引擎

引擎即库

pip install mirobody：离线指标解析、一次调用解析文档，以及从 77 MB 的库到完整对话服务之间的四档安装分层。

对话服务是构建在引擎之上的一层。引擎本身的① 采集与② 标准化是一个普通的 Python 包：不依赖任何框架，不需要数据库，也不发起网络请求，pip install mirobody 即可使用。

这样切分的原因在于：标准化健康数据通常需要把数据交给外部服务处理，而这里的词表随 wheel 一并安装，整个过程不需要联网。

公开 API

mirobody/engine.py 就是引擎层对外的全部：两个函数、两个结果类型。

from mirobody.engine import resolve, parse_file

r = resolve("血红蛋白")
r.loinc        # '718-7'
r.canonical    # 'Hemoglobin [Mass/volume] in Blood'
r.resolved     # True
r.candidates   # 72 —— 有多少条别名指向这个名字

readings = await parse_file("physical-2026.pdf")   # 需要一把模型 key

resolve() 是离线且确定性的。parse_file() 是读文档的那一次调用：只有抽取那半需要模型 key，紧随其后的标准化是离线运行的，所以这个函数在没有 key 时也仍然做得了事。

命令行

它是以控制台脚本形式安装的，所以光 pip install mirobody 就能获得一条可执行命令。部署里用 python -m mirobody。

命令	做什么	需要什么
`mirobody resolve <terms…>`	指标名 → 标准编码	什么都不需要：无 key、无配置、无网络
`mirobody parse <file>`	进去一份化验单，出来一张标准化的 LOINC 表	一把 LLM key
`mirobody serve`	HTTP 服务（对话、MCP、API）	`[agents]` extra + Postgres/Redis
`mirobody worker`	后台任务 worker（指标同步、画像刷新）	同 `serve`

serve 与 worker 会先检查 agent 层在不在，并直接告诉你该装什么，而不是在深处抛一个 ModuleNotFoundError: langchain。

mirobody resolve "LDL cholesterol" "血红蛋白" "ヘモグロビン" "血圧"

  LDL cholesterol  LOINC 13457-7     Cholesterol in LDL [Mass/volume] in Serum or Plasma by calculation   [63 candidates]
  血红蛋白             LOINC 718-7       Hemoglobin [Mass/volume] in Blood   [72 candidates]
  ヘモグロビン           LOINC 718-7       Hemoglobin [Mass/volume] in Blood   [72 candidates]
  血圧               unresolved — not in the lexical index (the full semantic pipeline may still resolve it)

三种语言，其中两种落到同一个编码。第四行值得注意：血圧 指的是一个套餐而不是一个观测项，词法索引给出的是诚实的未命中，而不是从两个分项中任选其一。

安装分层与对应能力

安装方式	能用什么	占用
只有 wheel + numpy	`from mirobody.engine import resolve`：离线解析器	77 MB，2 个包
`pip install mirobody`	再加 `mirobody parse`（一把 LLM key）· 文件解析（PDF/Excel/音频）· FHIR 输出	233 MB，90 个包
`pip install 'mirobody[server]'`	再加 HTTP API 与 MCP 端点	需要 Postgres + Redis
`pip install 'mirobody[agents]'`	再加 DeepAgent / BaseAgent 与 `mirobody serve`（含 `[server]`）	再加上 LangChain 那一栈
`pip install 'mirobody[indicator-build]'`	重建词表本身	需要 LOINC / UMLS 源数据

77 MB 下限里有 51 MB 是随包分发的 LOINC/SNOMED 数据，也就是解析器本体；标准化之所以能在无网络环境下完成，靠的就是它。另外还有两个 extra：[cn]（阿里云 OSS + 火山 Ark）与 [test]（pytest + import-linter）。

数据库驱动、HTTP 服务、S3 与邮件客户端都在 [server] 里，[agents] 会把它一并带上，所以只把它当库用的人不需要为一个 Postgres 驱动付费。

引擎与 agent 层的依赖边界

在没有装任何 agent 框架的环境里，引擎必须能 import 成功。 langchain*、deepagents 与 langgraph 只允许出现在 agent/ 与 server/ 之下，这和 langchain 自己给 langchain-core 定的分层是同一套。pyproject.toml 里两条 import-linter 契约会在违规时让构建失败，函数内的局部 import 也算：

pip install -e '.[test]' && lint-imports

agent/ · server/ ③ 问答：唯一允许出现 LangChain 的地方

agent/deep_agent.pyagent/base_agent.pyserver/routers/

引擎本体 ① 采集 + ② 标准化：无框架，下限只依赖 numpy

engine.pypulse/indicator/res/

共享基础设施供三个步骤共同使用

mcp/task/user/utils/

import 方向永远向下。`utils/` 被刻意保持为叶子。

正是这条契约，让 mirobody.engine 能在环境里只有 numpy 一个第三方包的情况下解析一个指标。

可运行示例

examples/ 下有五个脚本，按所需依赖由少到多排列，每个都可以直接运行。

	示例	需要	展示什么
01	`01_resolve_offline.py`	`pip install mirobody`	② 名字 → LOINC，任意语言，完全离线
02	`02_standardize_a_reading.py`	`pip install mirobody`	① 单位换算 + 指标目录
03	`03_parse_a_lab_report.py`	再加一把模型 key	一次调用把文档变成标准化读数
04	`04_mcp_tool_surface.py`	`pip install mirobody`	③ 外部 MCP 客户端到手的究竟是什么
05	`05_agent_server_preflight.py`	`pip install 'mirobody[agents]'`	这台机器能不能运行全套服务，还缺什么

示例 01、02、04 只需要这个包本身。示例 05 会在一次运行里列出全套服务的所有前置条件，是确认一台机器还缺什么的最快方式。

下一步

把全套运行起来

Docker Compose、一个 demo 账号，以及你需要的那两把 key。

② 标准化是怎么做的

概念图、别名索引，以及正确性是怎么打分的。

架构

每个步骤住在哪里，共享基础设施又是什么。

本地开发

可编辑安装与测试套件。