Yijian-quiet/dsh-mol

dsh-mol · 化学工作台

在 AI agent 的聊天框旁边，放一张能画分子的画板 + 一个本地 RDKit 工作台。

画结构 → 点一下 → 分子式/分子量/logP/TPSA/类药性/结构警报当场算出来 →
把结构丢进对话，让 agent 接着往下讲。

纯 RDKit，零网络、零 API key、零外部服务。也可作为 stdio MCP 服务被 Claude Code / Codex 等直接调用。

ci
Awesome DSH Plugin
python
license
tests
network

30 秒看懂

| | |
|---|---|
| 🎨 画分子 | 聊天框旁一个按钮 → Ketcher 画板浮层。聊天不会被顶掉，画完一键插进输入框 |
| ⚡ 即时分析 | 分子式、MW、精确质量、logP、TPSA、HBD/HBA、环数、Fsp³、立体中心 —— 本机 RDKit 现算，不走模型、不等 LLM |
| 💊 像不像药 | Lipinski / Veber 逐条判定、QED、PAINS / BRENK 结构警报、Murcko 骨架 |
| 🧹 脏数据急救 | 校验（人话报错 + 字符定位）、标准化（逐步记录改了什么）、去重、批量清洗 |
| 🧭 逆合成 | 页签已就位，后端可插拔（当前接 Retro）。没装好模型就如实说没装好，绝不编一条路线出来 |
| 🔌 两种用法 | 图形工作台给人用；同一套核心又通过 MCP 给 agent 用 —— 一份实现，两个入口 |

顺带说个背景：npm 上确认有 618 个 DSH 插件，其中化学/材料/分子方向是 0 个。
这个仓库就是来填这个空格的。

快速开始

1) 装核心 + MCP 适配层（无需 PyPI 账号，直接从 git 装）
pip install "dsh-mol[mcp] @ git+https://github.com/Yijian-quiet/dsh-mol.git"

2) 把插件装进你的 DSH profile（无需 npm 账号，pnpm 支持 git 子目录）
dsh plugin --profile web add 'github:Yijian-quiet/dsh-mol#path:dsh-bundle'
dsh plugin --profile web add 'github:Yijian-quiet/dsh-mol#path:dsh-ui'   # ← 图形工作台

3) 打开 DSH Web，点输入框左边的「工作台」

⏳ PyPI / npm 尚未发布（2026-09-26 核实：dsh-mol、dsh_mol、dshmol 在 PyPI 均 404，
npm 上 dsh-mol、dsh-chem-ui 也未发布），所以上面的命令都是 git 直装 —— 现在就能用。
包名都还空着，发布之后 pip install 'dsh-mol[mcp]' 与 dsh plugin add dsh-mol 才可用。

✅ 本插件已被 dsh 插件市场 收录（dsh-mol#dsh-ui 与
dsh-mol#dsh-bundle 两条，分类 tools），也可以直接在市场里装。

工作台需要本地有一个能 import rdkit 的 python3；画板用的是 Ketcher 静态构建，在浏览器本地渲染，不经过任何后端。

只想用命令行 / 其他 MCP 客户端？

dsh-mol-mcp --selftest          # 先自检（不需要任何 MCP 客户端）

手动叠加 patch，stdio 传输，纯本地
- insert:
- id: dsh-mol
name: '@deepseek-ai/dsh-mcp-client'
config:
serverName: chem
transport: stdio
command: python3
args: ['-m', 'dsh_mol_mcp.server']
env:
PYTHONPATH: /path/to/dsh-mol/src
MOL_OUT: /path/to/out

工具名会以 mcp__chem__chem_check_smiles 之类出现在模型侧。

工作台长什么样

三个页签，一个分子：

① 画板Ketcher 全功能画板（浮层可拖动、可最大化）。「插入到对话」把 SMILES 写进输入框 —— 文本只有结构本身，不夹带任何内部路径。
② 分析左边输入/按钮，右边出数。基础性质 + 类药性 + 结构警报 + 骨架一次给全，全部是本地 RDKit 现算。
③ 逆合成目标分子 → 多步路线。未装模型数据时，它告诉你要下载什么、放哪里，而不是假装算过。

为什么图不画在面板里？

因为图应该跟着文字解释走。工作台里那张缩略图只是让你确认"算的是不是这个分子"；
真正的结构图由 agent 在回复里内联画出来（read_image），旁边就是它对这分子的解释。

这个选择是被用户否掉两版之后定下来的：
先是"面板占掉主区域把聊天挤没了"，再是"在画板里再画一张预览图没什么用"。
现在是聊天保持原样，工作台在旁边。

为什么不是"包一层 RDKit"

因为直接包一层会给 AI agent 三个坑，这三个坑在科研场景里都会真实咬人：

1. RDKit 解析失败时不抛异常，只返回 None

失败原因写在 C++ 层的 stderr。天真包装下，模型只会拿到一个空洞的 None，完全不知道错在哪。
本工具把 RDKit 日志改道、捕获、翻译成人话，并在能定位时给出字符位置：

// chem_check_smiles("C1CC")
{ "level": "error",
"diagnostics": [{ "code": "unclosed_ring",
"message": "环闭合标记没有配对：SMILES 里的成环数字（如 C1...C1）出现次数必须是偶数" }] }

// chem_check_smiles("CC(=O)O)")   ← 多余右括号，定位到第 7 个字符
{ "level": "error", "position": 7,
"diagnostics": [{ "code": "extra_paren", "message": "多余的右括号：) 比 ( 多" }] }

2. MolFromSmiles("") 返回的不是 None，而是一个 0 原子的"空分子"

天真写法会把空输入判成合法。而 "   "（纯空白）又会返回 None——
同一个函数，两种空输入两种行为。本工具在领域层统一拦住。

3. 结果要分三级，不是"成功/失败"

[Fe+9] 能解析，但电荷荒谬。这类应该警告而不是拒绝：

| level | 含义 |
|---|---|
| ok | 干净通过 |
| warn | 能解析，但结构可疑（异常电荷、芳香性可疑…），附带原因 |
| error | 解析失败，附人话原因 + 可定位的字符位置 |

并且：批量接口绝不静默丢数据。 每一行都有明确归属（ok / warn / failed），
失败逐条列出——科研数据里"悄悄少了两行"比报错危险得多。

诊断文案支持中英双语

默认中文；英文环境设一个环境变量即可：

export MOL_LANG=en        # zh（默认）/ en

⚠️ 契约是 code，不是文案。 code（unclosed_ring / valence …）与语言无关，
也不随语言改变 level / position / canonical——有专门的回归用例锁住这一点。

工具一览（12 个，全部纯本地）

| 工具 | 作用 |
|---|---|
| chem_check_smiles | 校验 + 规范化，三级结果 + 人话原因 + 字符定位 |
| chem_properties | 分子式 / MW / 精确质量 / logP / TPSA / HBD / HBA / 环数 / 手性中心 |
| chem_analyze | 一次给全：基础性质 + 类药性 + 结构警报 + Murcko 骨架 |
| chem_druglikeness | Lipinski / Veber 逐条判定、QED、PAINS / BRENK 结构警报 |
| chem_draw_molecule | 画结构图（PNG/SVG，可标原子编号、可高亮子结构），返回文件路径 |
| chem_draw_grid | 多分子拼图（汇报/论文附图），坏条目跳过但逐条记录 |
| chem_convert | smiles / inchi / inchikey / mol / sdf / formula 互转 |
| chem_standardize | 去盐 / 去金属 / 中和 / 规范化，逐步记录改了什么 |
| chem_dedupe | 按规范化结构去重，给出重复分组 |
| chem_substructure_match | SMARTS 子结构匹配，返回原子索引 |
| chem_similarity | 指纹相似度（morgan / rdkit / maccs） |
| chem_batch_clean | 批量清洗一列 SMILES，输出计数摘要 + 失败清单（可写 CSV） |

工作台的「分析」页签跟这些工具共用同一个 chemcore —— 不存在"界面上算一套、agent 算另一套"的漂移。

chem_core 还有一个 python3 -m chemcore.cli 的 JSON 入口（一行 JSON 进、一行 JSON 出），
工作台的即时数字就是走它。这是"给 AI 的工具"和"给人的界面"共用一份实现的接缝。

Python API

import chemcore as cc

cc.check("C1CC").diagnostics[0].message   # '环闭合标记没有配对：…'
cc.properties("CC(=O)Oc1ccccc1C(=O)O")    # {'formula': 'C9H8O4', 'mw': 180.159, …}
cc.analyze("CC(=O)Oc1ccccc1C(=O)O")       # + QED / Lipinski / PAINS 警报 / Murcko 骨架
cc.draw("CCO", atom_indices=True)         # {'path': '…/CCO.png', …}markdown
cc.standardize("CC(=O)[O-].[Na+]")        # {'output': 'CC(=O)O', 'changes': [...]}
cc.batch_clean(["CCO", "C1CC"])           # {'ok': 1, 'failed': 1, 'failed_items': [...]}

实例：清洗一张“脏”的单体表

examples/monomer_cleanup.py 拿一张刻意做脏的单体表
（同一分子两种写法、一个钠盐、一个环未闭合错字、一个价键超限、一个离谱电荷）跑完整条链：
bash
python3 examples/monomer_cleanup.py

它报出 通过 11 · 警告 1 · 失败 2、把重复项合并、逐步展示去盐与中和的每一步，
并把能画的 12 个结构画出来、把跳过的 2 个连原因一起列出来。

批量画图（中文图注）

逆合成

逆合成页签的后端是可插拔的：插件用 child_process 起一个“喂 JSON 进 stdin、
读 JSON 出 stdout”的进程，默认指向仓库里的 Retro 桥接脚本。

- 后端没装好时：返回结构化诊断（缺哪些文件、去哪下、放哪里），界面照实显示 ——
不会编造路线，也不会拿“看起来像”的东西糊弄
- 想换后端（AiZynthFinder / 自研的 RetroChimera / 你们组的私服）：只要守着同一套
stdin/stdout 协议，把 retroCommand 指过去即可

安装 Retro（源码 + 模型数据，GB 级）见 docs/RETROSYNTHESIS.md。

测试
bash
PYTHONPATH=src python3 tests/run_tests.py    # 52 个核心用例（零依赖，不需要 pytest）
PYTHONPATH=src python3 tests/mcp_smoke.py    # MCP 协议级冒烟（真起服务、真调工具）
bash tests/run_all.sh                        # 上面两件 + 自测，一把梭

界面用 Playwright 无头验收（26 条断言，覆盖“打开工作台后聊天还能不能用”“数字是不是真算的”
“后端没装好时会不会编路线”）：
bash
dsh web --port 3081 --no-open > /tmp/chemver.log 2>&1 &
CHEM_BASE=http://127.0.0.1:3081 \
CHEM_TOKEN=$(grep -o 'token=[^ ]' /tmp/chemver.log | cut -d= -f2) \
node dsh-ui/tests/verify-ui.cjs

别拿你正在用的那个端口做实验 —— 另起一个实例，跑完就关。

设计原则

1. 零网络：所有计算在本进程完成。
2. 零额外依赖：核心只用 RDKit；测试连 pytest 都不需要。
3. 失败说人话：把 RDKit 的英文 C++ 日志翻译成分级诊断。
4. 不静默丢数据：批量接口逐条报告。
5. 参数必带口径：logP 会标注是 Crippen 估算值，mw / exact_mw 分别说明含义。
6. 落盘返回路径：图片不塞进协议载荷，而是写文件返回路径——可复现、可进版本库、可写论文。
7. 没有的东西就说没有：没有实验值、没有活性预测、逆合成后端没装就说没装。

路线图

- v0.1（当前）：12 个纯本地工具 + 化学工作台（画板 / 分析 / 逆合成框架）
- v0.2：逆合成后端真正跑通（Retro* 数据就位）+ 工作台里直接看路线图
- v0.3：更多分析卡片（pKa / 构象 / 药代性质），可视化升级为“结构 + 图表”
- 未定：图像→结构识别（OCSR）需要数百 MB 模型，不属于“基础轻工具”，会做成可插拔后端

边界

- 这里没有实验值。logP、TPSA、QED 都是计算/估算值，不替代实验测量。
- 结构警报不等于“有毒”：它只是“这类子结构值得人工看一眼”。
- 这里没有图像识别、名称→结构（OPSIN 之类）。
- SMARTS 匹配是结构匹配，不等于化学反应性判断。
- InChI 不支持  虚原子：聚合物 RU-SMILES（如 OCCOC(=O)c1ccc(C(=O)O)cc1）转不了 InChI / InChIKey。
我们不会静默返回空串（RDKit 会），而是明确报错并建议用 canonical SMILES 做唯一标识 ——
因为这个领域最常见的输入正好就是带  的。
- 这是 v0.0.1：API 可能变；欢迎提 issue。

仓库结构

src/chemcore/          纯 RDKit 核心（唯一的事实来源）+ JSON CLI 入口
src/dsh_mol_mcp/       stdio MCP 适配层（12 个工具）
dsh-ui/                化学工作台（DSH 客户端插件：宿主半边 + 浏览器半边）
dsh-ui/retro/          逆合成后端桥接（可插拔，默认 Retro）
dsh-bundle/            DSH 组合包（只贡献配置，指向上面的 MCP 服务）
dsh/                   手动叠加用的 patch（写死本机路径）
tests/                 零依赖测试 + MCP 协议冒烟 + Playwright 界面验收
docs/                  演示图与专题文档

环境要求（一个真实的坑）

MCP Python SDK 必须 1.x：
bash
pip install 'mcp>=1.0,<2'

SDK 2.x 把 FastMCP 改名成了 MCPServer，API 有破坏性变更。
我们的 [mcp] extra 已钉住 <2；如果你手工装了 2.x，dsh-mol-mcp 会明确告诉你怎么办
（而不是甩一条 traceback）—— 这个坑是 CI 在干净环境里实测出来的，不是推测。

致谢

- RDKit —— 整个化学核心
- Ketcher —— 画板（本地 wasm 渲染，不联网）
- Retro（ICML 2020）—— 逆合成后端之一

许可

MIT