はじめに

この記事で分かること:

科学研究に使える MCP サーバー 30+ 個の全体像（個別リポジトリ約 20 件 + mcp.science 内部サーバー 13 件を含む）
論文検索・バイオ・化学・数学・物理・HPC など分野別の詳細解説
各ツールのインストール方法・設定 JSON・使用例
GitHub Copilot CLI / Claude Code との組み合わせ方

想定読者: GitHub Copilot や Claude を研究に活用したい研究者・エンジニア

📖 所要時間: 約 30 分
🎯 難易度: 中級（MCP の基本概念を理解している方向け）
💻 環境: GitHub Copilot CLI / Claude Desktop / VS Code

⚠️ 本記事は前編の続編です
前編「Pythonを書かずにデータ分析：GitHub Copilot + Jupyter MCPで始める自然言語データサイエンス」を先にお読みいただくことをお勧めします。前編では Jupyter MCP を使った自然言語データ分析の基礎を解説しています。

MCP とは？ — 30秒おさらい

MCP（Model Context Protocol） は、AI アシスタントと外部ツール・データソースを接続する標準プロトコルです。

研究者 → GitHub Copilot CLI → MCP サーバー → 外部ツール/データベース
         （自然言語で指示）    （プロトコル変換）  （arXiv, UniProt, MATLAB...）

前編では Jupyter MCP を使ってデータ分析を行いましたが、MCP サーバーは Jupyter だけではありません。論文検索、タンパク質構造解析、記号数学、流体シミュレーション——あらゆる科学ドメインの MCP サーバーが急速に整備されつつあります。

本記事では、AI for Science を加速する科学系 MCP サーバーを網羅的に紹介します。

⚠️ Star 数について: 本記事の Star 数は 2026-06-01 時点の確認値です。急成長中のエコシステムのため、最新の数値は各 GitHub リポジトリで確認してください。

🚨 セキュリティに関する重要な注意:
コード実行系 MCP サーバー（MATLAB, Julia, mcp.science の ssh-exec, Globus の compute_submit, Foam-Agent, Jupyter 等）は、ローカルマシンや HPC クラスタ上でコードを実行します。以下の対策を推奨します:

隔離環境（Docker コンテナ、仮想環境）での実行
API キーや認証情報の適切な管理（環境変数、シークレットマネージャー）
人間による承認ステップの介在（自動実行の制限）
読み取り専用設定の活用（可能な場合）

全体マップ

2026年6月時点で確認できた科学系 MCP サーバーを分野別に整理すると、以下のようになります。

分野	MCP サーバー
📚 論文検索	arxiv-mcp-server ⭐2,803 / paper-search-mcp ⭐1,634 / Scientific-Papers-MCP / semantic-scholar-mcp
🧬 バイオ・医学	BioMCP ⭐520 / bioinformatics-mcp / AlphaFold MCP / PDBe MCP Servers / genesis-bio-mcp
🧪 化学・創薬	PubChem MCP / Rowan MCP / RDKit MCP / ChEMBL
🔢 数学・記号計算	sympy-mcp / mathematica-mcp / SageMath MCP
🔬 科学計算	MATLAB MCP ⭐846 / rmcp（R統計） / mcp.science（13サーバー） / Julia MCP
🌍 地球・宇宙	NASA MCP ⭐89
🏗️ 工学シミュレーション	Foam-Agent ⭐242
💻 研究インフラ	Globus MCP（HPC） / Jupyter MCP

⚠️ 設定 JSON の形式について: 本記事の設定 JSON は主に Claude Desktop / Claude Code 向けの mcpServers 形式で記載しています。VS Code（.vscode/mcp.json）では servers キーを使う形式が異なります。GitHub Copilot CLI では $HOME/.copilot/mcp-config.json に記載します。各クライアントの設定形式は公式ドキュメントを確認してください。

1. 📚 論文検索 MCP サーバー

研究の第一歩は先行研究の調査です。論文検索 MCP サーバーを使えば、「最近の強化学習の論文を 10 本探して」と自然言語で指示するだけで、AI が複数の学術データベースを横断検索し、関連論文をリストアップしてくれます。

1.1 arxiv-mcp-server — arXiv 論文検索の決定版

項目	内容
GitHub	blazickjp/arxiv-mcp-server
⭐ Stars	2,803（2026-06-01 確認、科学系 MCP で最多）
言語	Python 3.11+
ライセンス	Apache 2.0
API キー	不要

arXiv の論文を検索・ダウンロード・全文読み取りできる MCP サーバーです。ダウンロードした論文はローカルに保存され、再読み込みやセマンティック検索が可能です。

インストール

# 推奨: Smithery 経由（自動設定）
npx -y @smithery/cli install arxiv-mcp-server --client claude

# 手動: uv tool install
uv tool install arxiv-mcp-server

# PDF サポート付き
uv tool install 'arxiv-mcp-server[pdf]'

設定 JSON

claude_desktop_config.json

{
  "mcpServers": {
    "arxiv": {
      "command": "uvx",
      "args": ["arxiv-mcp-server"]
    }
  }
}

主要ツール

ツール	説明
`search_papers`	arXiv をキーワード・日付範囲・カテゴリで検索
`download_paper`	論文をダウンロード（HTML 優先、PDF フォールバック）
`read_paper`	ダウンロード済み論文の全文を Markdown で読み取り
`list_papers`	ローカル保存済み論文の一覧

Pro 版追加ツール（uv pip install -e ".[pro]"）:

ツール	説明
`semantic_search`	ローカル論文のセマンティック類似検索
`citation_graph`	Semantic Scholar 経由の引用グラフ取得
`watch_topic`	トピック監視の登録
`check_alerts`	新着論文アラートの確認

使用例

👤 「強化学習とロボティクスに関する最新の論文を5本検索して」
🤖 search_papers → 5件の論文リスト表示
👤 「2番目の論文を詳しく読みたい」
🤖 download_paper → read_paper → 論文の要約と主要な知見を提示

研究プロンプト

arxiv-mcp-server には研究支援用のプロンプトテンプレートも組み込まれています：

プロンプト	説明
`deep-paper-analysis`	論文の包括分析（要約、手法、結果、示唆、今後の方向性）
`summarize_paper`（Pro）	構造化された簡潔な要約
`compare_papers`（Pro）	複数論文の並列比較
`literature_review`（Pro）	テーマに基づく文献レビュー統合

⚠️ セキュリティに関する注意: arXiv の論文は外部入力であり、プロンプトインジェクション攻撃が埋め込まれている可能性があります（OWASP LLM01）。ファイルシステムやシェルツールと組み合わせるエージェントパイプラインでは、人間によるレビューを介在させてください[1]。

1.2 paper-search-mcp — 20+ ソース横断検索

項目	内容
GitHub	openags/paper-search-mcp
⭐ Stars	1,634
言語	Python 3.10+
ライセンス	MIT
API キー	基本機能は不要（一部オプション）

arXiv、PubMed、bioRxiv、medRxiv、Google Scholar、Semantic Scholar、Crossref、OpenAlex など 20 以上の学術プラットフォームを一括検索できるサーバーです。Free-first 戦略を採用しており、公開ソースがデフォルト、API キーはオプションです。

インストール

# 推奨: uvx（インストール不要、常に最新）
uvx paper-search-mcp

# Smithery 経由
npx -y @smithery/cli install @openags/paper-search-mcp --client claude

# pip
pip install paper-search-mcp

# Docker
docker build -t paper-search-mcp .
docker run --rm -i -e PAPER_SEARCH_MCP_UNPAYWALL_EMAIL=you@email.com paper-search-mcp

設定 JSON

settings.json

{
  "mcpServers": {
    "paper-search-mcp": {
      "command": "uvx",
      "args": ["paper-search-mcp"],
      "env": {
        "PAPER_SEARCH_MCP_UNPAYWALL_EMAIL": "your@email.com"
      }
    }
  }
}

対応プラットフォーム

プラットフォーム	検索	ダウンロード	全文読取	備考
arXiv	✅	✅	✅	オープン API
PubMed	✅	❌	⚠️	メタデータのみ
bioRxiv	✅	✅	✅	プレプリント
medRxiv	✅	✅	✅	医学プレプリント
Semantic Scholar	✅	✅	✅	API キー推奨
OpenAlex	✅	❌	⚠️	2 億件+
Crossref	✅	❌	⚠️	DOI メタデータ
CORE	✅	✅	✅	無料キー推奨
Europe PMC	✅	✅	✅	OA 論文
Zenodo	✅	✅	✅	研究データリポジトリ
HAL	✅	✅	✅	フランス学術
Google Scholar	⚠️	❌	❌	Bot 検知あり

主要ツール

ツール	説明
`search_papers`	複数ソース同時検索（重複排除付き）
`download_with_fallback`	OA フォールバックチェーン（出版社→OpenAIRE→CORE→Unpaywall）

1.3 その他の論文検索 MCP

Scientific-Papers-MCP

項目	内容
GitHub	benedict2310/Scientific-Papers-MCP
⭐ Stars	49
特徴	TypeScript 製、6 学術 DB 対応、全文抽出成功率 90%+、被引用数ランキング

npm パッケージ名は @futurelab-studio/latest-science-mcp です。

settings.json

{
  "mcpServers": {
    "scientific-papers": {
      "command": "npx",
      "args": ["-y", "@futurelab-studio/latest-science-mcp@latest"]
    }
  }
}

5 つのツール: list_categories, fetch_latest, fetch_top_cited, search_papers, fetch_content

Semantic Scholar MCP

項目	内容
GitHub	JackKuo666/semanticscholar-MCP-Server
⭐ Stars	69
特徴	引用グラフ探索・著者検索に特化、2 億件超の論文 DB

4 つのツール: search_semantic_scholar, get_semantic_scholar_paper_details, get_semantic_scholar_author_details, get_semantic_scholar_citations_and_references

📊 論文検索 MCP 比較表

機能	arxiv-mcp	paper-search-mcp	Scientific-Papers	semantic-scholar
対応ソース数	1（arXiv）	20+	6	1（S2）
全文抽出	✅	✅	✅	❌
引用グラフ	✅（Pro）	❌	❌	✅
著者検索	❌	❌	❌	✅
ローカル保存	✅	❌	❌	❌
セマンティック検索	✅（Pro）	❌	❌	❌
API キー	不要	一部オプション	CORE のみ	不要

💡 選び方ガイド:

arXiv 中心の研究 → arxiv-mcp-server（ローカル保存 + セマンティック検索が強力）
広範な文献調査 → paper-search-mcp（20+ ソース横断）
引用ネットワーク分析 → semantic-scholar-mcp（著者・引用グラフ特化）

2. 🧬 バイオインフォマティクス・医学 MCP サーバー

2.1 BioMCP — バイオ医学 MCP の最高峰

項目	内容
GitHub	genomoncology/biomcp
⭐ Stars	520（2026-06-01 確認、バイオ系 MCP で最多）
言語	Rust（高速）
ライセンス	MIT
API キー	不要

15 以上のデータソース（PubTator3, ClinicalTrials.gov, ClinVar, ChEMBL, PubChem, AlphaFold, RCSB PDB, Reactome, KEGG, PharmGKB 等）を13 のエンティティタイプ（遺伝子、変異、論文、臨床試験、薬剤、疾患、パスウェイ等）で統合的にアクセスできます。

インストール

# ワンコマンドインストール
curl -fsSL https://biomcp.org/install.sh | bash

# または uv/pip
uv tool install biomcp-cli
pip install biomcp-cli

設定 JSON

settings.json

{
  "mcpServers": {
    "biomcp": {
      "command": "biomcp",
      "args": ["serve"]
    }
  }
}

使用例

# BRAF 遺伝子に関する論文を検索
biomcp search article -g BRAF --limit 5

# BRAF のパスウェイと Human Protein Atlas データを取得
biomcp get gene BRAF pathways hpa

# メラノーマの募集中臨床試験を検索
biomcp search trial -c melanoma -s recruiting

# ワルファリンの相互作用を確認
biomcp drug interactions warfarin

2.2 AlphaFold MCP — AI タンパク質構造予測

項目	内容
GitHub	Augmented-Nature/AlphaFold-MCP-Server
⭐ Stars	34
ツール数	19 ツール（6 カテゴリ）
API キー	不要

2 億件超の AlphaFold 予測構造にアクセスし、信頼度スコア分析、バッチ処理、PyMOL/ChimeraX エクスポートが可能です。

主要ツール

カテゴリ	ツール例
構造取得	`get_structure`, `download_structure`, `check_availability`
検索	`search_structures`, `list_by_organism`
信頼度分析	`get_confidence_scores`, `analyze_confidence_regions`
バッチ処理	`batch_structure_info`, `batch_download`（最大 50 件）
比較	`compare_structures`, `find_similar_structures`
エクスポート	`export_for_pymol`, `export_for_chimerax`

設定 JSON

settings.json

{
  "mcpServers": {
    "alphafold": {
      "command": "node",
      "args": ["/path/to/alphafold-server/build/index.js"]
    }
  }
}

使用例

👤 「p53（TP53）のタンパク質構造を取得して、信頼度が 70% 以下の領域を特定して」
🤖 check_availability(uniprotId: "P04637")
   → get_confidence_scores(uniprotId: "P04637", threshold: 70)
   → 低信頼度領域（ディスオーダー領域）を報告

2.3 その他のバイオ系 MCP

bioinformatics-mcp-server

項目	内容
GitHub	AiAgentKarl/bioinformatics-mcp-server
特徴	NCBI Gene, ClinVar, UniProt, PubMed を統合（10 ツール）、API キー不要

settings.json

{
  "mcpServers": {
    "bioinformatics": {
      "command": "uvx",
      "args": ["bioinformatics-mcp-server"]
    }
  }
}

genesis-bio-mcp — 24 データベース統合

項目	内容
GitHub	WSobo/genesis_bio_mcp
特徴	42 ツール、UniProt/ChEMBL/AlphaFold/ClinicalTrials.gov/GTEx 等 24 DB 統合

PDBe MCP Servers（EMBL-EBI 公式）

項目	内容
GitHub	PDBeurope/PDBe-MCP-Servers
特徴	公式 Protein Data Bank Europe、Neo4j グラフ DB スキーマアシスタント

BioContextAI Registry — 査読済みバイオ MCP レジストリ

項目	内容
GitHub	biocontext-ai/registry
特徴	Nature 論文あり[2]、査読基準: OSI ライセンス, 無料アカデミックアクセス, MCP 準拠。MCP サーバーそのものではなく、バイオ系 MCP サーバーのキュレーション済みレジストリ

3. 🧪 化学・創薬 MCP サーバー

3.1 PubChem MCP — 化合物データベース

項目	内容
GitHub	cyanheads/pubchem-mcp-server
ツール数	8 ツール
API キー	不要

PubChem の PUG REST / PUG View API を通じて、化合物検索（名前/SMILES/InChIKey/サブストラクチャ/類似性）、物性データ、安全性情報、バイオアクティビティデータにアクセスできます。

設定 JSON

settings.json

{
  "mcpServers": {
    "pubchem": {
      "command": "npx",
      "args": ["-y", "@cyanheads/pubchem-mcp-server"]
    }
  }
}

主要ツール

ツール	説明
`pubchem_search_compounds`	5 種の検索モード（名前, SMILES, InChIKey, 分子式, サブストラクチャ）
`pubchem_get_compound_details`	分子量, XLogP, TPSA, Lipinski Rule of 5, ATC コード
`pubchem_get_compound_image`	2D 構造図（PNG）
`pubchem_get_bioactivity`	IC50, EC50, Ki などのバイオアッセイ結果
`pubchem_get_compound_safety`	GHS 危険分類

3.2 Rowan MCP — 量子化学 & 創薬パイプライン

項目	内容
GitHub	k-yenko/rowan-mcp
⭐ Stars	23
ツール数	45 ツール（6 カテゴリ）
API キー	必要（labs.rowansci.com で無料取得）

クラウドベースの量子化学プラットフォーム Rowan と連携し、分子の構造最適化から創薬ドッキングまでのフルパイプラインを自然言語で実行できます。

設定 JSON

settings.json

{
  "mcpServers": {
    "rowan": {
      "command": "uvx",
      "args": ["--from", "rowan-mcp", "rowan-mcp"],
      "env": {
        "ROWAN_API_KEY": "your_api_key"
      }
    }
  }
}

主要ツール（抜粋）

カテゴリ	ツール例	説明
量子化学	`submit_basic_calculation_workflow`	構造最適化、振動数計算
分子物性	`submit_pka_workflow`, `submit_solubility_workflow`	pKa, 溶解度予測
ADMET	`submit_admet_workflow`	薬物動態・毒性予測
ドッキング	`submit_docking_workflow`	Vina/QVina2/Smina によるドッキング
タンパク質	`submit_protein_cofolding_workflow`	AlphaFold 式タンパク質共折り畳み

使用例

👤 「アスピリンの pKa を計算して」
🤖 submit_pka_workflow(smiles: "CC(=O)OC1=CC=CC=C1C(=O)O") → pKa: 3.49

👤 「イブプロフェンの薬物らしさ（drug-likeness）を評価して」
🤖 submit_descriptors_workflow → Lipinski Rule of 5 合格

👤 「化合物 X を PDB:1HCK にドッキングして」
🤖 submit_docking_workflow → 結合エネルギー、ポーズ可視化

3.3 RDKit MCP — ケモインフォマティクス

項目	内容
GitHub	tandemai-inc/rdkit-mcp-server
特徴	RDKit 2025.3.1 の全機能を MCP ツールとして公開。SMILES パース、分子記述子、フィンガープリント、サブストラクチャ検索、2D/3D 構造生成

4. 🔢 数学・記号計算 MCP サーバー

4.1 sympy-mcp — Python 記号数学

項目	内容
GitHub	sdiehl/sympy-mcp
⭐ Stars	72（2026-06-01 確認）
ツール数	31 ツール
ライセンス	Apache 2.0
前提条件	なし（SymPy は Python パッケージ）

SymPy を MCP 経由で使い、微分方程式、線形代数、ベクトル解析、一般相対論のテンソル計算まで自然言語で実行できます。

インストール

git clone https://github.com/sdiehl/sympy-mcp.git
cd sympy-mcp
uv sync
uv run mcp install server.py

# 一般相対論サポート付き
uv sync --group relativity

# Docker
docker pull ghcr.io/sdiehl/sympy-mcp:main

設定 JSON

settings.json

{
  "mcpServers": {
    "sympy-mcp": {
      "command": "uv",
      "args": [
        "run", "--with", "einsteinpy", "--with", "mcp[cli]",
        "--with", "pydantic", "--with", "sympy",
        "mcp", "run", "/path/to/sympy-mcp/server.py"
      ]
    }
  }
}

主要ツール

カテゴリ	ツール	説明
変数	`intro`, `intro_many`	仮定付き変数の導入
代数	`solve_algebraically`, `solve_linear_system`	方程式の解法
微積分	`integrate_expression`, `differentiate_expression`	積分・微分
ODE/PDE	`dsolve_ode`, `pdsolve_pde`	微分方程式の解法
線形代数	`matrix_eigenvalues`, `matrix_eigenvectors`	固有値・固有ベクトル
ベクトル解析	`calculate_curl`, `calculate_divergence`, `calculate_gradient`	回転・発散・勾配
一般相対論	`create_predefined_metric`, `calculate_tensor`	計量テンソル、Ricci テンソル

使用例 — 減衰振動の解析

👤 「減衰調和振動子 m·x'' + c·x' + k·x = F(t) の一般解を求めて」
🤖 1. intro_many([t, m, c, k]) → 変数導入
   2. introduce_function("x") → x(t) を関数として定義
   3. dsolve_ode → 一般解:
      x(t) = C₁·e^(t(-c+√(c²-4km))/(2m)) + C₂·e^(-t(c+√(c²-4km))/(2m)) + 特殊解

使用例 — 一般相対論

👤 「Anti-de Sitter 時空の Ricci スカラーを計算して」
🤖 create_predefined_metric("AntiDeSitter")
   → calculate_tensor(RICCI_SCALAR)
   → R = -12（定曲率空間）

4.2 mathematica-mcp — Wolfram/Mathematica 統合

項目	内容
GitHub	AbhiRawat4841/mathematica-mcp
ツール数	最大 82 ツール（プロファイルにより変動）
前提条件	Mathematica 14.0+ / `wolframscript`

インストール

# ワンコマンドセットアップ（クライアント自動設定）
uvx mathematica-mcp-full setup claude-desktop
uvx mathematica-mcp-full setup vscode
uvx mathematica-mcp-full setup claude-code

# 診断
uvx mathematica-mcp-full doctor

プロファイル

プロファイル	ツール数	用途
`math`	~28	純粋な記号・数値計算
`notebook`	~48	+ ノートブック操作
`full`	~82	+ Wolfram Alpha, 高度な管理

主要ツール

ツール	説明
`execute_code`	Wolfram Language コードの実行
`verify_derivation`	数学的導出の正しさを検証
`wolfram_alpha`	Wolfram Alpha クラウドサービスへのクエリ
`plot3d_expression`	3D プロット生成
`import_data` / `export_data`	数百のファイル形式に対応

4.3 SageMath MCP — オープンソース数学統合環境

項目	内容
GitHub	XBP-Europe/sagemath-mcp
ツール数	33 ツール
ライセンス	MIT
前提条件	SageMath 10.5+（Docker イメージあり）

SageMath の広範な数学機能（微積分、代数、整数論、組合せ論、グラフ理論、群論、楕円曲線、符号理論、幾何学、統計、確率）を MCP 経由で利用できます。

インストール

# pip（SageMath が別途必要）
pip install sagemath-mcp

# Docker（SageMath 同梱、推奨）
docker pull ghcr.io/xbp-europe/sagemath-mcp:latest
docker run -p 8314:8314 sagemath-mcp:latest --transport streamable-http

設定 JSON

settings.json

{
  "mcpServers": {
    "sagemath": {
      "command": "sagemath-mcp"
    }
  }
}

主要ツール（抜粋）

カテゴリ	ツール	説明
微積分	`differentiate_expression`, `integrate_expression`, `limit_expression`	微分・積分・極限
ODE	`solve_ode`	常微分方程式
整数論	`number_theory_operation`	素数判定、因数分解、GCD
グラフ理論	`graph_operation`	彩色数、平面性、最短経路
群論	`group_operation`	対称群、二面体群、位数
楕円曲線	`elliptic_curve_operation`	ランク、ねじれ群、j 不変量
可視化	`plot_expression`, `plot3d_expression`	2D/3D プロット

📊 数学系 MCP 比較表

機能	sympy-mcp	mathematica-mcp	SageMath MCP
ライセンス	Apache 2.0（無料）	Mathematica 必要（有料）	MIT（無料）
ツール数	31	~82	33
ODE/PDE	✅	✅	✅（ODE のみ）
一般相対論	✅	✅	❌
グラフ理論	❌	✅	✅
楕円曲線	❌	✅	✅
符号理論	❌	✅	✅
Docker 対応	✅	❌	✅

💡 選び方ガイド:

無料で始めたい → sympy-mcp（物理学に強い）または SageMath MCP（純粋数学に強い）
最大の機能 → mathematica-mcp（Mathematica ライセンス要）
Docker で手軽に → SageMath MCP（Docker イメージに SageMath 同梱）

5. 🔬 科学計算 MCP サーバー

5.1 MATLAB MCP（MathWorks 公式）

項目	内容
GitHub	matlab/matlab-mcp-core-server
⭐ Stars	846（2026-06-01 確認）
言語	Go（ビルド済みバイナリ配布）
前提条件	MATLAB 2021a 以降（ライセンス必要）

MathWorks 公式 MCP サーバーです。MATLAB コードの実行、静的解析、テスト実行、Simulink モデルの操作が可能です。

インストール

# macOS Apple Silicon
curl -L -o ~/Downloads/matlab-mcp-core-server \
  https://github.com/matlab/matlab-mcp-core-server/releases/latest/download/matlab-mcp-core-server-maca64
chmod +x ~/Downloads/matlab-mcp-core-server

# Claude Code
claude mcp add --transport stdio matlab -- /path/to/matlab-mcp-core-server

設定 JSON

claude_desktop_config.json

{
  "mcpServers": {
    "matlab": {
      "command": "/path/to/matlab-mcp-core-server",
      "args": [
        "--matlab-display-mode=nodesktop",
        "--initialize-matlab-on-startup=true"
      ]
    }
  }
}

主要ツール

ツール	説明
`check_matlab_code`	静的解析（スタイル、潜在的エラー、パフォーマンス）
`evaluate_matlab_code`	MATLAB コードの実行
`run_matlab_file`	`.m` スクリプトの実行
`run_matlab_test_file`	MATLAB ユニットテストの実行
`detect_matlab_toolboxes`	インストール済みツールボックスの一覧

5.2 rmcp — R 統計 MCP

項目	内容
GitHub	finite-sample/rmcp
ツール数	52 ツール（11 カテゴリ）
ライセンス	MIT
前提条件	R 4.4.0+

R の統計分析機能を MCP 経由で利用できます。回帰分析、時系列、仮説検定、計量経済学、機械学習、可視化などをカバーします。

インストール

pip install rmcp
rmcp start

設定 JSON

settings.json

{
  "mcpServers": {
    "rmcp": {
      "command": "rmcp",
      "args": ["start"]
    }
  }
}

💡 インストール不要のホスト版もあります:
https://rmcp-server-394229601724.us-central1.run.app/mcp

主要カテゴリ

カテゴリ	ツール例	説明
回帰分析	`linear_regression`, `logistic_regression`	線形・ロジスティック回帰
時系列	`arima_model`, `seasonal_decompose`	ARIMA、季節分解
仮説検定	`t_test`, `anova`, `chi_square_test`	t 検定、分散分析
計量経済学	`panel_regression`, `instrumental_variables`	パネルデータ、操作変数法
機械学習	`kmeans_cluster`, `random_forest`	クラスタリング、ランダムフォレスト
可視化	`scatter_plot`, `correlation_heatmap`	各種グラフ

5.3 mcp.science — 科学計算モノレポ

項目	内容
GitHub	pathintegral-institute/mcp.science
サーバー数	13 サーバー
ライセンス	MIT

1 つのパッケージから13 の科学計算サーバーを起動できるモノレポです。

インストール

# 任意のサーバーを即座に起動
uvx mcp-science materials-project
uvx mcp-science gpaw-computation
uvx mcp-science mathematica-check

含まれるサーバー（主要なもの抜粋）

全 13 サーバーのうち、研究用途で特に重要なものを紹介します。全一覧は GitHub リポジトリを参照してください。

サーバー	説明
`materials-project`	Materials Project データベース検索・結晶構造可視化
`gpaw-computation`	GPAW による密度汎関数理論（DFT）計算
`mathematica-check`	Wolfram Language による式の検証
`netket`	NetKet 量子物理シミュレーション
`nemad`	神経科学モデル解析ダッシュボード
`ssh-exec`	SSH 経由のリモートコマンド実行
`jupyter-act`	Jupyter カーネルとのプログラム的連携

Materials Project サーバーのツール

ツール	説明
`search_materials_by_formula`	化学式で材料検索（例: `"Fe2O3"`）
`get_structure_data`	CIF/POSCAR 形式で構造データ取得
`plot_structure`	PNG + Plotly JSON で構造可視化
`build_supercell`	スーパーセル構築
`moire_homobilayer`	ツイスト角指定のモアレ超格子生成

5.4 Julia MCP

項目	内容
GitHub	aplavin/julia-mcp
⭐ Stars	67（2026-06-01 確認）
ツール数	3（シンプルだが強力）
ライセンス	MIT

Julia の永続セッションを MCP 経由で管理し、DifferentialEquations.jl, Flux.jl, Turing.jl などの科学計算パッケージを活用できます。

設定 JSON

settings.json

{
  "mcpServers": {
    "julia": {
      "command": "uv",
      "args": ["run", "--directory", "/path/to/julia-mcp", "python", "server.py"]
    }
  }
}

ツール

ツール	説明
`julia_eval`	Julia コードの実行（永続セッション）
`julia_restart`	セッションのリスタート
`julia_list_sessions`	アクティブセッション一覧

💡 Julia MCP の特徴: Julia は初回起動に 10〜60 秒かかる TTFX（Time To First eXecution）問題がありますが、julia-mcp は永続セッションを使うため、初回のみ待機、以降は即座に実行できます。

6. 🌍 地球科学・宇宙 MCP サーバー

6.1 NASA MCP — 20+ NASA API 統合

項目	内容
GitHub	ProgramComputer/NASA-MCP-server
⭐ Stars	89
API 数	20+ NASA データソース
API キー	必要（api.nasa.gov で無料取得）

設定 JSON

settings.json

{
  "mcpServers": {
    "nasa": {
      "command": "npx",
      "args": ["-y", "@programcomputer/nasa-mcp-server@latest"],
      "env": { "NASA_API_KEY": "your-api-key" }
    }
  }
}

対応 API

グループ	API 例
天文学	APOD（天文画像）, Exoplanet Archive（系外惑星）
火星	Mars Rover Photos, InSight（火星気象）
地球観測	GIBS（衛星画像）, FIRMS（火災情報）, POWER（エネルギー資源）
太陽系	SBDB（小天体）, NEO（地球近傍天体）, Fireball Data
宇宙天気	DONKI（宇宙天気通知）, TLE（衛星軌道追跡）

7. 🏗️ 工学シミュレーション MCP サーバー

7.1 Foam-Agent — OpenFOAM CFD シミュレーション

項目	内容
GitHub	csml-rpi/Foam-Agent
⭐ Stars	242
論文	NeurIPS 2025 ML & Physical Sciences Workshop[3]
ライセンス	MIT

OpenFOAM による CFD（数値流体力学）シミュレーションを自然言語でエンドツーエンド実行できます。メッシング → セットアップ → 実行 → エラー修正 → 後処理を自動化し、FoamBench（110 タスク）で 100% の成功率（Claude Opus 4.6 使用時）を達成しています。

インストール

pip install -e .

# Claude Code
claude mcp add foamagent -- foamagent-mcp

# Docker
docker run -it -e OPENAI_API_KEY=... leoyue123/foamagent

使用例

👤 「RAS pitzdaily シミュレーションをして。PIMPLE アルゴリズム、
    入口速度 10m/s、出口ゼロ勾配、壁面 no-slip。
    タイムステップ 0.0001、0.01 ごとに出力」
🤖 Foam-Agent が自動的に：
   1. ケースディレクトリの構築
   2. メッシュ生成
   3. solver 設定
   4. 計算実行
   5. 結果の後処理・可視化

8. 💻 研究インフラ MCP サーバー

8.1 Globus MCP — HPC データ転送

項目	内容
GitHub	PurdueRCAC/globus-mcp
ツール数	27 ツール
状態	⚠️ ベータ版（v1.0 未リリース）

HPC クラスタ間のデータ転送、ファイルシステム操作、リモートコード実行を MCP 経由で行えます。

主要ツール

カテゴリ	ツール例
認証	`whoami`, `globus_login`
ファイル操作	`ls`, `stat`, `mkdir`, `rename`, `delete`
データ転送	`transfer`, `transfer_batch`, `task_list`
リモート計算	`compute_submit`, `compute_batch_submit`, `compute_result`

9. 実践ガイド — 分野別おすすめ MCP 構成

研究分野に応じた推奨 MCP サーバーの組み合わせを紹介します。

🧬 生命科学・創薬研究

settings.json

{
  "mcpServers": {
    "biomcp": {
      "command": "biomcp", "args": ["serve"]
    },
    "alphafold": {
      "command": "node", "args": ["/path/to/alphafold-server/build/index.js"]
    },
    "pubchem": {
      "command": "npx", "args": ["-y", "@cyanheads/pubchem-mcp-server"]
    },
    "rowan": {
      "command": "uvx", "args": ["--from", "rowan-mcp", "rowan-mcp"],
      "env": { "ROWAN_API_KEY": "your_key" }
    },
    "papers": {
      "command": "uvx", "args": ["paper-search-mcp"]
    }
  }
}

ワークフロー例:

1. paper-search-mcp で BRAF 阻害剤の最新論文を検索
2. BioMCP で BRAF 遺伝子のパスウェイ・臨床試験を確認
3. AlphaFold MCP で BRAF タンパク質構造を取得
4. PubChem MCP で候補化合物の物性データを取得
5. Rowan MCP で候補化合物と BRAF のドッキングシミュレーション

🔬 物理・数学研究

settings.json

{
  "mcpServers": {
    "sympy": {
      "command": "uv",
      "args": ["run", "--with", "einsteinpy", "--with", "mcp[cli]",
               "--with", "pydantic", "--with", "sympy",
               "mcp", "run", "/path/to/sympy-mcp/server.py"]
    },
    "mcp-science": {
      "command": "uvx", "args": ["mcp-science", "gpaw-computation"]
    },
    "arxiv": {
      "command": "uvx", "args": ["arxiv-mcp-server"]
    },
    "jupyter": {
      "command": "uvx", "args": ["jupyter-mcp"]
    }
  }
}

🏭 工学・シミュレーション

settings.json

{
  "mcpServers": {
    "matlab": {
      "command": "/path/to/matlab-mcp-core-server",
      "args": ["--initialize-matlab-on-startup=true"]
    },
    "foamagent": {
      "command": "foamagent-mcp"
    },
    "jupyter": {
      "command": "uvx", "args": ["jupyter-mcp"]
    }
  }
}

📊 社会科学・経済学

settings.json

{
  "mcpServers": {
    "rmcp": {
      "command": "rmcp", "args": ["start"]
    },
    "papers": {
      "command": "uvx", "args": ["paper-search-mcp"]
    },
    "jupyter": {
      "command": "uvx", "args": ["jupyter-mcp"]
    }
  }
}

10. 今後の展望と未開拓領域

✅ 充実している分野

分野	成熟度	代表的ツール
論文検索	⭐⭐⭐⭐⭐	arxiv-mcp-server, paper-search-mcp
バイオ医学	⭐⭐⭐⭐	BioMCP, AlphaFold MCP
記号数学	⭐⭐⭐⭐	sympy-mcp, mathematica-mcp, SageMath
化学・創薬	⭐⭐⭐	PubChem, Rowan MCP
科学計算	⭐⭐⭐	MATLAB（⭐846）, R, Julia

⚠️ 発展途上の分野（2026年6月時点）

以下の分野では、小規模・実験的な実装は存在しますが、公式サポートや成熟したサーバーは少ない状況です。

分野	状態	備考
ELN（電子実験ノート）	⚠️	benchling-mcp が実験的に存在。eLabFTW, SciNote は未対応
LIMS（実験室情報管理）	❌	LabWare, STARLIMS 等、成熟した MCP 実装なし
COMSOL Multiphysics	❌	有限要素法シミュレーション、MCP 実装なし
地球科学（NOAA, USGS）	⚠️	NCEI-MCP-Server（NOAA）等の小規模実装あり。成熟したサーバーは少ない
天文台データ	❌	Sloan Digital Sky Survey, Gaia 等のデータアクセス MCP なし

💡 これらの発展途上分野は、研究者自身が MCP サーバーを開発・改良する好機です。MCP サーバーの開発は比較的シンプルで、Python の FastMCP フレームワークを使えば数百行のコードで実装できます。

まとめ

ポイント	内容
1	科学系 MCP サーバーは 30 以上存在し、急速に成長中
2	論文検索（arxiv-mcp, paper-search-mcp）が最も成熟している
3	バイオ医学（BioMCP）と記号数学（sympy-mcp）も実用レベル
4	分野別に MCP サーバーを組み合わせることで、研究ワークフロー全体を AI で加速できる
5	ELN/LIMS、地球科学などの発展途上分野は開発・改良の好機