TIPPY 的技术实现：药物发现实验室自动化的多代理架构和系统设计-计算机科学-AI 代理- 多智能体系统-微服务.pdfVIP

TIPPY的技术实现：药物发现实验室自动化的多代理架构和系

统设计

YaoFehlis,CharlesCrain,AidanJensen,MichaelWatson,JamesJuhasz,PaulMandel,BettyLiu,Shawn

Mahon,DarenWilson,NickLynch-Jonely,BenLeedom,DavidFuller

Artificial,Inc.

ABSTRACT

本基于我们在[1]中提出的用于制药研究的代理AI概念框架，本文对Tippy的多代理系统在药

物发现实验室自动化中的实现进行了全面的技术分析。我们介绍了一个分布式微服务架构，

译该架构包括五个专门的代理（主管、分子、实验室、分析和报告），这些代理通过OpenAI

中AgentsSDK编排进行协调并通过模型上下文协议（MCP）[2]访问实验室工具。系统架构涵

1盖了特定于代理的工具集成、异步通信模式以及通过基于Git的跟踪进行全面配置管理。我

v们的生产部署策略利用了Kubernetes容器编排、Helm图表、Docker容器化和CI/CD管道，

2

5以实现自动化测试和部署。该实现集成了向量数据库以支持RAG功能，并使用Envoy反向

8代理进行安全的外部访问。这项工作展示了如何通过标准化协议与现有实验室基础设施集成

7来维护安全性、可扩展性、可靠性的前提下，专门的人工智能代理可以有效地协调复杂的实

1

.验室工作流程。

7

0

5

2

:

v

iKeywordsAI代理多智能体系统实验室自动化系统架构模型上下文协议（MCP）Kubernetes微服务

x

r

a

1介绍

从概念性的代理AI框架过渡到可投入生产的实验室自动化系统需要解决与系统架构、协议设计以及与现有

实验室基础设施集成相关的众多技术挑战。虽然我们之前的工作建立了多代理实验室自动化的科学依据和概

念框架，但本文重点在于使此类系统能够实际部署的工程决策、实施细节和技术特征。

现代实验室自动化要求异构系统之间进行实时协调，具备强大的错误处理能力，并且能够与自动仪器和人工

工作流程无缝集成。传统的实验室管理系统提供了数据存储和基本的工作流跟踪功能，但缺乏实现复杂多阶

段工作流（如设计-制造-测试-分析(DMTA)循环[3]）自主运行所需的情报和协调能力。

我们的实现通过一个结合了专业领域专长与灵活协调机制的分布式多代理架构来解决这些限制。每个代理在

其领域内自主运行，同时参与跨越多个学科和实验室系统的协同工作流。

2多智能体架构与专业化能力

2.1代理专业化和领域专长

图1:多代理架构显示了监督代理与四个专门代理——分子代理、实验室代理、分析代理和报告代理——以

及安全护栏代理协调，以验证实验室安全。

该系统采用监督者-代理模式，包含五个专门的代理，每个代理都配备了通过模型上下文协议（MCP）访问的

专业工具。如图1所示，架构展示了实验室自动化工作流程中关注点的明确分离和高效工具利用。

2.2监督代理协调

监督代理充当中央协调者，利用OpenAIAgentsSDK的交接机制来编排跨越四个专业代理的工作流程：分子、

实验室、分析和报告代理。该系统采用高级上下文共享和动态代理路由技术，能够在多个实验阶段实现复杂

决策。

2.3分子代理：计算化学集成

分子代理特别专注于通过4个专门的MCP工具进行分子和化学化合物操作：

•生成SMILES图像:创建分子结构可视化

•SMILES中的分子信息:从SMILES表示法中获取详细的化学性质

•生成莫尔米姆:利