这项多中心试验显示，序贯使用COX-2抑制剂帕瑞昔布和伊美昔布显著降低了重症急性胰腺炎（SAP）的发生率，缩短了器官功能障碍持续时间，减少了局部并发症，并降低了30天死亡率，且安全性良好。
一项全面的瑞典研究表明，显微镜下结肠炎（MC）患者发展为抑郁症和焦虑症等精神障碍的风险显著增加，强调了综合临床管理的重要性。
心脏磁共振成像（MRI）T1映射和细胞外体积分数（ECV）提供了心肌纤维化的无创标志物，在心力衰竭各亚型和非缺血性扩张型心肌病中对不良心血管结局显示出一致的预后价值。
了解器官钙化的原因，区分无害与危险类型，并学习如何根据专家建议解读您的健康报告。
探索微妙的肝脏症状如何预示严重疾病，从肝炎到肝癌的发展过程，以及有效习惯保护肝脏健康的方法。
PANDA II 研究表明，流感疫苗接种显著降低了急性心力衰竭患者的死亡率和再住院率，支持将其作为全球心力衰竭管理的标准组成部分。
根据最近的科学研究，仅仅将就寝时间提前一小时就可以帮助体重管理、降低抑郁风险并保护心脏。
一支多学科的中国团队开发了一种基于AI的MRI-病理学基础模型，能够准确、无创地诊断和分级前列腺癌，显著改善临床决策并减少不必要的活检。
了解每天仅需10分钟的靠墙坐如何显著降低血压并带来令人惊讶的好处，从心脏健康到关节护理和体重管理。
间歇性禁食因其代谢和减肥益处而受到欢迎，但新的研究表明，缩短进食窗口可能增加心血管风险，提示需要谨慎并采取个性化方法。
微塑料，直径小于5毫米的塑料颗粒，已悄无声息地通过饮用水、空气和食物渗透到我们的身体中。它们在器官中积累，加速细胞老化，并增加炎症。了解隐藏来源并采取实用措施减少暴露。
本分析比较了接受保留生育功能的激素治疗与子宫切除术治疗的年轻早期子宫内膜癌患者的生存情况，指出40岁以下女性的生存率相当，而接受激素治疗的较年长患者死亡风险增加。
一项大型基于人群的遗传学研究阐明了已知癌症易感基因中罕见致病性变异与单发和多发原发性癌症风险之间的关联，支持对受影响个体进行多基因面板检测。
本文探讨了胃肠道疾病与睡眠障碍之间的关联，强调抑郁作为部分中介因素的重要性，并指出改善睡眠质量需要同时关注肠道和心理健康。
最近的一项调查显示，尽管大多数美国心脏病学家支持心血管健康的生活方式建议，但他们在饮食和身体活动指南方面的个人依从性并不一致。
最近的一项研究表明，超过80%的阿莫西林过敏患者能够耐受哌拉西林-他唑巴坦，尽管约有18%的患者出现交叉反应，这突显了在使用前进行仔细的过敏测试的必要性。
用于肥胖和2型糖尿病管理的GLP-1受体激动剂与总体癌症风险降低17%相关，尤其是激素敏感性癌症，但可能增加肾癌风险。需要进一步研究以明确其安全性和机制。
FDA 已授权辉瑞和莫德纳更新的 COVID-19 疫苗，旨在针对 LP.8.1 亚谱系，扩大了 65 岁以上成人和有高风险条件的个体的疫苗接种范围，增强对不断演变的变异株的免疫防御。
一项在缺血性卒中后2个月开始的为期8周的心肺运动计划，在12个月时改善了认知表现，尽管与对照组相比，海马体积没有显著保留。该干预措施安全可行，为卒中后认知护理提供了有希望的途径。
本研究在呼吸健康个体中建立了可靠的 FeNO 参考值，并强调了影响一氧化氮水平的因素，从而提高了哮喘的诊断和管理。
<p>Context7 是 Upstash 推出的AI编程辅助工具，为大型语言模型（LLMs）和 AI 代码编辑器提供最新、版本特定的文档和代码示例。通过解析文档、丰富内容、向量化和重新排名等步骤，确保开发者能获取到准确且最新的代码示例和文档。Context7 支持多种工具，如 Cursor、Windsurf、Claude Desktop 等，通过模型上下文协议（MCP）实现集成。</p> <p>使用 Context7 时，开发者只需在提示中添加 use context7，可自动获取相关上下文，提高代码生成的准确性和可靠性。适合快速更新的框架或小众包，显著减少生成错误或过时代码的风险。Context7 的安装和配置相对简单，支持多种安装方式，包括通过 Smithery、Docker 等。</p> <h2 style="font-size: 20px;">Context7的主要功能</h2> <ul> <li>实时文档获取：从官方源（如 GitHub、官方文档网站）拉取最新文档和代码示例，确保开发者获取到的信息是最新的。</li> <li>版本特定：能根据目标库的版本匹配相应的文档和代码示例，避免因版本不一致导致的问题。</li> <li>无缝集成：只需在提示中添加 <code class="segment-code-inline" data-v-30467974="" data-v-16354e31="">use context7</code>，可触发文档注入，与多种 MCP 兼容客户端（如 Cursor、Windsurf、Claude Desktop 等）集成。</li> <li>减少幻觉代码：降低 AI 生成不存在 API 或过时代码的可能性，提高代码生成的准确性。</li> <li>多平台支持：兼容多种开发工具，如 Cursor、Windsurf、VS Code 等。</li> <li>精准的上下文提取：从最新文档中提取干净、相关的代码片段，仅包含代码和描述，没有多余内容。</li> <li>广泛的库支持：目前已支持超过 6000 个流行库，主流框架基本都能找到。</li> <li>免费使用：个人使用每天可免费查询多达 50 次。</li> <li>resolve_library_id：通过提供指定库的模糊关键字，找到具体所指的包。</li> <li>get_library_docs：获取指定包的文档内容，提供真正的文档而非搜索结果。</li> </ul> <h2 style="font-size: 20px;">Context7的工作原理</h2> <ul> <li>解析：从文档中提取代码片段和示例。</li> <li>丰富：使用 LLMs 添加简短解释和元数据。</li> <li>向量化：嵌入内容以便进行语义搜索。</li> <li>重新排名：使用自定义算法对结果进行相关性评分。</li> <li>缓存：从 Redis 提供请求，以获得最佳性能。</li> </ul> <h2 style="font-size: 20px;">Context7地址</h2> <ul> <li>项目官网：<a class="external" href="https://context7.com/?utm_source=medsci" target="_blank" rel="noopener">context7.com</a></li> <li>Github仓库：<a class="external" href="https://github.com/upstash/context7" target="_blank" rel="noopener nofollow">https://github.com/upstash/context7</a></li> </ul>
<p>OpenMemory MCP 是mem0推出的基于开放模型上下文协议（MCP）构建的开源工具，能解决 AI 工具记忆痛点，实现不同工具间共享上下文信息。OpenMemory MCP支持 100% 本地运行，数据存储在用户本地设备上，确保隐私和安全。OpenMemory MCP 具备跨平台支持、标准化内存操作、集中式仪表板等优势，广泛用在软件开发、项目管理、错误跟踪等场景，帮助用户提升工作效率，让 AI 工具的交互更加连贯和高效。</p> <p><img src="https://img.medsci.cn/aisite/img//pp5XJ5dBUB97gIkjvRAMgkVubdZ4JdB8JcljnxbT.png"></p> <h2 style="font-size: 20px;">OpenMemory MCP的主要功能</h2> <ul> <li>跨客户端记忆共享：在不同工具（如Cursor、Claude Desktop等）之间共享记忆，无需重复输入。</li> <li>本地化存储：所有记忆存储在本地，不上传云端，确保隐私和安全。</li> <li>统一管理界面：内置仪表板，方便查看、添加、删除记忆，集中管理。</li> <li>兼容多种客户端：支持所有MCP兼容工具，如Cursor、Claude Desktop、Windsurf等。</li> <li>标准化操作：提供标准化API（如add_memories、search_memory等），方便记忆管理。</li> </ul> <h2 style="font-size: 20px;">OpenMemory MCP的技术原理</h2> <ul> <li>开放模型上下文协议（MCP）：基于MCP协议，不同AI工具（如Cursor、Claude等）共享上下文信息，确保数据的延续性。提供标准化的上下文操作（如添加、搜索、删除等），确保不同工具之间的一致性和互操作性。</li> <li>100%本地运行：所有数据存储在本地设备上，无需上传至云端，确保数据的安全性和隐私性。本地运行减少网络延迟，提升数据处理速度和用户体验。</li> <li>私有内存管理：上下文信息在会话结束后不会丢失，持久化存储在本地设备上。提供安全的读写机制，确保不同工具之间可以安全地共享和更新上下文信息。</li> <li>基于Docker的部署：基于Docker的部署方式，简化安装和运行过程。Docker容器确保运行环境的隔离和数据的安全性。</li> <li>零知识证明（ZK）技术：用零知识证明技术，确保数据在本地设备上的全程加密处理与验证。用户在不暴露原始数据的情况下进行数据验证或交易，进一步保护数据隐私</li> </ul> <h2 style="font-size: 20px;">OpenMemory MCP的项目地址</h2> <ul> <li>项目官网： <a href="https://mem0.ai/openmemory-mcp" target="_blank" rel="noopener">https://mem0.ai/openmemory-mcp</a> </li> <li>GitHub仓库： <a href="https://github.com/mem0ai/mem0/tree/main/openmemory" target="_blank" rel="noopener">https://github.com/mem0ai/mem0/tree/main/openmemory</a> </li> </ul>
Deepwiki MCP 服务器 这是一个非官方的 Deepwiki MCP 服务器 它通过 MCP 获取 Deepwiki URL，抓取所有相关页面，将其转换为 Markdown，然后返回一个文档或按页面列出的列表。 特征 🔒域名安全：仅处理来自 deepwiki.com 的 URL 🧹 HTML 清理：删除页眉、页脚、导航、脚本和广告 🔗链接重写：调整链接以使其在 Markdown 中工作 📄多种输出格式：获取一个文档或结构化页面 🚀性能：快速爬行，并发性和深度可调 NLP：仅搜索库名称
浏览并发现 MCP 用例、服务器、客户端和新闻，目前收集超过4000个MCP服务
百度搜索开放广场，集成了6000多个MCP
Higress 是一款云原生 API 网关，集成了流量网关、微服务网关、安全网关和 AI 网关的功能。 它基于 Istio 和 Envoy 开发，支持使用 Go/Rust/JS 等语言编写 Wasm 插件。 提供了数十个通用插件和开箱即用的控制台。 Higress AI 网关支持多种 AI 服务提供商，如 OpenAI、DeepSeek、通义千问等，并具备令牌限流、消费者鉴权、WAF 防护、语义缓存等功能。 MCP Server 插件配置 higress 功能说明 mcp-server 插件基于 Model Context Protocol (MCP)，专为 AI 助手设计，定义了 AI 模型与外部工具和资源交互的标准方式。 功能特点： 无需编写代码：将现有 REST API 转换为 AI 助手可调用的工具。 统一认证、鉴权、限流和可观测性：利用 Higress 网关提供的能力，确保安全性和性能。 快速构建和部署：通过 Higress 插件机制，快速添加新的 MCP Server。 运行属性 插件执行阶段：默认阶段 插件执行优先级：30
mcp-link是一个开源项目，旨在将任何OpenAPI V3 API自动转换为MCP（Machine Control Protocol）服务器。它通过自动化和标准化解决了现有生态系统中的一些关键问题，如大部分MCP服务器仅是Web API的简单封装，功能接口可能不完整，手动创建MCP接口既耗时又容易出错，以及缺乏标准化的转换流程。 项目技术分析 mcp-link的核心是基于OpenAPI Schema自动生成完整的MCP服务器。其架构清晰，易于集成，并且保证了所有API端点和特性的正确映射。项目使用Go语言开发，支持通过命令行参数进行灵活配置，包括指定端口号、API规范文件URL、目标API基础URL、认证头格式以及路径过滤表达式等。 项目及技术应用场景 mcp-link适用于多种场景，特别是那些需要将现有RESTful API快速集成到AI-driven应用生态系统的开发者。以下是几个应用实例： 自动化测试：通过将现有API转换为MCP服务器，开发者可以轻松地在自动化测试环境中使用这些API。 智能代理集成：AI Agent可以方便地通过MCP协议与转换后的API进行交互，从而实现更智能的决策支持和流程自动化。 第三方服务集成：对于需要连接多个服务以构建复合应用的场景，mcp-link可以极大地简化集成过程。 项目特点 自动转换：基于OpenAPI Schema自动生成MCP服务器，无需手动干预。 无缝集成：现有RESTful API可以立即与AI Agent调用标准兼容。 功能完整：确保所有API端点和特性正确映射。 零代码修改：无需修改原始API实现即可获得MCP兼容性。 开放标准：遵循MCP规范，确保与各种AI Agent框架的兼容性。
MCPServers 是一个开源的 MCP 服务和客户端目录，帮助开发者发现和分享优秀的 MCP 实现。
FastAPI 是一个高性能、易用且现代的Python Web 框架。无数的Web服务基于 FastAPI 开发。 MCP 作为一种新兴的标准，让AI能够直接调用外部工具和服务。而今天要介绍的 fastapi_mcp 库，让这一切变得简单得令人难以置信 - 只需一行代码，就能将你现有的FastAPI服务转变为MCP工具！ FastAPI-MCP 是一个零配置的工具，能够自动将 FastAPI 应用的端点暴露为 MCP 工具。其主要特点包括： 直接集成：可将 MCP 服务器直接挂载到 FastAPI 应用中； 零配置：只需指向 FastAPI 应用即可工作，无需复杂配置； 自动发现：自动发现所有 FastAPI 端点，并将其转换为 MCP 工具； 保留模式和文档：保留请求模型和响应模型的模式，以及所有端点的文档； 支持自定义工具：可在自动生成的工具之外，添加自定义的 MCP 工具。
A comprehensive map of all available MCP servers, from reference implementations to community contributions
Browse MCPs or post a MCP to reach 250,000+ monthly active developers.
github官方服务器
MCP服务器资源收集
开源的MCP服务器资源
收集MCP服务器和客户端资源
