表和示意图。
14. 可视化与 AI：~~AI research platform — 生物学 AI（组织病理学、药物发现）。
15. 报告哪些服务器已连接、哪些尚未设置。
16. Step 3：列出此插件中可用的分析技能：
17. Single-Cell RNA QC — 使用基于 MAD 的过滤对 scRNA-seq 数据进行质量控制。
18. scvi-tools — 用于单细胞组学的深度学习（scVI、scANVI、totalVI、PeakVI 等）。
19. Nextflow Pipelines — 运行 nf-core 流水线（RNA-seq、WGS/WES、ATAC-seq）。
20. Instrument Data Converter — 将实验室仪器输出转换为 Allotrope ASM 格式。
21. Scientific Problem Selection — 选择研究问题的系统化框架。
22. Step 4：说明另外两个 MCP 服务器可作为单独安装项使用，这是可选设置。
23. ~~genomics platform — 访问云分析数据和工作流；安装：从 https://github.com/10XGenomics/txg-mcp/releases 下载 `txg-node.mcpb`。
24. ~~tool database（Harvard MIMS）— 用于科学发现的 AI 工具；安装：从 https://github.com/mims-harvard/ToolUniverse/releases 下载 `tooluniverse.mcpb`。
25. 说明这些需要下载二进制文件，且是可选的。
26. Step 5：询问研究者今天在做什么。
27. 根据常见工作流建议起点：文献综述 — “Search ~~literature database for recent papers on [topic]”。
28. 分析测序数据 — “Run QC on my single-cell data” 或 “Set up an RNA-seq pipeline”。
29. 药物发现 — “Search ~~chemical database for compounds targeting [protein]” 或 “Find drug targets for [disease]”。
30. 数据标准化 — “Convert my instrument data to Allotrope format”。
31. 研究策略 — “Help me evaluate a new project idea”。
32. 等待用户回复，并引导他们使用合适的工具和技能。

适用边界 · 注意事项

• 尚未安装或启用 bio-research 插件、未配置相关 MCP 服务器/连接器时，无法完成连接检查与工具引导。
• 只需要执行某个具体分析任务、不需要首次环境盘点或工具概览时。
• 非生命科学研究，或不需要文献、药物发现、单细胞/测序分析等工具时。