MCP-сервер Genomic Intelligence

• Имя в реестреai.genomicintelligence/genomic-intelligenceподтверждён в реестре MCP

Имя в реестре лежит в пространстве genomicintelligence.ai. Реестр пускает в такое пространство только того, кто доказал владение доменом через DNS или HTTP.

• Состояниеотвечаетпроверено 2026-10-20
• Инструменты15
• Сервер называет себяgi-mcp
• Версия сервера0.1.0a26
• Версия протокола2025-06-18

2026-10-20 сервер ответил на initialize и tools/list без входа. Первый ответ за 101 мс.

• Делают ли инструменты работу продукта, ещё не проверено.
• Проверок пока 2 из 7, нужных, чтобы судить о надёжности.

Вывод сделан правилами по замерам выше. Вероятный первый вызов выбрала модель по списку инструментов: прочитайте описание, прежде чем на него полагаться.

• Оценка INITE MCPчерез неделюдля оценки нужно 7 ежедневных проверок, пока 2
• Отвечалидёт замерпроверок пока 2, долю покажем после 7
• Медиана первого ответа1543 мс
• Место в контексте агента≈ 5 891 токеновописания всех инструментов (15), агент держит их в контексте на каждом ходу
• Описания инструментовA · 100 из 100
• Типизированные ответы15 из 15 инструментовобъявлен outputSchema: ответ приходит с типами и читается сразу

• Все инструменты проходят все шесть проверок.

Программа проверяет сервер раз в день: initialize и tools/list, без модели. Токены - это длина описаний из расчёта примерно четыре символа на токен. Оценка - среднее шести проверок имени, описания, схемы и аннотаций каждого инструмента. Она говорит, насколько понятно описаны инструменты, а не о том, работают ли они. Оценка складывается только из замеренного: отвечает ли сервер (30%), делает ли работу продукта (25%), описания (20%), контекст (10%) и использование (15%). Незамеренная часть не учитывается, а скрытая инструкция ограничивает оценку 40 баллами. Состояние MCP-серверов вендоров: методика и цифры →

• list_models

  List available models for a task. Use to discover model ids before passing one as the `model` argument to a predict tool. The same catalog is also available as the resource `gi://models`. Returns a FLAT object — {task, default_model…

• fetch_ensembl_sequence

  Fetch a gene's reference sequence from Ensembl and store it. Returns a handle ({ref, name, length, preview, ...}). Pass the `ref` to predict_* tools — the bases stay server-side. For expression, use fetch_gene_for_expression instead (it…

• fetch_region

  Fetch a genomic region by coordinates from Ensembl and store it. For "find the genes in chr8:127,680,000-127,800,000"-style requests: resolves a coordinate range to reference sequence and returns a handle ({ref, name, length, ...}) to…

• fetch_gene_for_expression

  Fetch a gene's sequence prepared for expression prediction. Resolves the gene's canonical-transcript TSS via Ensembl and stores a gene-sense sequence centred on it, as a handle to pass to predict_expression(sequence_ref=...). Longer…

• load_demo_sequence

  Load a bundled demo reference sequence and return a handle. The server ships one curated, task-correct positive control per task (list them via the gi://sequences resource) — e.g. `expression_hbb_k562` is a ready-to-use K562 expression…

• store_inline_sequence

  Store a human-pasted sequence and return a handle to re-use it. For a sequence you've already pasted into the conversation, this gives back a short handle so you can run several tasks on it without re-pasting the bases in each predict_*…

• predict_promoter

  Predict promoter regions (G0). 300–500,000 bp. Returns the {data, meta} envelope: data.regions lists predicted promoters with start/end/score. 300 bp is the task floor for every promoter model. The default g0-promoter-2000bp scans a 2,000…

• predict_splice

  Predict splice donor/acceptor sites (G0 BigBird). 100–500,000 bp. The model reads a 15,000 bp context window, so anything shorter is scored against a padded window — feed a whole transcript locus when you can. It is also strand-specific…

• predict_enhancer

  Predict enhancer activity (G0 DeepSTARR). 50–500,000 bp. 50 bp is the task's admission floor (the API 422s below it), not a statement about what the model reads: enhancer models score a 249 bp context window, so 50–248 bp is accepted and…

• predict_chromatin

  Chromatin annotation across 919 features (G0 DeepSEA). 200–500,000 bp. The model reads a 1,000 bp context window; 200–999 bp is accepted and scored against a padded window.

• predict_expression

  Predict a gene's expression from the sequence around its TSS. Expression is cell-type-specific, so `description` (cell type / assay context, e.g. 'K562 cell line') is REQUIRED — the API rejects requests without it. The input rule is the…

• find_genes

  Find genes (transcript intervals) in a genomic region (async, ~8-25s). Takes 1,000–500,000 bp. The floor is the strictest of the scanning tasks: gene finding needs a region, not a site. (Only expression's 9,198 bp is higher, and that is…

• find_genes_and_predict_expression

  Find genes in a sequence, then predict each gene's expression (composite). Server-side chaining in ONE call: finds genes (transcript intervals, with their TSS) in the sequence, then predicts expression off each discovered TSS in the given…

• get_job

  Poll an async job once. Returns the {data, meta} result if complete, a progress envelope if still running, or an error envelope if it failed.

• list_jobs

  List the caller's recent async jobs (also available as gi://jobs/recent).