CDISC Library MCP探索
上个月CDISC官方做了一次关于CDISC Library API的上手直播，其中王军老师提到了CDISC Library 的API request可以做成MCP工具，本次文章记录了关于我对于CDISC Library MCP的探索。
当大家看到这篇推文的时候，已经可以通过魔搭社区或者安装pypi的python包体验到这款MCP工具。
MCP简要介绍
MCP（Model Context Protocol）是连接AI和外部工具/数据的标准化协议，能够让AI调用各类工具、实时数据和系统功能。
以前的AI只能和你对话，有了MCP的AI就像有了工具箱，可以完成更复杂的工作。
这个东西在AI领域已经出现一年多时间了，目前各大AI相关的MCP工具已经多到眼花缭乱，并且是当前构建AI Agents的基础环节。
CDISC Library API结合MCP思路
说回CDISC Library，我们可以把它做成MCP，是因为当我们在官方网站上点击API Tester选择API request 里面的python语法，这段代码在python中运行之后就能够获取到request的结果。
如果我们愿意把它打包成python def函数，再做进现在的MCP工具里，就能直接实现：问AI问题后让它自己运行这段代码去request，获取内容、自动分析并给出结果。而MCP工具现在满足python和Node.js SDK，只要会这两种代码，就能够做出这个MCP来。
使用指南
魔搭社区MCP广场试用
在魔搭社区的MCP广场（https://www.modelscope.cn/mcp）搜索'cdisc'，这个CDISC数据库MCP就是了，
在CDISC官网（https://api.developer.library.cdisc.org/api-details）申请自己的APIKEY，填写在环境变量这里：
填好之后，点击连接-试用
之后当你问和CDISC相关的问题时，LLM会自动搜索自己能用的工具并调用，这样就能够更加精准的得到答案，比如问：指定Domain 哪些变量需要加CT？
在Cherry Studio中使用
魔搭社区提供了便捷的在线体验环境，但在其他应用里你在能够用到更加新鲜、多元的LLM。Cherry Studio是提到MCP时被举例最多的应用（https://www.cherry-ai.com/），下载之后你可以添加自己的大模型APIKEY。之后去MCP服务器里安装uv和bun，鼠标点击就能自动安装，随后我们添加一个MCP服务器：
上面的参数：
（1）随便填写；（2）选STDIO；（3）写uvx；（4）必须写allensrj-cdisc-library-mcp，这个是我上传到pypi的python包名；（5）填写自己申请的官网CDISC APIKEY。
写完参数之后，把开关打开，就算正常运行了。
随后在对话页面里，选这个锤子标志，点击手动，选自己刚才添加的MCP服务器，之后就可以问问题验证了，比如问：具体codelist的值包含哪些terms？
还有其他方式方法，如Cursor、Cline、Claude Code等五花八门的编程相关工具中使用，任君探索。
CDISC Library MCP制作难点
记录一下做的过程中遇到的难点以及解决过程。
API Request重构
MCP工具一般不会超过20个def函数，因为过多的工具既会占用和AI交流的上下文token，也会增加AI把工具搞混淆的可能，所以官网的api request，一共有144个语句要重构。仔细看一遍这种Restful API的语句，能发现它规整且内容有所重叠。如SDTMIG包含Class、Dataset、Variable三个层面，既相互嵌套又存在一定内容重复，重构时先取Class部分、再取Dataset部分可以实现用2个def函数覆盖官网9个request。
其他部分，这次的MCP里还覆盖了SDTM Model、ADaM Model、CT、QRS、SENDIG、CDASHIG、Product list等内容。
DocString
DocString是python def里的内容，相当于提示词，对 AI调度MCP起关键作用。
超Token
API request返回的内容可能很大甚至超过LLM的能够解析token长度（根据各家模型不同），这是要考虑的实际问题，置之不理就会造成对话卡死。想过两种解决办法：1. 加part参数分段返回（效果不佳）；2. CT部分再返回JSON的时候只保留Codelist和terms的一对多关系。
一些思考
做这次探索的过程中，我一直在思考pypi包、modelscope、github库三者的关系。
pypi包发布后就能实现mcp被他人所调用，所以
allensrj-cdisc-library-mcp这个包是基础，我加上个人tag前缀，是为了区分CDISC官方的内容，避免命名冲突、误会（CDISC官方已发布过一个cdisc-library-client包）；modelscope更像是一个宣发平台和试用广场，方便你点点鼠标就能够体验功能；
而github库是这个mcp框架，承载逻辑和架构。
实际上，很多公司（不特指药企），该做的mcp可能是在本地跑AI去完成任务，并没有公开发布。目前的这个mcp，看起来实现了一个在线RAG的效果，是一次开箱即用的探索，希望能激发大家的灵感。
写在后面
AI领域的发展日新月异，2025年里MCP、Agents、Skills、Cowork等新技术层出不穷，作为生物医药产业里的一员，可能没法和AI产业里的人比追新速度，但是如果这项技术能和我们行业结合，我认为应该尽可能的了解和尝试。
编程类的项目往往是看似简单，实际上手永远都有踩不完的坑、意想不到的困难，目前发布的版本里有一些困难还没有完全克服，比如diff、Rule、Integrated部分还没理想的融进MCP里；此外，QRS有时候会因为长度超出模型允许的token上限，这些问题也是我接下来希望继续完善的方向。
最后，我在这里诚挚的和各位发出邀请：
如果你有过AI各类技术的探索、对于这个工具里的细节感兴趣；
或者发现这个工具有能够完善的地方、愿意给我一些指点；
再或者你只是充满好奇，想单纯聊聊mcp相关的问题；
都可以加我的微信（微信号：allensrj，备注：药企SP）联系我，我希望以开放的心态和大家交流、一起进步。
文中涉及资料
