基于 DeepSeek + LangGraph 的生物科研多智能体协作系统。通过 Supervisor 模式编排 3 个专业 Agent（文献检索、序列分析、细胞图像识别），实现复杂科研任务的自动拆解与协作完成。支持 Agent 级记忆隔离、MCP 工具解耦、微调 Qwen2-7B 恶意输入防御。
- 多智能体协作：基于 LangGraph Supervisor 模式，3 个专业 Agent 各司其职，Supervisor 自动拆解任务、编排执行顺序、汇总结果
- 三层记忆隔离：Global State（全局共享）+ Scoped Store（Agent 私有记忆）+ Checkpointer（跨会话持久化），Agent 间记忆互不干扰
- Agent 级上下文管理：每个 Agent 只接收与自身相关的上下文，按关键词过滤历史消息，超长时自动摘要压缩，避免 token 浪费
- MCP 工具解耦：PubMed 文献检索通过 MCP Server 独立部署，Agent 与工具松耦合，支持热替换数据源
- 恶意输入防御：基于微调 Qwen2-7B（LoRA）的二分类模型，识别提示词注入攻击，替代传统正则匹配，语义级防御
- 多模态图像分析：基于 U-Net 深度学习模型的细胞核自动检测与计数，支持通过 Streamlit 上传图片
- PubMed 文献检索：根据需求检索全球最大的生物医学文献数据库
- 序列分析：DNA/蛋白质序列的 GC 含量、碱基组成、翻译等分析
用户输入（文本 / 图片）
│
▼
┌───────────────────────────────────────────────┐
│ Prompt Guard │
│ 微调 Qwen2-7B 恶意输入识别（LoRA） │
└───────────────────┬───────────────────────────┘
│ 安全校验通过
▼
┌──────────────────┐
│ Supervisor │ 意图分类 + 任务拆解 + 结果汇总
│ (DeepSeek-V3) │ 持有：全局摘要记忆
└────────┬─────────┘
│ conditional_edges（支持多轮循环调度）
┌─────────────┼──────────────┐
▼ ▼ ▼
┌──────────┐┌─────────────┐┌────────────┐
│Literature││ Sequence ││ Image │
│ Agent ││ Agent ││ Agent │
│ 文献检索 ││ 序列分析 ││ 细胞核检测 │
│ ││ ││ │
│MCP Server││Function call││ U-Net │
│ PubMed ││ NCBI ││ (PyTorch) │
└────┬─────┘└────┬─────────┘└─────┬──────┘
│ │ │
▼ ▼ ▼
PubMed NCBI API 本地GPU推理
(REST) (Entrez)
每个 Agent 拥有独立的 Scoped Memory（私有记忆空间）
所有 Agent 通过 Global State 共享任务上下文
Checkpointer 提供跨会话持久化能力
本项目解决多 Agent 共存时记忆互相污染的问题：
┌───────────────────────────────────────────────────┐
│ 第1层：Global State（全局共享） │
│ task_id / user_intent / agent_results │
├───────────────────────────────────────────────────┤
│ 第2层：Scoped Store（Agent私有记忆） │
│ │
│ ("memory","lit_agent") → 检索历史、论文缓存 │
│ ("memory","seq_agent") → 序列查询缓存 │
│ ("memory","image_agent")→ 图像分析历史 │
│ │
├───────────────────────────────────────────────────┤
│ 第3层：Checkpointer（持久化） │
│ SqliteSaver，按 thread_id 隔离不同会话 │
└───────────────────────────────────────────────────┘
| 组件 | 技术 |
|---|---|
| 大语言模型 | DeepSeek-V3 (deepseek-chat) |
| Agent 框架 | LangGraph (Supervisor 多Agent模式) |
| 工具协议 | MCP (Model Context Protocol) |
| 计算机视觉 | PyTorch U-Net |
| 安全防御 | 微调 Qwen2-7B (LoRA) 恶意分类 |
| Web 框架 | Streamlit |
BioResearch_Agent/
├── agent/ # Agent 核心逻辑
│ ├── graph.py # LangGraph 多Agent图定义（Supervisor模式）
│ ├── supervisor.py # Supervisor 意图分类 + 任务编排 + 结果汇总
│ ├── context_manager.py # Agent级上下文裁剪与摘要压缩
│ ├── prompt_guard.py # 微调Qwen2-7B恶意输入识别
│ └── model_factory.py # 分层模型管理工厂
│
├── agents/ # 3个专业Agent
│ ├── literature_agent.py # 文献检索Agent（MCP → PubMed）
│ ├── sequence_agent.py # 序列分析Agent（MCP → NCBI）
│ └── image_agent.py # 图像分析Agent（U-Net细胞核检测）
│
├── mcp_servers/ # MCP工具服务（独立进程）
│ └── pubmed_server.py # PubMed文献查询MCP Server
│
├── tools/ # 底层工具实现
│ ├── pubmed_search.py # PubMed API 调用
│ ├── sequence_analysis.py # DNA/蛋白质序列分析
│ └── cell_image_analysis.py # U-Net 细胞核检测
│
├── models/ # 模型权重
│ ├── unet_nuclei.pth # U-Net 权重文件
│ └── prompt_guard_qwen2_7b/ # 微调Qwen2-7B分类模型
│
│
├── config/ # 配置文件
│ └── settings.py # 全局配置
│
│
├── app.py # Streamlit 主程序
├── requirements.txt # 依赖列表
└── README.md # 项目文档