该参考架构连接企业数据和公共科学数据，以加速靶点识别和化合物评估。
Databricks概述了一种名为AiChemy的多智能体AI系统的参考架构，该架构通过模型上下文协议(MCP)将其平台上的内部企业数据与外部科学数据库相结合，以加速靶点识别和候选药物评估等药物发现任务。
这些早期阶段的工作在药物开发中至关重要，因为它们帮助制药公司确定应追求哪些生物机制以及哪些化合物值得推进，直接影响后续临床阶段的成本、时间和成功率。
该多智能体AI系统基于Databricks组件构建，包括其数据智能平台、Delta Lake和Mosaic AI，其中包含Agent Bricks，这些组件管理并治理企业数据，同时支持创建和编排特定领域的智能体和"技能"。
这些技能包括查询和总结科学文献、检索化学和分子数据、在化合物间执行相似性搜索以及综合来自不同来源的证据的指令。
该系统通过MCP将这些智能体和技能与OpenTargets、PubMed和PubChem等外部数据源相结合，使智能体能够检索和推理专有和公共科学数据。
通过这种方式，AiChemy将数据访问、编排和分析整合到一个受管控的环境中，Databricks表示，这将帮助制药公司的研究人员从分散的数据集中发掘相关见解而不丢失上下文，从而加速靶点识别和候选药物评估等任务。
支撑整个系统的是一个监督智能体，它协调如何使用各个智能体和技能来满足查询。
Databricks将此监督智能体描述为不是一个预包装组件，而是企业团队可以使用其Mosaic AI和Agent Bricks工具实现的一种模式。
根据Databricks的一篇博客文章，构建此类监督智能体的企业团队首先需要定义和实现特定领域的技能，如文献搜索、化合物查找或数据综合，并注册它们以便能够以编程方式调用。
开发人员随后需要使用指令或策略配置监督智能体，以确定它如何选择和编排这些技能来响应查询，包括任务如何分解和路由，该公司在博客文章中写道。
该公司补充说，这种设置通常通过MCP与企业和外部数据源相连，访问控制和治理通过Databricks平台实施。
AiChemy计划建立在Databricks早期在医疗保健和药物发现方面的努力基础上。
2025年6月，该公司与Atropos Health合作，将真实世界临床数据与其数据智能平台相结合，以支持证据生成并加速研究工作流程。
一个月后，在2025年7月，它宣布与TileDB建立合作伙伴关系，专注于整合多模态科学数据，如基因组学、影像学和临床记录，以实现药物发现和临床洞察的AI驱动分析。
Databricks表示，AiChemy参考架构已通过一个网络应用程序和GitHub仓库提供，开发人员可以使用其Agent Bricks框架探索该系统并将其适应自己的用例。
【全文结束】