본문으로 건너뛰기

트렌딩 - GitHub 인기 레포 & HuggingFace 모델

K-Dense-AI/scientific-agent-skills

Python28 / 0

생물정보학부터 신약개발, 임상연구까지 158개 과학 스킬과 100개 이상 데이터베이스 접근을 제공하는 오픈소스 스킬 라이브러리.

TL;DR

이 레포는 RDKit·Scanpy·PyTorch Lightning 같은 70여 개 파이썬 패키지를 스킬로 문서화하고, database-lookup 하나로 PubChem·ChEMBL·ClinicalTrials.gov 등 78개 공개 데이터베이스에 접근하게 해 신약개발·유전체학·단일세포분석·임상연구·재료과학 등 다양한 영역의 워크플로를 실행 가능하게 만든다. Benchling·DNAnexus 같은 실험실·클라우드 플랫폼 연동 스킬과 문헌 검색·동료 평가·그랜트 작성 같은 연구 커뮤니케이션 스킬까지 포함해 단일 프롬프트로 여러 스킬을 조합한 다단계 파이프라인을 돌릴 수 있다. Cursor·Claude Code·Codex·Google Antigravity처럼 Agent Skills 표준을 지원하는 호스트에 설치되며, 스크립트가 있는 모든 스킬에는 테스트가 있고 Cisco AI Defense 스캐너로 매주 보안 스캔을 돌린다. 임상·진단 관련 스킬은 명확히 연구·초안 용도로 한정되어 있어 실제 의료 결정에는 쓰지 않도록 설계되었다.

핵심 포인트

  • 78개 데이터베이스를 하나의 database-lookup 스킬로 통합해 항시 로드되는 컨텍스트 비용을 13.9배 줄였다고 밝힌 설계 근거가 뚜렷하다.
  • 약물 스크리닝부터 단일세포 분석, 임상시험 분석, 재료과학까지 158개 스킬이 도메인 전체를 뒤덮어 개별 패키지 도입 시간을 줄인다.
  • 모든 스크립트 포함 스킬에 테스트 스위트를 강제하고 매주 보안 스캐너로 검사해 신뢰도를 관리한다는 점이 커뮤니티 스킬 저장소 중에서도 드물다.
  • PK/PD 모델링, ISO 표준 준비, 임상 리포트 초안 등 규제·임상 영역 스킬은 실제 결정이 아닌 자격 있는 검토자를 위한 초안 산출로 경계를 명시한다.

벤치마크

벤치마크지표비교
database-lookup 컨텍스트 절감always-on context 비용 배수13.9x 절감78개 개별 스킬 대비
pyopenms 스킬 과제 성공률task success100%스킬 미사용 시 96%
pyopenms API 오류오류 감소율92% 감소스킬 미사용 대비
optimize-for-gpu 평균 속도speedup평균 58배12개 라이브러리, 1.7배~492배 범위

40.7k

STARS

3.8k

FORKS

+243

TRENDING

28

조회수

watchers 40.7kopen issues 24MIT License

관련 토론

아직 관련 토론이 없습니다.

댓글

댓글을 작성하려면 로그인이 필요합니다.