SNOMED-CT 工具
SNOMED-CT 工具 是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
通过安装 SNOMED-CT 工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。SNOMED-CT 工具 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 SNOMED-CT 工具 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
SNOMED-CT 工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
SNOMED-CT 工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/pacharanero/sct
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"snomed-ct---": {
"command": "npx",
"args": ["-y", "sct"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 SNOMED-CT 工具 执行以下任务... Claude: [自动调用 SNOMED-CT 工具 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"snomed-ct___": {
"command": "npx",
"args": ["-y", "sct"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
简介
<p align="center"> <img src="docs/assets/logo/sct-logo.svg" width="288" alt="sct logo"> </p>
A local-first SNOMED CT toolchain that's 10-100x faster than IHTSDO Snowstorm. One binary - from raw RF2 release to NDJSON, then SQL, Parquet, Markdown, TUI, GUI, graphs and MCP/LLM tool use. All on your machine, no network calls, REST APIs, or external servers required.
This is very much a work in progress, but it's ready to use and I would very much like feedback on how it performs for you.
+ transitive closure (sct tct)")] N -->|"sct parquet"| PQ[("snomed.parquet")] N -->|"sct markdown"| MD["snomed-concepts/"] N -->|"sct embed"| AR[("snomed-embeddings.arrow")] DB --> QUERY["sct lexical · lookup · ecl
refset · map · diagram · codelist"] N -->|"sct fst"| FST[("snomed.fst · FST index")] FST --> SAYT["sct sayt · search-as-you-type"] DB --> SERVE["sct serve · FHIR R4 server"] DB --> MCP["sct mcp · LLM tool use"] AR --> SEM["sct semantic · vector search"] PQ --> DUCK["DuckDB / pandas / Polars"] MD --> RAG["RAG / LLM file reading"]
Plus sct diff (compare two NDJSON releases), sct info (inspect any artefact), and sct gui / sct tui for visual, point-and-click exploration.
The canonical NDJSON artefact at the centre is stable, versionable, and greppable. The main file contains concepts; --refsets all adds provenance-declared payload-refset and history companion streams so non-concept RF2 rows remain lossless. All other outputs are derived from this NDJSON bundle and can be regenerated at any time.
---
Installation
Prebuilt binaries are published for Linux (x86_64, aarch64), macOS (Apple Silicon, Intel), and Windows (x86_64) on every release, with SHA-256 checksums you can verify against the SHA256SUMS file on the Releases page.
Compile from crates.io
cargo install sct-rs
Or, if you have the [`cargo-binstall`](https://github.com/cargo-bins/cargo-binstall) plugin installed (it is not bundled with `cargo` itself), grab a prebuilt binary instead of compiling from source:
One-time: install the binstall plugin (or follow the one-liner installers in its README)
cargo install cargo-binstall
Then install sct without compilation
cargo binstall sct-rs ```
Run without installing anything
nix run github:pacharanero/sct -- lookup 22298006
Install into your profile
nix profile install github:pacharanero/sct
Build from source
git clone https://github.com/pacharanero/sct
cd sct
cargo install --path . # default build: core commands + sct serve + sct tui
cargo install --path . --features gui # add the browser UI (sct gui)
cargo install --path . --features dmwb # add the NHS DMWB .mdb reader (sct dmwb)
cargo install --path . --features full # everything: serve + tui + gui + dmwb + diagram SVG| Feature | Default? | What it adds | Extra dependencies |
|---|---|---|---|
serve | yes | FHIR R4 terminology server (sct serve) | axum, tokio |
tui | yes | Interactive terminal UI - powers both sct tui and the live sct sayt view | ratatui, crossterm |
gui | opt-in | Browser-based graph UI (sct gui) | axum, tokio, open |
dmwb | opt-in | Read NHS Data Migration Workbench .mdb files (sct dmwb) | jetdb |
diagram-svg | opt-in | Built-in SVG output for sct diagram | layout-rs |
full | opt-in | Everything: serve + tui + gui + dmwb + diagram-svg | all of the above |
Every other subcommand (RF2 conversion, SQLite/Parquet/Markdown/Arrow, search, ECL, maps, codelists, MCP, diff, info…) is always compiled in. Only a --no-default-features build - such as the headless Docker server image - drops serve and tui.
The release name carries through - every build command names its output
Quick start
```bash
NB: You need to Subscribe to a release before you can see the Download option 🤯
Arch Linux ([AUR](https://aur.archlinux.org/packages/sct-rs-bin))
yay -S sct-rs-binSpeed comparison
| Operation | sct + SQLite | Snowstorm Lite | sct speedup |
|---|---|---|---|
| Import - Clinical Edition | 22s | 209s | ~10x faster |
| Import - Full UK Monolith | ~57s | Failed (OOM)* | ∞ |
| Single concept lookup (SCTID) | 6ms | 491ms | ~80x faster |
| Free-text search (10 results) | 2ms | 202ms | ~100x faster |
* Snowstorm Lite running in Docker with 24Gb of Java heap allocation ran out of memory on the full UK Monolith, which has 837,930 concepts. sct handled it in under a minute.
These comparison numbers predate the current 837,930-concept release and haven't been re-run against a live Snowstorm Lite instance since - treat them as indicative rather than current. For up-to-date sct-only timings, see docs/benchmarks.md. Feel free to run the benchmarks yourself (including a fresh Snowstorm Lite comparison) and share your results, perhaps as an Issue.
---
高质量的开源MCP工具，支持多种格式
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
该工具使用 AGPL-3.0 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
⚠️ AGPL 3.0 — 最严格的 Copyleft，网络服务端使用也需开源，SaaS 使用受限。
❓ 常见问题 FAQ
经综合评估，SNOMED-CT 工具 在MCP工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | sct |
| 原始描述 | 开源MCP工具：SNOMED-CT tooling, brought into the 21stC. RF2 → NDJSON → SQLite | Vector | .arr。⭐16 · Rust |
| Topics | SNOMED-CTMCPRust健康 |
| GitHub | https://github.com/pacharanero/sct |
| License | AGPL-3.0 |
| 语言 | Rust |
收录时间：2026-06-03 · 更新时间：2026-06-05 · License：AGPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。