Проект / Python

SuyashEkhande/OpenFDA-Semantic-MCP: OpenFDA-Semantic-MCP — MCP-сервер для AI-доступа к базе данных FDA

Дайте вашему AI-агенту прямой доступ к миллионам записей FDA о лекарствах, устройствах и побочных эффектах — без риска галлюцинаций и с защитой от ошибок.

★ 11 Python Форки 0 Issue 0 Оценка 8/10 Карточка проверена

Открыть на GitHub Официальный сайт Помочь с установкой

Для кого это

Разработчики AI-ассистентов в сфере здравоохранения и жизненных наук, специалисты по фармаконадзору и безопасности, интеграторы LLM (например, Claude Desktop).

Проблема / задача

Стандартные API openFDA имеют ограничения (лимит на пропуск 26 000 записей, сложный синтаксис запросов, неудобство для LLM), а прямое подключение к API часто приводит к раздуванию контекста, ошибкам парсинга и галлюцинациям при отсутствии данных.

Как это работает

OpenFDA-Semantic-MCP — это production-ready MCP-сервер на Python, построенный на FastMCP и Pydantic. Он покрывает 100% эндпоинтов openFDA: лекарства, медицинские устройства, пищевые продукты, косметику, табачные изделия и другие категории. Архитектура использует предметно-ориентированное проектирование (DDD): каждый поддомен (drug, device, food и т.д.) изолирован в отдельном модуле. Сервер предоставляет LLM такие...

Что видно по README

Ключевые возможности

Полное покрытие всех API openFDA (лекарства, устройства, еда, косметика, животные, табак, прозрачность, неклинические данные)Интент-ориентированные инструменты для LLM (например, analyze_drug_profile, evaluate_medical_device)Автоматическая пагинация с обходом лимита openFDA в 26 000 записей (stateful cursor pagination)Антигаллюцинационные Pydantic схемы: строгие Literal-типы, основанные на документации openFDAКорректная обработка 404: «No Matches Found» возвращает пустой массив без крашаСемантическая агрегация: одновременный опрос нескольких эндпоинтов и сжатие данных для LLM

Технологии

Python 3.12+FastMCPPydantichttpxMCP (Model Context Protocol)Python

Темы и ключи

fastmcpfdalifesciencesmcpopenfda

Интересный факт

Проект умеет извлекать search_after токены из HTTP-заголовка Link, чтобы AI мог листать миллионы записей, не тратя контекст на длинные URL.

С чего начать

Установите Python 3.12+ и клонируйте репозиторий
Установите зависимости: pip install -e . (или poetry install)

Оценка GitRadar

Удобство

7/10

Свежесть

8/10

Перспектива

9/10

Монетизация

6/10

Общая оценка

8/10

Вердикт GitRadar

Стоит попробовать, если вы разрабатываете AI-ассистентов в области здравоохранения и нуждаетесь в надёжном, безопасном и семантически богатом доступе к openFDA. Проект уже показал зрелость (production-grade), имеет чёткую архитектуру и решает типичные проблемы интеграции LLM с реальными API.

Наблюдения по обновлениям

Проект активно развивается: 11 звёзд, 0 форков, нет открытых issues. Последние коммиты — не указаны, но по звёздам и пустым issues можно предположить, что это недавняя разработка.

Что мы проверили

Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.

Исходный репозиторий: https://github.com/SuyashEkhande/OpenFDA-Semantic-MCP
Официальный сайт: https://open.fda.gov/apis/
Создан на GitHub: 12 апреля 2026 г.
Последнее обновление репо: 12 апреля 2026 г.
Последняя проверка GitRadar: 12 апреля 2026 г.
Изученные файлы: README.md, main.py, pyproject.toml, src/openfda_mcp/server.py, src/openfda_mcp/main.py, src/openfda_mcp/core/exceptions.py

FAQ

Для кого подходит?

Для разработчиков AI-решений в медицине и фармацевтике, Data Scientist’ов, специалистов по безопасности и интеграторов, которые хотят подключить LLM к реальным данным FDA с минимальными затратами на доработку.

Источники

GitHub исходный код и активность
Официальный сайт позиционирование и демо
README описание, ссылки, стартовые материалы

Нужна помощь с SuyashEkhande/OpenFDA-Semantic-MCP?

Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.

Смотреть услуги Открыть на GitHub Написать в Telegram