accueil / serveurs / Dev & Code / io.github.rabyavalla/aclm-lab-interpreter
io.github.rabyavalla/aclm-lab-interpreter
serveur MCP (Model Context Protocol) · bonsai-health-intelligence 5.0.0
Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur.
Est-ce que io.github.rabyavalla/aclm-lab-interpreter est sûr ?
Au dernier audit MCP Hub, le serveur MCP « io.github.rabyavalla/aclm-lab-interpreter » est classé « Non encore testé ». Référencé dans l'annuaire. Seul le pentest comportemental fait foi, et il n'a pas encore été exécuté sur ce serveur. Le verdict est réévalué en continu ; consultez la fiche pour l'état à jour.
Méthode : MCP Hub analyse la description de chaque outil (couche 1) et, pour le verdict fort, exécute le serveur dans une micro-VM isolée avec leurres et réseau bloqué (couche 2). On publie des noms et des compteurs, jamais le contenu brut renvoyé par un outil.
Les 2 outils
- interpret_labs≈ 194 tokens
Interpret a panel of lab values against ACLM-optimized reference ranges. Returns risk classification per marker, lifestyle interventions, and medication deprescription signals.
Paramètres, retour & exemple (3)
Paramètreslab_values· object · requis
Key-value pairs of biomarker names and values. Common keys: hba1c, fasting_glucose, fasting_insulin, ldl, hdl, triglycerides, apob, lp_a, hscrp, vitamin_d, b12, ferritin, tsh, free_t4, free_t3.health_goals· array · optionnelcurrent_medications· array · optionnel
Exemple d'appel{"name": "interpret_labs", "arguments": {"lab_values": {}}}Exemple de retour{"content": [{"type": "text", "text": "…"}]} - marker_reference≈ 102 tokens
Look up the ACLM-optimized reference range and lifestyle intervention plan for a single biomarker (e.g., apob, lp_a, hscrp, hba1c, fasting_insulin, vitamin_d).
Paramètres, retour & exemple (1)
Paramètresmarker· string · requis
Exemple d'appel{"name": "marker_reference", "arguments": {"marker": "texte"}}Exemple de retour{"content": [{"type": "text", "text": "…"}]}
C'est votre serveur ?
Revendiquez-le sur l'espace créateur (preuve GitHub, domaine ou npm) pour afficher le badge « propriétaire vérifié » et lancer un pentest comportemental à la demande afin d'obtenir le badge « Vérifié ».
Source
https://web-production-ae61.up.railway.app/mcp/aclm-lab-interpreter