详细内容或原文请订阅后点击阅览

使用Strands Agents和Amazon Bedrock建立药物发现研究助理

2025年7月28日 19:14 33 Comments
X Twitter Instagram Mail

在这篇文章中，我们演示了如何使用Strands Agents和Amazon Bedrock创建强大的研究助理来发现药物。该AI助手可以使用模型上下文协议（MCP）同时搜索多个科学数据库，合成其发现，并就药物靶标，疾病机制和治疗领域产生全面的报告。

来源:亚马逊云科技 _机器学习
药物发现是一个复杂的，耗时的过程，要求研究人员可以浏览大量的科学文献，临床试验数据和分子数据库。 Genentech和Astrazeneca等生命科学客户正在使用AI代理和其他生成的AI工具来提高科学发现的速度。这些组织的建筑商已经在使用亚马逊基岩的完全托管功能来快速部署特定领域的工作流程，从早期的药物目标识别到医疗保健提供者的参与。 Strands代理采用模型驱动的方法来开发和运行AI代理。它可以与大多数模型提供商一起使用，包括定制和内部大语模型（LLM）网关，并且可以部署代理，您可以在其中托管Python应用程序。在这篇文章中，我们演示了如何使用Strands Adents和Amazon Bedrock创建强大的药物发现研究助手。该AI助手可以使用模型上下文协议（MCP）同时搜索多个科学数据库，合成其发现，并就药物靶标，疾病机制和治疗领域产生全面的报告。该助手以开源医疗保健和生命科学代理工具包为例，供您使用和适应。解决方案解决方案使用Strands代理将高性能的基础模型（FMS）与诸如Arxiv，PubMed，PubMed和Chembl（Chembl）等通用生命科学数据源连接起来。它演示了如何快速创建MCP服务器来查询数据并在对话界面中查看结果。小型，重点的AI代理通常可以比单个单片代理更好地产生更好的结果。该解决方案使用一个子代理团队，每个团队都有自己的FM，说明和工具。以下流程图显示了编排代理（以橙色显示）如何处理用户查询并将其路由
分子数据 应用程序 提高 驱动的 数据 大量的 MCP 复杂的 解决方案 使用 保健提供者 试验数据 代理 临床试验 数据库 重点的 Strands 全面的 研究人员 目标识别 组织的 快速部署 流程图 高性能 生命科学 AI 科学数据 工具包 强大的 科学 医疗保健 数据源 高性能的 服务器 模型 领域 助手 发现 药物 早期的 自己的