使用说明
标题：医疗分诊系统 表情符号🩺 颜色来源：蓝色 颜色To：绿色 sdk:docker 固定：false
医疗分诊MCP服务器+LangGraph集成
总结
医疗分诊系统是一个智能平台，旨在简化患者评估和医疗资源分配。通过将模型上下文协议（MCP）服务器与高级LangGraph工作流集成，该应用程序自动化了从症状摄入到预约的分诊过程。患者可以输入他们的症状，然后使用医学知识库和人工智能推理进行分析。该系统确定每个病例的紧急程度，为患者匹配合适的医生或专家，并管理预约时间表和通知。其模块化架构确保了可扩展性、可维护性，并易于与外部大型语言模型（LLM）集成，以增强对自然语言的理解。该平台适用于寻求优化患者流程、减少人工工作量并通过智能自动化改善医疗结果的诊所、医院和远程医疗提供者。
特性
- MCP服务器：暴露人工智能代理的医疗资源和工具
- LangGraph工作流：协调完整的分流流程
- 医学知识库：症状、状况和分诊协议
- 医生数据库：可用的医生和专家
- 委任制：预订和可用性管理
- 通知系统：患者沟通
快速启动（本地）
python3.12 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# Set env for LLM
export USE_LLM=true
export LLM_MODEL=qwen2.5:7b
export LLM_BASE_URL=https://your-public-llm.example.com
# Run frontend
streamlit run frontend.py
在拥抱脸空间上部署（Docker SDK）
- 创建一个空间（SDK：Docker，公共）。
- 推送此回购（必须包括
Dockerfile,requirements.txt,frontend.py). - 空间→ 设置→ 变量和秘密，设置：
USE_LLM=trueLLM_MODEL=qwen2.5:7bLLM_BASE_URL=https://your-public-llm.example.com
- Spaces将构建并运行容器。打开空间URL。
环境变量
USE_LLM（默认值true)：设置为false强制回退解析LLM_MODEL（默认值qwen2.5:7b)LLM_BASE_URL（需要时USE_LLM=true)
项目结构
Medical_mcp/
├── src/
│ ├── mcp_server/
│ │ ├── __init__.py
│ │ ├── server.py
│ │ ├── resources.py
│ │ └── tools.py
│ ├── langgraph_workflow/
│ │ ├── __init__.py
│ │ ├── workflow.py
│ │ ├── nodes.py
│ │ └── state.py
│ ├── models/
│ │ ├── __init__.py
│ │ └── data_models.py
│ └── utils/
│ ├── __init__.py
│ └── helpers.py
├── tests/
├── examples/
├── frontend.py
├── main.py
├── requirements.txt
├── Dockerfile
└── README.md
安装
- 创建Python 3.12虚拟环境：
python3.12 -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
- 安装依赖项：
pip install -r requirements.txt
- 确保Ollama使用的是骆驼3:8b模型：
ollama pull llama3:8b
ollama serve
用法
运行主应用程序：
python main.py
建筑
该系统遵循模块化架构：
- MCP服务器 (
src/mcp_server/)：处理医疗资源和工具 - LangGraph工作流 (
src/langgraph_workflow/)：协调分流流程 - 数据模型 (
src/models/)：定义数据结构 - 公用事业 (
src/utils/)：辅助功能
工作流程
- 解析患者症状
- 利用医学知识评估分诊的紧迫性
- 寻找合适的医生
- 预订预约
- 发送通知
