dicom-mcp MCP Server

Co robi serwer MCP “dicom-mcp”?

dicom-mcp MCP Server to wyspecjalizowany serwer Model Context Protocol (MCP) zaprojektowany do płynnej interakcji z serwerami DICOM, w tym PACS (Picture Archiving and Communication Systems) oraz VNA (Vendor Neutral Archives). Umożliwia asystentom AI wykonywanie złożonych operacji na danych obrazowania medycznego, takich jak wyszukiwanie rekordów pacjentów, odczytywanie raportów klinicznych czy przenoszenie serii obrazowych pomiędzy systemami. Udostępniając te podstawowe operacje DICOM i PACS jako zunifikowane, narzędziowe punkty końcowe, dicom-mcp pozwala na automatyzację i inteligentne przepływy pracy dla obrazowania medycznego, wspierając zadania takie jak zapytania do baz danych, ekstrakcja raportów oraz integracja z zewnętrznymi punktami diagnostyki AI. To znacząco zwiększa produktywność programistów oraz umożliwia zaawansowane zastosowania w ochronie zdrowia wymagające bezpiecznego, programowalnego dostępu do archiwów obrazowania medycznego.

Lista promptów

Lista zasobów

Lista narzędzi

• query_patients: Wyszukiwanie pacjentów na serwerze DICOM według różnych kryteriów.
• query_studies: Pobieranie metadanych badań dla określonych pacjentów lub na podstawie filtrów.
• query_series: Listowanie serii obrazowych w badaniu lub pasujących do filtrów.
• extract_pdf_text_from_dicom: Ekstrakcja i zwracanie tekstu z osadzonych raportów PDF w plikach DICOM.
• move_series: Wysyłanie serii DICOM do wskazanego miejsca docelowego (np. do punktu AI w celu dalszej analizy).

Przykłady użycia tego serwera MCP

• Wyszukiwanie pacjentów i badań: Umożliwia programistom wyszukiwanie i pobieranie metadanych pacjentów, badań i serii obrazowych, wspierając przegląd dokumentacji medycznej i selekcję kohort.
• Ekstrakcja raportów klinicznych: Automatyzuje pobieranie i analizę raportów klinicznych przechowywanych jako PDF w badaniach DICOM, ułatwiając podsumowanie i analizę historii medycznej.
• Integracja z przepływami AI: Umożliwia wysyłanie danych obrazowych do punktów AI w celu przetwarzania (np. segmentacja, diagnoza), usprawniając zaawansowane pipeline’y obrazowania.
• Przemieszczanie danych obrazowych: Automatyzuje transfer serii DICOM pomiędzy systemami lub lokalizacjami, wspierając współpracę między ośrodkami czy badania naukowe.
• Zarządzanie połączeniami: Dostarcza narzędzia do zarządzania i poznawania dostępnych opcji zapytań oraz możliwości serwera DICOM, wspierając integrację systemów.

Jak to skonfigurować

Windsurf

1. Upewnij się, że masz zainstalowanego Pythona 3.12+.
2. Zlokalizuj plik konfiguracyjny Windsurf.
3. Dodaj serwer dicom-mcp MCP używając poniższego fragmentu JSON:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Zapisz plik i zrestartuj Windsurf.
5. Zweryfikuj działanie serwera, sprawdzając panel MCP w Windsurf.

Claude

1. Zainstaluj Pythona 3.12+.
2. Zlokalizuj plik konfiguracyjny Claude.
3. Dodaj serwer dicom-mcp MCP:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Zapisz zmiany i zrestartuj Claude.
5. Potwierdź integrację przez interfejs Claude.

Cursor

1. Upewnij się, że Python 3.12+ jest dostępny.
2. Otwórz panel ustawień/konfiguracji Cursor.
3. Wstaw poniższy fragment pod serwery MCP:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Zapisz i zrestartuj Cursor.
5. Sprawdź, czy dicom-mcp pojawia się na liście serwerów MCP.

Cline

1. Potwierdź instalację Pythona 3.12+.
2. Edytuj plik konfiguracyjny Cline.
3. Dodaj szczegóły serwera dicom-mcp MCP:

   {
     "mcpServers": {
       "dicom-mcp": {
         "command": "dicom-mcp",
         "args": []
       }
     }
   }
   

4. Zapisz i zrestartuj Cline.
5. Zweryfikuj dostępność serwera dicom-mcp w Cline.

Bezpieczne przekazywanie kluczy API poprzez zmienne środowiskowe

W systemach wymagających kluczy API lub danych uwierzytelniających, używaj zmiennych środowiskowych dla bezpiecznego wstrzykiwania. Przykład:

{
  "mcpServers": {
    "dicom-mcp": {
      "command": "dicom-mcp",
      "args": [],
      "env": {
        "DICOM_USERNAME": "${DICOM_USERNAME}",
        "DICOM_PASSWORD": "${DICOM_PASSWORD}"
      },
      "inputs": {
        "server_url": "https://your.dicom.server/api"
      }
    }
  }
}

Jak użyć tego MCP w przepływach

Używanie MCP w FlowHunt

Aby zintegrować serwery MCP ze swoim workflow w FlowHunt, rozpocznij od dodania komponentu MCP do swojego flow i połączenia go z agentem AI:

Kliknij na komponent MCP, aby otworzyć panel konfiguracyjny. W sekcji konfiguracji systemowej MCP wklej dane serwera MCP w poniższym formacie JSON:

{
  "dicom-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po skonfigurowaniu agent AI będzie mógł korzystać z tego MCP jako narzędzia, ze wszystkimi jego funkcjami i możliwościami. Pamiętaj, aby zamienić “dicom-mcp” na faktyczną nazwę swojego serwera MCP i podać własny adres URL.

Podsumowanie

Na podstawie powyższego dicom-mcp oferuje świetną dokumentację kluczowych narzędzi i konfiguracji, lecz nie zawiera jawnych szablonów promptów ani definicji zasobów. Sampling i wsparcie Roots nie zostały opisane. Projekt jest dojrzały i posiada jasną licencję, jednak niektóre zaawansowane funkcje MCP nie są w pełni ujawnione.

Wynik MCP

Ocena ogólna: 7/10
dicom-mcp jest solidny i dobrze udokumentowany pod kątem integracji DICOM/PACS, ale zyskałby na jawnych szablonach promptów/zasobów oraz pełniejszym opisie zaawansowanych funkcji MCP.