4
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@hisaho(Hisaho Nakata)

ToolUniverse (AI Scientist Tools) 解説資料 ～LLMをAI科学者に変える700+科学ツールエコシステム

4
Last updated at Posted at 2026-01-22

概要

ToolUniverse は、ハーバード大学医学部（Zitnik Lab）が開発したオープンソースの科学研究支援エコシステムです。700以上の科学ツール（機械学習モデル、データベース、API、分析パッケージ）を統合し、任意のLLM（Large Language Model）をAI科学者に変換することを目指しています。

"ToolUniverse is a unified ecosystem that transforms any large language model (LLM)—open or closed—into a powerful AI scientist."

本記事はGitHub公式リポジトリおよび公式ドキュメントを参照し、機能・アーキテクチャ・利用方法を詳細に解説します。

TL;DR（忙しい人向けまとめ）

結論: ToolUniverseは科学研究のためのLLMツール統合基盤です。

項目 内容
公式サイト https://aiscientist.tools/
GitHub https://github.com/mims-harvard/ToolUniverse
開発元 Harvard Medical School / Zitnik Lab
バージョン 1.0.15.6
ライセンス MIT License
ツール数 700+ (APIs: 281, Packages: 164, DBs: 84, Agents: 33)
対応LLM Claude, GPT-5, Gemini, Qwen, DeepSeek, vLLM, OpenRouter経由100+モデル
統合方式 MCP, Python SDK, Web UI, Space Configuration
インストール pip install tooluniverse または uv pip install tooluniverse

目次

  1. ToolUniverseとは
  2. 主要機能
  3. アーキテクチャ
  4. ツールカテゴリ詳細
  5. 利用方法
  6. Space Configuration
  7. LLMプロバイダー連携
  8. Compact Mode
  9. ユースケース
  10. 対応AIシステム
  11. 関連リソース

1. ToolUniverseとは

1.1 プロジェクト概要

ToolUniverseは、AI科学者（AI Scientist） を構築するためのオープンエコシステムです。

プロジェクトの目標:

  • 科学データアクセスの民主化 - 50以上のデータベースを単一インターフェースで利用可能に
  • AI駆動研究の実現 - AIアシスタントとのシームレスな統合
  • 発見の加速 - 質問から洞察までの時間を短縮
  • コラボレーションの促進 - コミュニティ駆動のツール開発

1.2 開発組織

項目 詳細
主要開発機関 Harvard Medical School
研究室 Zitnik Lab
協力機関 MIT, Kempner Institute, Broad Institute, Harvard Data Science Initiative
メンテナー Shanghua Gao
論文 arXiv:2509.23426 (2025年9月)

1.3 資金提供

NIH、NSF、DoD、ARPA-H、Amazon、Google、AstraZeneca、Roche、Sanofi、GSK、Boehringer Ingelheim、Merck、Pfizer、Gates Foundation、Chan Zuckerberg Initiative など多数の機関・企業からサポートを受けています。

2. 主要機能

2.1 機能一覧

機能 説明
🔧 700+ 科学ツールの統合 MLモデル、データベース、API、解析パッケージを一元管理
🤖 AI-Tool Interaction Protocol LLMとツール間の標準化された通信インターフェース
🔍 自然言語でのツール検索 キーワード、埋め込み、LLMベースの3種類の検索方式
🔗 ツールの自動コンポジション 複数ツールをワークフローに組み合わせて実行
👤 Human Expert Feedback 人間の専門家をループに組み込み、品質を担保
📡 MCP (Model Context Protocol) 対応 Claude Desktop等との直接統合が可能
🌐 OpenRouter統合 100以上のLLMモデルへの統一アクセス
🖥️ vLLM対応 セルフホストLLMモデルの利用
📦 Space Configuration 研究分野別のツールセットを簡単に構成
🗜️ Compact Mode コンテキストウィンドウ使用量を99%削減

2.2 ツールカテゴリ別内訳

GitHubリポジトリのドキュメントによると、700+ツールは以下のように分類されます。

カテゴリ 件数 割合 主な用途
APIs 281 48.4% 外部データアクセス、リアルタイム情報
Software Packages 164 28.3% 計算解析、ローカル処理
Databases 84 14.5% 構造化データの格納・検索
AI Agents 33 5.7% 自律的推論・計画
ML Models 15 2.6% 予測・分類タスク
Expert Feedback 6 1.0% 人間による検証・ガイダンス
Embedding Stores 4 0.7% セマンティック検索・類似性
Robotics 2+ <1% 実験自動化

2.3 AI-Tool Interaction Protocol

ToolUniverseの核心は、AI-Tool Interaction Protocol です。これは、LLMがツールを発見・選択・実行するための標準化されたインターフェースを提供します。

3. アーキテクチャ

3.1 システム構成

3.2 ツールタイプ

タイプ 説明 例
Local Tools Python関数として実行 PubMed検索、分子構造解析
Remote Tools 外部サーバーで実行 AlphaFold予測、BLAST検索、Boltz
Agentic Tools 自律的に動作 文献レビュー、仮説生成、創薬エージェント
Compositional Tools 複数ツールの組み合わせ 創薬ワークフロー
Package Tools Pythonパッケージの情報取得 RDKit、BioPython、ScanPy

3.3 Remote Tools一覧

GitHubリポジトリで定義されているRemote Tools:

Remote Tool 説明
boltz 分子ドッキング（Boltz2）
depmap_24q2 DepMap遺伝子相関解析
expert_feedback Human Expert Feedbackシステム
immune_compass 免疫系ツール
pinnacle Pinnacle統合
transcriptformer トランスクリプトーム解析
uspto_downloader 特許情報取得

4. ツールカテゴリ詳細

4.1 科学分野別ツール

ToolUniverseは以下の科学分野をカバーしています。

カテゴリ ツール数 主要ツール例
バイオインフォマティクス 100+ BLAST, Gene Ontology, KEGG, Reactome, Enrichr, HumanBase, WikiPathways
化学情報学 50+ PubChem, ChEMBL, DrugBank, ADMET AI
ゲノミクス 60+ GEO, gnomAD, ClinVar, GTEx
構造生物学 40+ RCSB PDB, AlphaFold, EMDB, Boltz2
機械学習 80+ ADMET予測, タンパク質埋め込み, XGBoost, UMAP
文献検索 30+ PubMed, Semantic Scholar, arXiv, bioRxiv, medRxiv
臨床研究 40+ ClinicalTrials.gov, FDA, GWAS
タンパク質研究 60+ UniProt, InterPro, HPA (Human Protein Atlas)
創薬・薬理 50+ OpenTargets, PharmGKB, DGIdb
地球科学 20+ GBIF, OBIS, 古生物学
物理・天文学 15+ SIMBAD, Astropy
神経科学 10+ 脳データベース
シングルセル 20+ ScanPy, AnnData, scVelo

4.2 機能別ツール

機能 説明 代表的ツール
ML Models 機械学習による予測・分類 ADMET予測, Transcriptformer
AI Agents 自律的なタスク実行 Drug Discovery Agent, Literature Synthesis Agent
Databases 構造化データの検索・取得 DrugBank, UniProt, ChEMBL
Embedding Stores ベクトル検索 文献埋め込み検索
APIs 外部サービス連携 OpenTargets, Reactome, KEGG
Human Expert Feedback 人間専門家の介入 実験結果レビュー

4.3 データソース一覧（抜粋）

カテゴリ 主要データソース
📚 文献・論文 PubMed, arXiv, bioRxiv, medRxiv, Semantic Scholar, Europe PMC, CrossRef, OpenAlex, DOAJ, CORE
🧬 遺伝子・タンパク質 UniProt, Ensembl, KEGG, Gene Ontology, Reactome, InterPro, RCSB PDB, AlphaFold
💊 創薬・薬理 DrugBank, ChEMBL, PubChem, PharmGKB, DGIdb, OpenTargets, ClinicalTrials.gov
🔬 疾患・臨床 ClinVar, GWAS Catalog, gnomAD, cBioPortal, FDA (薬物有害事象, ラベリング)
🧪 構造生物学 RCSB PDB, AlphaFold, EMDB, Boltz2
🧫 シングルセル Human Cell Atlas, CellXGene
🌐 一般データ Wikipedia, Wikidata, DBpedia

5. 利用方法

5.1 システム要件

  • Python: 3.10以上
  • パッケージマネージャ: uv（推奨）またはpip
  • インターネット接続: APIアクセスに必要
  • GPU: 機械学習モデル用（オプション）
  • APIキー: 外部サービス用（オプション）

5.2 インストール

# 推奨: uv を使用
uv pip install tooluniverse

# pip を使用
pip install tooluniverse

# オプション依存関係付き
pip install tooluniverse[dev]       # 開発ツール
pip install tooluniverse[embedding] # 埋め込み機能
pip install tooluniverse[all]       # すべての依存関係

インストール確認:

import tooluniverse
print(f"ToolUniverse version: {tooluniverse.__version__}")
print("✅ Installation successful!")

5.3 Python SDKでの利用

from tooluniverse import ToolUniverse

# ToolUniverse初期化
tu = ToolUniverse()
tu.load_tools()  # 700+ ツールを読み込み

# ツール検索: キーワードベース
tools = tu.run({
    "name": "Tool_Finder_Keyword",
    "arguments": {"description": "disease target associations", "limit": 10}
})

# ツール実行例: OpenTargetsで高血圧関連ターゲットを検索
result = tu.run({
    "name": "OpenTargets_get_associated_targets_by_disease_efoId",
    "arguments": {"efoId": "EFO_0000537"}  # hypertension
})

print(result)

5.4 ツール検索の3つの方式

ToolUniverseは自然言語でツールを検索できます。

# 1. キーワード検索
tools = tu.run({
    "name": "Tool_Finder_Keyword",
    "arguments": {"description": "protein structure prediction", "limit": 10}
})

# 2. 埋め込みベースの検索 (GPU推奨)
tools = tu.run({
    "name": "Tool_Finder",
    "arguments": {"description": "タンパク質の3次元構造を予測したい"}
})

# 3. LLMベースの検索（より高精度）
tools = tu.run({
    "name": "Tool_Finder_LLM",
    "arguments": {"description": "What tools can predict drug-target interactions?"}
})

5.5 MCP統合

ToolUniverseはModel Context Protocol (MCP) に対応しており、Claude Desktop等と直接統合できます。

Claude Desktop設定例 (claude_desktop_config.json):

{
  "mcpServers": {
    "tooluniverse": {
      "command": "python",
      "args": ["-m", "tooluniverse.smcp_server", "--transport", "stdio"],
      "env": {
        "FASTMCP_NO_BANNER": "1",
        "PYTHONWARNINGS": "ignore"
      }
    }
  }
}

6. Space Configuration

6.1 Space Configurationとは

Space Configurationは、研究分野別にツールセットを簡単に構成・共有できる機能です。YAML形式で定義し、ローカルファイル、HuggingFace、URLから読み込めます。

from tooluniverse import ToolUniverse

tu = ToolUniverse()
config = tu.load_space("./examples/spaces/drug-discovery.yaml")

print(f"✅ Loaded: {config.get('name')}")
print(f"   Tools available: {len(tu.all_tools)} tools")

6.2 事前定義されたSpace Configuration

Space 説明 ツール数
drug-discovery.yaml 創薬研究ツール ~200
clinical-trials.yaml 臨床研究ツール ~50
literature-search.yaml 文献検索ツール ~30
protein-research.yaml タンパク質研究ツール ~60
genomics.yaml ゲノミクスツール ~60
bioinformatics.yaml バイオインフォマティクスツール ~15
structural-biology.yaml 構造生物学ツール ~35
cheminformatics.yaml 化学情報学ツール ~20
disease-research.yaml 疾患研究ツール ~40
full-workspace.yaml 全分野ツール 449
gemini-essential.yaml Gemini CLI用 (500制限内) ~400-450

6.3 Space Configuration の例

name: "Drug Discovery Workspace"
version: "1.0.0"
description: "Essential tools for drug discovery research"
tags: ["drug-discovery", "pharmaceutical", "chemistry"]

tools:
  # 明示的ツールリスト（推奨）
  include_tools:
    - "ChEMBL_search_molecule"
    - "ClinicalTrials_search_studies"
    - "OpenTargets_get_associated_targets_by_disease_efoId"
    - "ADMETAI_predict_toxicity"
  # または、カテゴリで指定
  categories:
    - "ChEMBL"
    - "clinical_trials"
    - "opentarget"
  # 除外ツール（オプション）
  exclude_tools:
    - "problematic_tool"

# LLM設定（オプション）
llm_config:
  mode: "default"  # default, fallback, env_override
  default_provider: "CHATGPT"  # CHATGPT, GEMINI, OPENROUTER, VLLM
  models:
    default: "gpt-4o"
  temperature: 0.3

# 出力処理フック（オプション）
hooks:
  - type: "SummarizationHook"
    enabled: true
    config:
      max_length: 500
      include_key_points: true

6.4 Space のロード方法

# STDIO mode (Claude Desktop用)
tooluniverse-smcp-stdio --load "./my-config.yaml"

# HTTP mode
tooluniverse-smcp-server --load "community/proteomics-toolkit" --port 8000

# HuggingFace から
tooluniverse-smcp-stdio --load "hf:username/repo@v1.0.0"

# URLから
tooluniverse-smcp-stdio --load "https://example.com/config.yaml"

7. LLMプロバイダー連携

7.1 対応LLMプロバイダー

プロバイダー 環境変数 特徴
ChatGPT OPENAI_API_KEY OpenAI公式API
Gemini GOOGLE_API_KEY Google AI
OpenRouter OPENROUTER_API_KEY 100+モデルへのアクセス
vLLM VLLM_SERVER_URL セルフホストモデル
Azure OpenAI AZURE_OPENAI_API_KEY, AZURE_OPENAI_ENDPOINT Azure統合

7.2 OpenRouter統合

OpenRouterを使用すると、単一のAPIで複数プロバイダーのモデルにアクセスできます。

対応モデル例:

  • openai/gpt-5
  • anthropic/claude-sonnet-4.5
  • google/gemini-2.5-flash
  • google/gemini-2.5-pro
  • qwen/qwq-32b (推論モデル)
from tooluniverse import ToolUniverse

tu = ToolUniverse()

# OpenRouterを使用するAgenticToolの定義
tool_config = {
    "name": "GPT5_Analyzer",
    "description": "Analyze text using GPT-5 via OpenRouter",
    "type": "AgenticTool",
    "prompt": "Analyze the following: {text}",
    "input_arguments": ["text"],
    "parameter": {
        "type": "object",
        "properties": {
            "text": {"type": "string", "required": True}
        },
        "required": ["text"]
    },
    "configs": {
        "api_type": "OPENROUTER",
        "model_id": "openai/gpt-5",
        "temperature": 0.3,
        "return_json": False,
        "return_metadata": True
    }
}

tu.register_tool_from_config(tool_config)
result = tu.execute_tool("GPT5_Analyzer", {"text": "Your text here"})

7.3 vLLM統合

セルフホストのLLMを使用する場合:

# 環境変数の設定
export VLLM_SERVER_URL="http://localhost:8000"
export TOOLUNIVERSE_LLM_DEFAULT_PROVIDER="VLLM"
export TOOLUNIVERSE_LLM_MODEL_DEFAULT="meta-llama/Llama-3.1-8B-Instruct"

Space Configuration での設定:

llm_config:
  mode: "env_override"
  default_provider: "VLLM"
  models:
    default: "meta-llama/Llama-3.1-8B-Instruct"

7.4 LLM Configuration モード

モード 説明 優先順位
default Space設定をデフォルトとして使用 Space > Built-in
fallback Space設定をフォールバックとして使用 Built-in, API失敗時にSpace
env_override 環境変数が最優先 Env > Tool > Space > Built-in

8. Compact Mode

8.1 Compact Modeとは

Compact Modeは、コンテキストウィンドウ使用量を99%削減しながら、フル機能を維持する特別な設定です。

項目 通常モード Compact Mode
公開ツール数 ~750 4-5
コンテキスト使用量 高い 低い（99%削減）
機能 フル フル（execute_tool経由）

8.2 Core Tools（Compact Mode）

  1. list_tools - 利用可能ツールのリスト表示
  2. grep_tools - テキスト/正規表現でツール検索
  3. get_tool_info - ツール情報取得（説明または完全定義）
  4. execute_tool - 任意のToolUniverseツールを実行
  5. find_tools - AI駆動のツール発見（オプション、デフォルト有効）

8.3 Compact Mode の有効化

# STDIO mode (Claude Desktop用)
tooluniverse-smcp-stdio --compact-mode

# HTTP mode
tooluniverse-smcp-server --compact-mode --port 8000

Claude Desktop設定:

{
  "mcpServers": {
    "tooluniverse-compact": {
      "command": "python",
      "args": [
        "-m", "tooluniverse.smcp_server",
        "--transport", "stdio",
        "--compact-mode"
      ],
      "env": {
        "FASTMCP_NO_BANNER": "1",
        "PYTHONWARNINGS": "ignore"
      }
    }
  }
}

8.4 Compact Mode ワークフロー

# 1. ツールリスト取得
tools = list_tools(mode="names")  # ~750 ツール名

# 2. ツール検索
results = grep_tools(pattern="protein", field="name", limit=10)

# 3. ツール詳細取得
info = get_tool_info(tool_names="UniProt_get_entry_by_accession", detail_level="full")

# 4. ツール実行
result = execute_tool(
    tool_name="UniProt_get_entry_by_accession",
    arguments={"accession": "P05067"}
)

8.5 使い分けガイド

機能 Space Configuration Compact Mode
公開ツール数 ~400-450 4-5
直接アクセス ○ execute_tool経由
コンテキスト使用量 中 最小（99%削減）
ツール発見 不要 list_tools, grep_tools
推奨用途 よく使うツールへの直接アクセス 最小コンテキスト使用

9. ユースケース

9.1 ケーススタディ: 高コレステロール血症の創薬

論文で紹介されているケーススタディでは、ToolUniverseを使用してAI科学者が以下のワークフローを実行しました：

成果: 既存薬の有望なアナログを発見し、予測特性が良好な化合物を同定

9.2 研究ワークフロー例

ワークフロー 使用Space 使用ツール 成果物
文献レビュー literature-search.yaml PubMed, Semantic Scholar, arXiv 関連論文リスト、要約
遺伝子解析 genomics.yaml Ensembl, gnomAD, GTEx 変異情報、発現パターン
創薬探索 drug-discovery.yaml DrugBank, ChEMBL, OpenTargets 創薬ターゲット候補
タンパク質解析 protein-research.yaml UniProt, AlphaFold, PDB 構造予測、機能アノテーション
臨床情報 clinical-trials.yaml ClinicalTrials.gov, ClinVar 臨床試験情報、病原性評価
End-to-End full-workspace.yaml 449ツール 総合的研究成果

9.3 Human Expert Feedbackシステム

ToolUniverseには、人間の専門家をループに組み込むシステムが含まれています。

利用可能ツール:

  • consult_human_expert - 専門家への相談
  • get_expert_response - 専門家からの回答取得
  • get_expert_status - 相談ステータス確認
# Expert Feedbackサーバー起動
python -m tooluniverse.remote.expert_feedback

# Web UI経由で専門家がフィードバックを提供

10. 対応AIシステム

10.1 統合可能なLLM/エージェント

ToolUniverseは以下のAIシステムと統合できます。

システム 統合方式 チュートリアル
Claude Desktop MCP Claude Desktop Integration
Claude Code MCP Claude Code Integration
Gemini CLI MCP Gemini CLI Integration
Qwen Code MCP Qwen Code Integration
GPT Codex CLI MCP Codex CLI Integration
ChatGPT API HTTP API ChatGPT API Integration
OpenRouter HTTP API OpenRouter Support
vLLM ローカル vLLM Support
smolagents Python Smolagents Integration

10.2 AI Scientistの構築

11. 関連リソース

11.1 公式リンク

リソース URL
公式サイト https://aiscientist.tools/
ドキュメント https://zitniklab.hms.harvard.edu/ToolUniverse/
GitHub https://github.com/mims-harvard/ToolUniverse
PyPI https://pypi.org/project/tooluniverse
論文 (arXiv) https://arxiv.org/abs/2509.23426
Slack Community 参加リンク
ツール一覧 https://zitniklab.hms.harvard.edu/ToolUniverse/tools/tools_config_index.html

11.2 ドキュメント構成

カテゴリ リソース
Getting Started Quick Start, Installation, Getting Started, AI-Tool Protocol
User Guides Loading Tools, Tool Discovery, Tool Caller, Tool Composition
Advanced Features Tool Optimization, Output Hooks
Expanding Architecture, Local Tool Registration, Remote Tool Registration, Contributing Tools
API Reference API Directory, Core Modules, Tool Classes, Compose Scripts, MCP Integration

11.3 研究チーム

Zitnik Lab @ Harvard Medical School

  • 公式サイト
  • 専門: AI for Biomedicine, Graph Neural Networks, Drug Discovery

主要著者:

  • Shanghua Gao (メンテナー)
  • Richard Zhu, Pengwei Sui, Zhenglun Kong, Sufian Aldogom, Yepeng Huang, Ayush Noori, Reza Shamji, Krishna Parvataneni 他

11.4 引用情報

@article{gao2025tooluniverse,
  title={Democratizing AI scientists using ToolUniverse},
  author={Gao, Shanghua and Zhu, Richard and Sui, Pengwei and others},
  journal={arXiv preprint arXiv:2509.23426},
  year={2025}
}

まとめ

ToolUniverseは、科学研究のためのLLMツール統合基盤として、以下の特徴を持っています。

観点 特徴
包括性 700+の科学ツールを1つのインターフェースで利用可能
相互運用性 主要LLM（Claude, GPT, Gemini, Qwen等）およびOpenRouter経由100+モデルと統合可能
拡張性 ローカル/リモートツールの追加が容易、Space Configurationで共有可能
オープン性 オープンソース（MIT License）、学術コミュニティ駆動
標準化 MCP対応、AI-Tool Interaction Protocolによる標準化
効率性 Compact Modeでコンテキスト使用量99%削減
柔軟性 vLLM対応でセルフホストLLM利用可能

AI for Scienceの研究において、LLMを科学研究ツールと接続するための重要な基盤となっています。

参考文献（References）

[1] Democratizing AI scientists using ToolUniverse - Gao et al., arXiv:2509.23426, 2025

[2] ToolUniverse Official Website - Zitnik Lab, 2026

[3] ToolUniverse Documentation - Harvard Medical School, 2026

[4] ToolUniverse GitHub Repository - MIMS Harvard, 2026

[5] Model Context Protocol (MCP) - Anthropic, 2024

[6] OpenRouter - OpenRouter, 2026

[7] vLLM - vLLM Project, 2026

4
2
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
4
2

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?