用途：ToolUniverse 让 AI 智能体具备科研能力，通过统一的 AI-Tool Interaction Protocol 标准化访问 600+ 科学工具、模型、数据集和 API，支持跨生物信息学、化学信息学、基因组学、结构生物学、蛋白质组学与药物发现等领域的工具发现、执行与组合。通过 Model Context Protocol（MCP）可与 Claude Desktop/Code 集成，MCP 服务命令为 tooluniverse-smcp。
主要能力：以自然语言、语义搜索或关键词发现工具（Tool_Finder 基于嵌入、Tool_Finder_LLM 基于大模型、Tool_Finder_Keyword 关键词），通过 tu.run() 执行工具，并可将多步流程组合为科研管线，例如靶点发现→结构预测→虚拟筛选，或基因表达→差异分析→通路富集。覆盖数据库包括 OpenTargets、PubChem、UniProt、PDB、ChEMBL、KEGG、Reactome、GO、ClinVar、ZINC、AlphaFold、STRING、OMIM 等。
使用方式：先通过 pip 安装，文档给出的安装命令为 uv pip install tooluniverse（原文如此），然后初始化并加载工具：from tooluniverse import ToolUniverse；tu = ToolUniverse()；tu.load_tools()。随后用 tu.run({"name": ..., "arguments": {...}}) 发现或执行工具。仓库提供示例脚本 scripts/example_tool_search.py 与 scripts/example_workflow.py，并附参考文档 references/installation.md、tool-discovery.md、tool-execution.md、tool-composition.md、domains.md、api_reference.md。
适用场景：查找科研工具、执行计算生物学工作流（疾病靶点识别、药物发现、基因组分析）、访问科学数据库、组合多步研究管线、分析基因表达/蛋白序列/分子结构/临床数据、文献检索、通路富集与变异注释，以及构建自动化科研流程。
限制：具体收费、价格、平台支持范围与性能效果在资料中暂未提供；使用 Tool_Finder 的嵌入方法需要 GPU；执行前应校验参数与输入格式（如 SMILES、UniProt ID、基因符号），生产环境需做错误处理，并注意远程 API 的速率限制；官方信息见 https://aiscientist.tools 与 https://github.com/mims-harvard/ToolUniverse。