MCP开发-07.案例-阿里云Argo与多MCP蛋白设计

发表于 | 分类于
在阿里云 ACK 上，以 Argo Workflows 跑 ESM2/ESMFold/MPNN 重计算，三个专用 MCP Server 负责调度；存储用 OSS 与 NAS，并给出 Tool 接口、WorkflowTemplate 与部署要点。

本系列：00 什么是 MCP · 01 协议与心智模型 · 02 Python 框架选型 · 03 部署与调用 · 04 重任务与优化 · 05 从 0 开发 · 06 进阶示例 · 07 阿里云案例（本文）

1. 场景与目标

在 MCP Host（如 Cursor、内部 Agent 平台）中，用户希望用自然语言驱动酶/蛋白相关分析：

能力 模型 输入 输出
序列嵌入 ESM2 氨基酸序列 / FASTA 嵌入向量（.npz）
结构预测 ESMFold 氨基酸序列 / FASTA 3D 结构（.pdb / .cif）+ pLDDT
序列设计 ProteinMPNN 等 3D 结构 新酶序列（.fasta）

单次任务 GPU 占用高、耗时长，不适合在 MCP 进程内同步推理。本文给出在 阿里云 上的落地方式：

  • 计算编排：ACK 集群内的 Argo Workflows
  • 对象存储：OSS（输入/输出、跨步骤 URI 传递）
  • 共享文件：NAS（模型权重、缓存、大体积中间文件）
  • 协议层：三个独立 MCP Server（+ 可选 pipeline MCP），模式见 04 重服务与长任务

段末注释：ACK（Alibaba Cloud Container Service for Kubernetes，阿里云容器服务 Kubernetes 版）是托管 K8s；OSS（Object Storage Service，对象存储服务）用于存放大对象；NAS（Network Attached Storage，文件存储 NAS）提供 POSIX 共享挂载。

2. 总体架构（阿里云）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
flowchart TB
  subgraph host [MCP Host]
    Agent["LLM Agent"]
  end

  subgraph ack [ACK 集群]
    subgraph mcp_ns [命名空间 mcp-gateway]
      E2["esm2-mcp\nStreamable HTTP"]
      EF["esmfold-mcp"]
      MP["mpnn-mcp"]
    end
    subgraph argo_ns [命名空间 argo]
      AW["Argo Workflows"]
    end
    subgraph gpu [GPU 节点池]
      W1["esm2-worker Pod"]
      W2["esmfold-worker Pod"]
      W3["mpnn-worker Pod"]
    end
  end

  OSS["阿里云 OSS\noss://protein-runs/"]
  NAS["文件存储 NAS\n/mnt/nas/models"]
  RDS["RDS / Redis\nrun 元数据"]

  Agent --> E2 & EF & MP
  E2 & EF & MP --> AW
  E2 & EF & MP --> RDS
  AW --> W1 & W2 & W3
  W1 & W2 & W3 --> OSS
  W1 & W2 & W3 --> NAS
  E2 & EF & MP --> OSS

分工原则：

组件 职责
MCP Server 参数校验、写 OSS 输入、提交 Argo Workflow、查状态、返回摘要与 URI；不加载模型
Argo Workflow GPU Pod 生命周期、重试、超时、DAG（可选全链路）
OSS 每个 run_id 目录存 input/output；MCP 与 Worker 只传 URI 字符串
NAS 各 Worker 镜像挂载同一 模型目录（ESM2/ESMFold/MPNN 权重），避免打进镜像
RDS / Redis run_id → status, workflow_name, output_uris（MCP 快速查询）

MCP 部署建议：Streamable HTTP + 无状态（03 部署与调用），Ingress 或 ALB（Application Load Balancer，应用型负载均衡）暴露 HTTPS。

3. 存储布局与 URI 约定

3.1 OSS 目录（跨 MCP 串联）

1
2
3
4
5
6
7
8
9
oss://{bucket}/protein-runs/{run_id}/
  input.fasta                 # 或 input.pdb（MPNN 上游）
  meta.json                   # 参数、服务名、创建时间
  outputs/
    embedding.npz             # esm2-mcp
    structure.pdb             # esmfold-mcp
    metrics.json              # pLDDT 等
    designed.fasta            # mpnn-mcp
  logs/

跨服务传递：只传 oss://{bucket}/protein-runs/{run_id}/outputs/structure.pdb，禁止把 PDB 全文塞进 Tool 返回或 LLM context。

3.2 NAS 挂载（Worker Pod）

挂载路径 内容
/mnt/nas/models/esm2/ ESM2 权重
/mnt/nas/models/esmfold/ ESMFold 权重
/mnt/nas/models/mpnn/ MPNN checkpoint
/mnt/nas/cache/ 可选，HF / 临时缓存

NAS 选型：容量型 NAS 存模型；若多可用区 Worker，使用 NAS 挂载点 与 ACK PersistentVolume 绑定（存储类 alicloud-nas）。

3.3 鉴权

  • MCP Pod / Worker Pod：通过 ACK RRSA（RAM Roles for Service Accounts）或 Worker RAM 角色，授予 OSS PutObject/GetObject、NAS 读权限；勿在 Tool 参数或镜像中写 AccessKey。
  • MCP 返回结果时，大文件可提供 OSS 签名 URL（短期有效），供用户浏览器或下游下载。

4. 三个 MCP 服务定义

三个服务 Tool 形态统一，便于 Agent 记忆；实现可共用 argo_client.py、oss_client.py（oss2 SDK）。

4.1 通用 Tool 集（每个 MCP 相同模式）

Tool 说明
submit_* 创建 run、上传输入到 OSS、提交 Argo Workflow；返回 run_id（支持 Task 时立即 working）
get_run_status(run_id) pending / running / succeeded / failed
fetch_run_summary(run_id) 摘要 + output_uris；小 JSON 可 inline
cancel_run(run_id) 终止 Argo Workflow

Resource 示例：resource://runs/{run_id}/summary（只读 meta + OSS 路径列表）。

4.2 esm2-mcp（序列 → 嵌入）

1
2
3
4
5
6
7
8
9
submit_esm2_embed(
    sequence: str | None = None,
    fasta_oss_uri: str | None = None,   # oss://bucket/.../input.fasta
    model: str = "esm2_t33_650M_UR50D",
    pooling: str = "mean",              # mean | per_residue
) -> str  # run_id

fetch_run_summary(run_id: str) -> dict
# 例: { "embedding_uri": "oss://.../embedding.npz", "shape": [L, 1280], ... }

Argo WorkflowTemplate 名：esm2-embed（见 §6）。

4.3 esmfold-mcp（序列 → 3D 结构）

1
2
3
4
5
6
7
8
submit_esmfold_predict(
    sequence: str | None = None,
    fasta_oss_uri: str | None = None,
    num_recycles: int = 3,
) -> str

fetch_run_summary(run_id: str) -> dict
# 例: { "pdb_uri", "mean_plddt", "n_residues", "preview_lines": "HEADER..." }

GPU 建议：独占 A10 / V100 / GU30 等 ACK GPU 共享池 中较大显存规格；与 ESM2 分 WorkflowTemplate 与节点池。

4.4 mpnn-mcp（结构 → 新序列）

1
2
3
4
5
6
7
8
9
10
submit_mpnn_design(
    structure_oss_uri: str,             # 必填，来自 esmfold 的 pdb_uri
    num_sequences: int = 8,
    method: str = "protein_mpnn",       # 可扩展 diffusion 等
    fixed_positions: list[int] | None = None,
    temperature: float = 0.1,
) -> str

fetch_run_summary(run_id: str) -> dict
# 例: { "fasta_uri", "top_sequences_preview": ["MKFL...", ...], "scores": [...] }

典型 Agent 调用链：

1
2
3
esmfold.submit → poll → fetch → pdb_uri
mpnn.submit(structure_oss_uri=pdb_uri) → poll → fetch → fasta_uri
（可选）esm2.submit(fasta_oss_uri=fasta_uri)  # 对比设计前后嵌入

5. 可选：pipeline-mcp（Argo DAG 一键）

若 Host 常跑固定流程，可增加第四个 MCP，内部提交 一条 Argo DAG：

1
2
3
4
5
6
flowchart LR
  IN["input.fasta\nOSS"] --> FOLD["esmfold"]
  FOLD --> PDB["structure.pdb\nOSS"]
  PDB --> DESIGN["mpnn"]
  DESIGN --> OUT["designed.fasta\nOSS"]
  OUT --> EMB["esm2 可选"]
1
2
3
4
5
submit_enzyme_design_pipeline(
    sequence: str,
    mpnn_num_sequences: int = 8,
    also_embed_designs: bool = False,
) -> str  # pipeline_run_id

单步调试仍用三个专用 MCP；产品化「一键酶设计」用 pipeline。

6. Argo WorkflowTemplate（阿里云适配骨架）

以下 YAML 为 骨架，镜像需推送到 ACR（Alibaba Cloud Container Registry，容器镜像服务）；参数由 MCP 在 submit_* 时注入。

6.1 ESM2 嵌入

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
apiVersion: argoproj.io/v1alpha1
kind: WorkflowTemplate
metadata:
  name: esm2-embed
  namespace: argo
spec:
  entrypoint: embed
  arguments:
    parameters:
      - name: run-id
      - name: input-oss-uri
      - name: output-oss-uri
      - name: model-name
      - name: pooling
  templates:
    - name: embed
      container:
        image: registry.cn-hangzhou.aliyuncs.com/your-ns/esm2-worker:latest
        command: [python, -m, esm2_worker]
        args:
          - --run-id={{workflow.parameters.run-id}}
          - --input-uri={{workflow.parameters.input-oss-uri}}
          - --output-uri={{workflow.parameters.output-oss-uri}}
          - --model={{workflow.parameters.model-name}}
          - --pooling={{workflow.parameters.pooling}}
          - --model-dir=/mnt/nas/models/esm2
        env:
          - name: OSS_ENDPOINT
            value: oss-cn-hangzhou-internal.aliyuncs.com   # 同地域用内网 endpoint
        volumeMounts:
          - name: nas-models
            mountPath: /mnt/nas/models
        resources:
          limits:
            nvidia.com/gpu: "1"
            memory: 16Gi
      volumes:
        - name: nas-models
          persistentVolumeClaim:
            claimName: nas-models-pvc
      retryStrategy:
        limit: 2
      activeDeadlineSeconds: 3600

6.2 ESMFold / MPNN

结构类似，替换：

  • 镜像：esmfold-worker、mpnn-worker
  • NAS 子路径：/mnt/nas/models/esmfold、/mnt/nas/models/mpnn
  • GPU / memory：ESMFold 显存需求更高，可设 activeDeadlineSeconds: 7200
  • MPNN 输入参数：--structure-uri={{workflow.parameters.structure-oss-uri}}

6.3 MCP 提交 Workflow（Python 概念代码）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from argo_workflows.api import workflow_service_api
import oss2

def submit_workflow(template: str, run_id: str, params: dict) -> str:
    body = {
        "namespace": "argo",
        "resourceKind": "WorkflowTemplate",
        "resourceName": template,
        "submitOptions": {
            "name": f"{template}-{run_id[:8]}",
            "parameters": [f"{k}={v}" for k, v in params.items()],
        },
    }
    # 调用 Argo Server API（集群内 Service 或 Ingress）
    ...
    return body["submitOptions"]["name"]

Worker 内读写 OSS 使用 oss2，Endpoint 与 Bucket 同地域，优先 内网 endpoint 免流量费、降延迟。

7. ACK 部署清单

7.1 集群与组件

项 建议
ACK 集群 至少 1 个 GPU 节点池（可按 ESMFold / MPNN 分池）
Argo Workflows argo 命名空间安装；MCP 通过 K8s RBAC create workflows
MCP Deployment mcp-gateway 命名空间，2+ 副本，无状态 HTTP
Ingress / ALB HTTPS，WAF 可选；校验 MCP Origin 头
ACR 私有镜像；与 ACK 同地域

7.2 MCP Pod 环境变量（示例）

1
2
3
4
ARGO_SERVER_URL=https://argo.internal/api/v1
OSS_BUCKET=protein-runs
OSS_ENDPOINT=oss-cn-hangzhou-internal.aliyuncs.com
REDIS_URL=redis://:****@r-xxx.redis.rds.aliyuncs.com:6379/0

7.3 Host 侧注册（多 MCP）

1
2
3
4
5
6
7
{
  "mcpServers": {
    "esm2": { "url": "https://mcp.example.com/esm2/mcp" },
    "esmfold": { "url": "https://mcp.example.com/esmfold/mcp" },
    "mpnn": { "url": "https://mcp.example.com/mpnn/mcp" }
  }
}

建议在某一 MCP 上提供 @mcp.prompt() enzyme_design_workflow，写明：先 esmfold → 再 mpnn → 可选 esm2；禁止粘贴完整 PDB。

8. 异步、Task 与取消

与 04 一致：

  • Host 支持 Tasks：@mcp.tool(task=True)，内部 watch Argo Workflow 状态并 report_progress（如「Argo phase: Running」）。
  • 不支持 Tasks：暴露 submit_* + get_run_status + fetch_run_summary 三 Tool。
  • 取消：cancel_run → Argo terminate Workflow；Worker 应监听 SIGTERM 释放 GPU。
任务 典型耗时 说明
ESM2 秒～分钟 序列长度线性影响
ESMFold 分钟级 长序列需大显存
MPNN 分钟级 num_sequences 可 Argo 内 parallel steps

9. 安全与成本

主题 做法
鉴权 RAM 角色 + RRSA；OSS Bucket 私有；MCP 网关 OAuth / mTLS
网络 Worker 与 OSS/NAS 同 VPC；MCP 仅内网 Ingress
成本 GPU 节点池 弹性伸缩（缩容至 0 需注意冷启动）；OSS 生命周期转低频存储
合规 序列/结构数据按租户前缀隔离：oss://bucket/{tenant_id}/protein-runs/

10. 落地顺序建议

  1. ACK + NAS 模型目录 + OSS Bucket + ACR 镜像（先 ESMFold Worker 跑通）。
  2. esmfold-mcp + WorkflowTemplate + submit / status / summary。
  3. mpnn-mcp，输入改为 structure_oss_uri。
  4. esm2-mcp（可选特征/对比）。
  5. pipeline-mcp 或 Argo DAG 串联；接入 ARMS（应用实时监控服务）做 Workflow 与 MCP 链路追踪。

11. 与本系列其他篇章的关系

篇章 关联
04 重服务与长任务 MCP 薄、Worker 厚；Tasks；Resource 卸载
03 部署与调用 HTTP 无状态、Ingress、生产清单
06 进阶示例 Tool / Resource / Task 代码形态

12. 小结

MCP Argo Template OSS 输出 NAS
esm2-mcp esm2-embed embedding.npz ESM2 权重
esmfold-mcp esmfold-predict structure.pdb ESMFold 权重
mpnn-mcp mpnn-design designed.fasta MPNN 权重

在阿里云上，OSS 管对象、NAS 管模型、Argo 管算力、MCP 管协议与调度；三个（或四个）MCP 服务并列注册，由 Agent 按 URI 串联，即可在 Host 内完成「嵌入 → 折叠 → 设计」酶工程工作流。

-------------本文结束感谢您的阅读-------------