xjtulyc/MedgeClaw

English | 中文

OpenClaw와 Claude Code를 기반으로 구축된 오픈 소스 생물 의학 AI 연구 보조 도구로, 생물 정보학 (bioinformatics), 신약 개발 (drug discovery), 임상 연구 (clinical research) 등을 위한 140개의 K-Dense 과학 기술 (K-Dense Scientific Skills)을 통합하고 있습니다.

WhatsApp, Slack 또는 Discord를 통해 연구 보조 도구와 대화하세요 → 보조 도구가 분석을 실행하면 → 사용자는 RStudio 또는 JupyterLab에서 결과를 확인합니다.

사용자 (WhatsApp · Slack · Feishu · Discord를 통한 음성 / 텍스트)
↓
OpenClaw Gateway (대화 레이어)
...

구성 요소	설명
OpenClaw	대화형 AI 게이트웨이 — 메시징 앱과 연결
Claude Code	복잡한 분석 워크플로 (workflows)를 자율적으로 실행
K-Dense Scientific Skills	즉시 사용 가능한 140개의 기술: 유전체학 (genomics), 신약 개발 (drug discovery), 임상 연구 (clinical research), 머신러닝 (ML) 등
Research Dashboard	진행 상황, 코드, 출력물 및 파일 미리보기를 보여주는 실시간 웹 대시보드
R 환경 (R Environment)	DESeq2, Seurat, edgeR, clusterProfiler, survival, ggplot2 등
Python 환경 (Python Environment)	Scanpy, BioPython, PyDESeq2, lifelines, scikit-learn 등
RStudio Server	localhost:8787에서 실행되는 브라우저 기반 R IDE
JupyterLab	localhost:8888에서 실행되는 브라우저 기반 Python/R 노트북
biomed-dispatch	요청을 Claude Code로 라우팅하는 브릿지 기술 (bridge skill)
CJK 시각화 (CJK Visualization)	matplotlib을 위한 CJK 글꼴을 자동 감지하여, 중국어 그래프에서 글자가 깨지는 현상(tofu blocks) 방지
SVG UI 템플릿 (SVG UI Templates)	목록, 체크리스트, 파이프라인 상태 및 풍부한 보고서를 위한 전문적인 SVG 패널
Feishu Rich Card	진행 상황 보고를 위해 Feishu 그룹 채팅에 이미지가 풍부한 인터랙티브 카드를 전송

Node.js 22+— nodejs.org
Docker + docker-compose— docs.docker.com
Git

• 지원되는 모델 제공업체 중 하나의 API 키 (아래 참조)

# 1. 서브모듈과 함께 클론 (K-Dense Scientific Skills 포함)
git clone --recurse-submodules https://github.com/xjtulyc/MedgeClaw
cd MedgeClaw
...

그 다음 메시징 앱을 열고 보조 도구와 대화를 시작하세요.

.env 파일은 다음을 제어합니다:

API 설정 (API settings): 제공자 (Provider), 기본 URL (base URL), 모델 (model), API 키 (API key)
제3자 프록시 수정 (Third-party proxy fix): ANTHROPIC_SMALL_FAST_MODEL (Anthropic 이외의 엔드포인트 사용 시 필수)
경로 재정의 (Path overrides) (선택 사항): MEDGECLAW_ROOT, OPENCLAW_DIR
Docker 설정 (Docker settings): 컨테이너 이름 (Container name), RStudio/Jupyter 비밀번호 (passwords)

사용 가능한 모든 옵션은 .env.example을 참조하세요.

제공자를 선택하려면 .env 파일을 편집하세요. 모든 제공자는 즉시 교체 가능한 형태(drop-in replacements)이므로, 다른 변경 사항은 필요하지 않습니다.

제공자 (Provider)	기본 URL (Base URL)	비고 (Notes)
Anthropic Claude (기본값)	https://api.anthropic.com	최상의 품질
MiniMax 2.1	https://api.minimax.chat/anthropic	중국(CN)에서 사용 가능
GLM-4.7 (Z.ai)	https://api.z.ai/api/anthropic	중국(CN)에서 사용 가능
DeepSeek	https://api.deepseek.com/anthropic	저비용
Ollama (로컬)	http://localhost:11434/v1	완전 오프라인

제3자 API 프록시(MiniMax, GLM, DeepSeek 또는 Anthropic 이외의 엔드포인트)를 사용하는 경우, .env 파일에 ANTHROPIC_SMALL_FAST_MODEL을 반드시 설정해야 합니다. 이 설정을 하지 않으면 Claude Code가 아무런 오류 메시지 없이 작동을 멈춥니다.

Claude Code는 모든 bash 명령을 실행하기 전에 가벼운 "소형 고속 모델 (small fast model)" (기본값은 claude-3-5-haiku)을 사용하여 **사전 비행 안전 점검 (pre-flight safety check)**을 수행합니다. 대부분의 제3자 프록시는 Haiku를 지원하지 않으며, 이로 인해 사전 점검 단계에서 503 오류가 발생하고 다음과 같은 메시지와 함께 무한 대기 상태에 빠집니다:

⚠️ [BashTool] Pre-flight check is taking longer than expected.

.env 파일에 다음 줄을 추가하세요:

# 제3자 API 프록시 사용 시 필수:
ANTHROPIC_SMALL_FAST_MODEL=claude-sonnet-4-20250514 # 또는 프록시가 지원하는 다른 모델

그 다음 bash setup.sh를 다시 실행하여 적용하세요.

# 30초 이내에 완료되어야 합니다. 만약 멈춘다면, SMALL_FAST_MODEL 설정이 잘못된 것입니다.
claude --dangerously-skip-permissions -p 'run: echo hello'

OpenClaw이 실행되면 다음과 같이 메시지를 보내세요:

Analyze RNA-seq data at data/counts.csv vs data/meta.csv, treatment vs control

Search PubMed for recent papers on CRISPR base editing, summarize top 10

data/clinical.csv에 대해 생존 분석 (survival analysis) 실행, time=OS_months, event=OS_status

data/10x/에 있는 10X 데이터에 대해 단일 세포 RNA-seq (single-cell RNA-seq) 분석 수행

ChEMBL에서 EGFR 억제제 (inhibitors) 가상 스크리닝 (Virtual screen) 수행 (IC50 < 50nM), SAR 보고서 생성

결과는 ./outputs/에 저장됩니다.

또한 RStudio (localhost:8787) 또는 JupyterLab (localhost:8888)에서 확인할 수 있습니다.

모든 분석 작업은 자동으로 **라이브 웹 대시보드 (live web dashboard)**를 생성하므로, 완료를 기다리거나 로그를 확인할 필요가 없습니다.

주요 기능:

실시간 진행 바 (Real-time progress bar)— 고정된 헤더로 항상 표시됨
분석 계획 개요 (Analysis plan overview)— 모든 단계가 완료 상태(✅/⏳)와 함께 나열됨
단계별 상세 내역 (Step-by-step breakdown)— 각 단계별로 설명 → 코드 (접기 가능) → 출력물 표시
인라인 미리보기 (Inline previews)— 이미지는 직접 렌더링되고, 표는 CSV 파일에서 로드되며, 텍스트 결과는 강조 표시됨
전체 스크립트 접근 (Full script access)— 코드 조각뿐만 아니라 클릭 한 번으로 전체 .py 파일 로드 가능
어디서나 복사 및 다운로드 (Copy & download everywhere)— 📋 코드/표/텍스트 복사, ⬇ 이미지/CSV 다운로드
색약 친화적 (Color-blind friendly)— IBM 접근성 팔레트 + GitHub Dark 테마 적용
파일 브라우저 (File browser)— 모든 출력 결과물을 클릭 한 번으로 미리보며 탐색 가능

작동 방식:

AI가 단계를 완료함 → state.json 업데이트 → 대시보드 자동 새로고침 (2초 간격 폴링)

세 개의 파일, 의존성 없음: dashboard.html + state.json + dashboard_serve.py.

전체 사양은 docs/dashboard.md를 참조하세요.

MedgeClaw/
├── docker/
│ ├── Dockerfile # R + Python + RStudio + Jupyter
...

MedgeClaw는 설정 기반 동기화 메커니즘을 통해 OpenClaw와 통합됩니다.

설정 (Configuration): .medgeclaw-sync.yml이 동기화 대상을 정의합니다.
동기화 스크립트 (Sync script): sync.py가 설정을 읽고 동기화를 수행합니다.
환경 (Environment): .env가 경로를 정의합니다 (선택 사항, 기본적으로 자동 감지됨).

다음 작업 후에 python3 sync.py를 실행하세요:

• 초기 설정 후

• 프로젝트 문서(MEDGECLAW.md, IDENTITY.md) 수정 후

• skills/ 내의 커스텀 스킬(custom skills) 추가 또는 업데이트 후

• .medgeclaw-sync.yml의 동기화 설정 변경 후

• Project docs → OpenClaw workspace

• Custom skills → OpenClaw workspace/skills/

• Identity/context → SOUL.md, AGENTS.md (추가됨)

• Skill paths → openclaw.json

자세한 내용은 SYNC_README.md를 참조하세요.

git submodule update --remote scientific-skills

기여를 환영합니다. 가장 가치 있는 기여는 다음과 같습니다:

• 더 나은 작업 라우팅 (task routing)을 위한 skills/biomed-dispatch/SKILL.md 개선
• skills/ 내의 새로운 도메인 특화 스킬 (domain-specific skills) 추가 (예: 특정 임상 또는 실험실 워크플로우용)
• Dockerfile 개선 (더 가벼운 이미지, 최신 패키지 버전 적용)

새로운 스킬을 추가할 때는 반드시 AgentSkills 사양을 준수해 주세요.

• 핵심 아키텍처: OpenClaw + Claude Code + K-Dense Scientific Skills 통합

• RStudio Server 및 JupyterLab을 포함한 Docker 분석 환경

• 제3자 API 프록시 지원 (BashTool 사전 점검을 위한 ANTHROPIC_SMALL_FAST_MODEL 수정 포함)

• Claude Code를 위한 CLAUDE.md 프로젝트 지침 (docker exec 실행 모델)

• 다국어 분석 검증 (Python + R, 직접 실행 + Claude Code + K-Dense skills)

• Research Dashboard: 진행 상황 추적, 단계별 코드 및 출력 미리보기, 복사/다운로드, 색약 친화적 디자인을 갖춘 실시간 웹 대시보드

• CJK 시각화 스킬: Docker 내 CJK 폰트 자동 감지, .ttc 문제 해결

• 폰트 렌더링 (font rendering) 문제 해결

• Feishu 연동: 팀 협업을 위한 Feishu 그룹 채팅 연결

• SVG UI 템플릿: Material Design 팔레트를 적용한 전문가급 SVG 패널 (목록, 체크리스트, 파이프라인 상태, 리치 텍스트 레이아웃)

• Feishu 리치 카드 (Rich Cards): Feishu 내에 이미지가 풍부한 인터랙티브 카드 전송 — SVG/matplotlib → PNG → Card Kit API를 통한 텍스트+이미지 혼합 레이아웃 지원

• 멀티 에이전트 워크플로우 (Multi-agent workflow): 하위 분석의 병렬 디스패치 (예: Python + R 동시 실행) 및 결과 집계와 교차 검증 (cross-validation)

• 자동 문헌 통합: PubMed/bioRxiv 검색 연결 → 분석 결과를 참조하여 서론(introduction) 및 고찰(discussion) 섹션 자동 생성

• 대화형 보고서 빌더 (Interactive report builder): 분석 출력물로부터 그림, 표, 통계적 서사를 포함한 출판 가능한 수준의 HTML/PDF 보고서 자동 생성

• 도메인 특화 스킬 체인 (Domain-specific skill chains): 일반적인 워크플로우를 위한 사전 구축된 파이프라인 (GWAS → PRS → 멘델 무작위 분석 (Mendelian Randomization), scRNA-seq → 궤적 (trajectory) → 세포 간 통신 (cell-cell communication))

• 재현성 엔진 (Reproducibility engine): 고정된 환경, 데이터 체크섬 (checksum), 원클릭 재실행 기능을 갖춘 Docker 기반 재현성 패키지 자동 생성

MIT © 2026 xjtulyc

이 프로젝트는 K-Dense Scientific Skills를 git 서브모듈 (MIT)로 포함합니다. 해당 저장소 내의 개별 스킬은 자체 라이선스를 가질 수 있으므로, 자세한 내용은 각 SKILL.md를 확인하십시오.