Registro público
Informe de salud del softwareesquema 0.34.0 · métricas 2.10.0 · 2026-09-10 08:25 UTC

PDBeurope / PDBe-MCP-Servers

PDBe MCP Servers integrate Protein Data Bank Europe resources with LLMs via Model Context Protocol. Provides seamless access to protein structure data through API tools and graph database schema assistance for intelligent Cypher query generation, bridging structural biology and AI research.

PythonApache-2.0★ 39 estrellas⑂ 1 forkdesde jun 2025Ver en GitHub ↗
TipoHerramienta de línea de comandosServidor MCPBibliotecaServicio de redcómo se determina
#ai-integration#api-server#bioinformatics#knowledge-graph#llm-tools#mcp#pdbe#protein-structures#python#structural-biology

PDBeurope/PDBe-MCP-Servers tiene un índice de salud de 71 sobre 100, lo que lo sitúa en la banda Bueno. Su puntuación más alta es Engineering Quality (78/100) y la más baja, Community & Adoption (47/100). Se actualizó por última vez hace 42 días. Una sola persona concentra la mayor parte del trabajo reciente.

71
global / 100
Bueno

Índice de salud del software

Las métricas se agrupan en categorías ponderadas sobre una escala estandarizada de 1 a 100. El resultado global parte de su media ponderada, calibrada contra la distribución del registro público para que las bandas tengan significado percentil; cuando la evidencia pública activa la Política de Jurisdicciones de Alto Riesgo, la calificación se ajusta y recibe un límite «En riesgo» de 34.

71
Excepcional93-100El nivel más alto del registro (≈ el 5% superior); cumple prácticamente todos los criterios evaluados
Excelente80-92Sólido en todos los frentes; carencias menores
Bueno65-79Saludable; carencias limitadas y manejables
Moderado50-64Aceptable con carencias notables; se recomienda revisión
Débil35-49Debilidades sustanciales en varias áreas
En riesgo20-34Debilidades significativas; su adopción exige cautela
Crítico1-19Problemas graves (proyecto abandonado, un solo mantenedor, sin higiene)
VitalidadComunidad yAdopciónSostenibilidady GobernanzaCalidad deIngenieríaSeguridadPreparaciónpara IA

Perfil de puntuación

Cada eje es una categoría. La forma importa más que la media: un proyecto sano llena toda la figura, mientras que un perfil de picos y cráteres indica que la fortaleza en una dimensión enmascara el riesgo en otra.

El resultado global ponderado 63 se calibra a 71 en la escala publicada del índice (calibración del registro 2026-08-02).

Titularidad

PDBe EMBL-EBIOrganización
88 seguidores49 repositorios públicosdesde sept 2014

Este repositorio está respaldado por una organización: una custodia compartida y responsable que puede sobrevivir a cualquier mantenedor individual.

Ecosistemas de paquetes

RegistroPaqueteVersiónDescargas / mesVersionesÚltima publicaciónEtiquetas
PyPIpdbe-mcp-server1.1.630017hace 42 díasautomationfetchhttpllmmcpstatelessstreamableweb

Métricas por categoría

Vitalidad

¿Está vivo el proyecto: se escribe código y se publican versiones?

67Bueno · 21% del índice global

Actividad de desarrollo

45Débil
Cómo se puntúa
18/36Recencia de push — último push hace 42 días
11.1/36Cadencia de commits — 16/52 semanas con commits
12.7/18Volumen de commits — 25 commits en el último año
3/10OpenSSF Scorecard: Maintained — 4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
Datos de entrada utilizados
commits_last_year25
human_commit_share0,969
days_since_last_push42
active_weeks_last_year16

Disciplina de publicación

100Excepcional
Cómo se puntúa
27/27Publica versiones — 18 versiones publicadas
36/36Recencia de las versiones — última versión hace 42 días
27/27Cadencia de publicación — una versión cada ~10,2 días
0/10OpenSSF Scorecard: Signed-Releases — sin datos
Datos de entrada utilizados
releases_count18
latest_release_tagv1.1.7
releases_from_tagsno
days_since_latest_release42
mean_days_between_releases10,2
Excluidos de la puntuación (sin datos o no aplicable): OpenSSF Scorecard: Signed-Releases. Los pesos restantes se han renormalizado.

Comunidad y Adopción

¿Tiene el proyecto usuarios, descargas, atención y unas condiciones acogedoras para quienes contribuyen?

47Débil · 17% del índice global

Popularidad y adopción

26En riesgo
Cómo se puntúa
25.6/60Estrellas — 39 estrellas
0/25Forks — 1 forks
0/15Observadores — 0 observadores
Datos de entrada utilizados
forks1
stars39
watchers0
growth_stateunverified
growth_factor_pct100
growth_unverified_reasonno_history

Salud de la comunidad

70Bueno
Cómo se puntúa
22.5/22.5README
22.5/22.5Licencia — licencia reconocida (Apache-2.0)
18/18Guía CONTRIBUTING
0/13.5Código de conducta
0/7.2Plantilla de issues
0/6.3Plantilla de PR
Datos de entrada utilizados
has_readmesí
has_licensesí
readme_badges0
has_contributingsí
has_issue_templateno
has_code_of_conductno
readme_badge_services—
has_pull_request_templateno

Sostenibilidad y Gobernanza

¿Sobrevivirá el proyecto a sus personas: factor bus, capacidad de respuesta, quién lo respalda y mantenimiento del paquete?

56Moderado · 23% del índice global

Resiliencia de mantenedores (factor bus)

16Crítico
Cómo se puntúa
9/54Factor bus — la mitad de los commits recae en 1 contribuyente(s)
0/22.5Distribución de commits — el principal contribuyente firma el 100% de los commits
1.4/13.5Amplitud de contribuyentes — 1 contribuyentes
6/10OpenSSF Scorecard: Contributors — project has 2 contributing companies or organizations -- score normalized to 6
Datos de entrada utilizados
bus_factor1
contributors_sampled1
top_contributor_share1

Capacidad de respuesta a issues y PR

57Moderado
Cómo se puntúa
28/42Resolución de issues — 67% de issues cerradas
21.9/30Aceptación de PR — 27/37 PR decididos fusionados
0/13Newcomer PR acceptance — ningún PR de un contribuyente primerizo decidido en 30 d
0/15OpenSSF Scorecard: Code-Review — Found 0/27 approved changesets -- score normalized to 0
Datos de entrada utilizados
merged_prs27
open_issues1
closed_issues2
prs_merged_7d0
prs_decided_7d0
prs_merged_30d0
prs_decided_30d0
issue_closed_ratio0,667
closed_unmerged_prs10
first_time_authors_30d0
first_time_prs_merged_30d0
first_time_prs_decided_30d0
Excluidos de la puntuación (sin datos o no aplicable): Newcomer PR acceptance. Los pesos restantes se han renormalizado.

Propiedad y custodia

68Bueno
Cómo se puntúa
30/30Respaldo de la propiedad — propiedad de una organización
0/20Dominio verificado
14/25Alcance del propietario — 88 seguidores de PDBeurope
24.4/25Trayectoria — 49 repos públicos, cuenta de ~11 años
Datos de entrada utilizados
followers88
owner_typeOrganization
is_verifiedno
owner_loginPDBeurope
public_repos49
account_age_days4375

Mantenimiento de paquetes

100Excepcional
Cómo se puntúa
25/25Publicado y resoluble — 1 paquete(s) en pypi
35/35Recencia de publicación — última publicación hace 42 días
20/20Historial de versiones — 17 versiones en el registro
20/20No obsoleto — activo, ni obsoleto ni retirado
Datos de entrada utilizados
packagespdbe-mcp-server
ecosystemspypi
any_deprecatedno
min_days_since_publish42

Calidad de Ingeniería

¿Existen unas prácticas mínimas de ingeniería y documentación?

78Bueno · 19% del índice global

Prácticas de ingeniería

90Excelente
Cómo se puntúa
24/24Flujos de trabajo de CI — 1 flujo(s) de trabajo
24/24Pruebas presentes
16/16Configuración de linter — pyproject.toml ([tool.ruff]), ruff.toml
9.6/9.6Hooks de pre-commit
0/6.4.editorconfig
16/20OpenSSF Scorecard: CI-Tests — 24 out of 27 merged PRs checked by a CI test -- score normalized to 8
Datos de entrada utilizados
has_cisí
has_testssí
has_editorconfigno
has_linter_configsí
has_precommit_configsí

Documentación

60Moderado
Cómo se puntúa
30/30README
0/25Directorio de documentación
0/15Sitio de documentación / página del proyecto
10/10Descripción del repositorio
10/10Topics — 10 topics
10/10Wiki
Datos de entrada utilizados
topicsai-integration, api-server, bioinformatics, knowledge-graph, llm-tools, mcp, pdbe, protein-structures, python, structural-biology
has_wikisí
homepage—
docs_site—
has_readmesí
has_docs_dirno
has_descriptionsí

Seguridad

¿Son sólidas las prácticas visibles de seguridad y de cadena de suministro, sin exposición jurisdiccional de alto riesgo sin resolver?

65Bueno · 16% del índice global

Postura de seguridad

56Moderado
Cómo se puntúa
7.5/7.5Binary-Artifacts — no binaries found in the repo
0/7.5Branch-Protection — sin datos
2/2.5CI-Tests — 24 out of 27 merged PRs checked by a CI test -- score normalized to 8
0/2.5CII-Best-Practices — no effort to earn an OpenSSF best practices badge detected
0/7.5Code-Review — Found 0/27 approved changesets -- score normalized to 0
1.5/2.5Contributors — project has 2 contributing companies or organizations -- score normalized to 6
10/10Dangerous-Workflow — no dangerous workflow patterns detected
7.5/7.5Dependency-Update-Tool — update tool detected
0/5Fuzzing — project is not fuzzed
2.5/2.5Licencia — license file detected
2.2/7.5Maintained — 4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
5/5Packaging — packaging workflow detected
0/5Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
2/5SAST — SAST tool is not run on all commits -- score normalized to 4
0/5Security-Policy — security policy file not detected
0/7.5Signed-Releases — sin datos
7.5/7.5Token-Permissions — GitHub workflow tokens follow principle of least privilege
3/7.5Vulnerabilities — 6 existing vulnerabilities detected
Datos de entrada utilizados
sourceopenssf_scorecard
checks_evaluated16
scorecard_versionv5.5.0
checks_inconclusive2
scorecard_aggregate5,6
Excluidos de la puntuación (sin datos o no aplicable): Branch-Protection, Signed-Releases. Los pesos restantes se han renormalizado.

Avisos de dependencias

100Excepcional
Cómo se puntúa
35/35Dependencias directas libres de avisos conocidos — ninguna dependencia directa tiene un aviso conocido
25/25Dependencias indirectas libres de avisos conocidos — ninguna dependencia indirecta tiene un aviso conocido
0/40Sin avisos pendientes — ningún aviso tiene fecha de publicación
Datos de entrada utilizados
sourceosv
advisories0
affected_packages0
assessed_packages38
unassessed_packages0
affected_by_severitynone
direct_affected_packages0
Excluidos de la puntuación (sin datos o no aplicable): Sin avisos pendientes. Los pesos restantes se han renormalizado. Se cotejó el cierre de dependencias en tiempo de ejecución de pypi:pdbe-mcp-server@1.1.6 —lo que arrastra la instalación del paquete publicado—: 38 paquetes. No se analiza la alcanzabilidad.

Preparación para IA

¿Hasta qué punto está el repositorio preparado para desarrollarse y mantenerse con agentes de codificación de IA? Tiene un peso deliberadamente pequeño (4%): las herramientas para agentes son una señal real de mantenimiento, pero un repositorio sin ninguna puede alcanzar igualmente 100/100.

68Bueno · 4% del índice global

Contexto y guía para agentes

55Moderado
Cómo se puntúa
0/45Instrucciones para agentes — sin CLAUDE.md / AGENTS.md / reglas de editor
15/15Documentación legible por máquinas (llms.txt) — llms.txt servido por el sitio web del proyecto (https://antigravity.google/llms.txt)
40/40Historial de commits legible — 25 de 31 commits humanos declaran su intención (asunto estructurado o cuerpo explicativo)
Datos de entrada utilizados
has_llms_txtsí
llms_txt_urlhttps://antigravity.google/llms.txt
legible_history_share0,806
agent_instruction_files—
agent_instruction_max_bytes—

Bucle de verificación (compilación / pruebas / verificación de tipos)

90Excelente
Cómo se puntúa
18/18Arranque con un solo comando — Makefile
22/22Pruebas automatizadas
11/11Configuración de lint / formato — pyproject.toml ([tool.ruff]), ruff.toml
11/11Verificación estática de tipos — pdbe_mcp_server/py.typed
10/10Entorno reproducible — lockfile
10/10Práctica demostrada con agentes — 3 de los últimos 32 commits con autoría o crédito de agente
8/8Mantenimiento automatizado — 1 de los últimos 32 commits son actualizaciones automáticas de dependencias
0/10OpenSSF Scorecard: Pinned-Dependencies — dependency not pinned by hash detected -- score normalized to 0
Datos de entrada utilizados
has_nixno
has_testssí
lockfilesuv.lock
has_dockerfileno
typed_languageno
bootstrap_filesMakefile
has_devcontainerno
has_linter_configsí
typecheck_configspdbe_mcp_server/py.typed
agent_commit_share0,094
toolchain_manifests—
dependency_bot_commit_share0,031

Legibilidad del código para modelos

82Excelente
Cómo se puntúa
27/45Código verificable por tipos — Python con configuración de verificación de tipos (pdbe_mcp_server/py.typed)
55/55Tamaños de archivo manejables — 0/15 archivos fuente de más de 60 KB
Datos de entrada utilizados
primary_languagePython
largest_source_bytes28.927
source_files_sampled15
oversized_source_files0

Interfaces legibles por máquina

20En riesgo
Cómo se puntúa
0/40Esquema de API (OpenAPI/GraphQL/proto)
20/20Servidor MCP
0/40Ejemplos ejecutables
Datos de entrada utilizados
example_dirs—
has_mcp_signalsí
api_schema_files—
interfaces_expected_ofnetwork-service

Datos clave

39estrellas de GitHub
1contribuidores
25commits en los últimos 12 meses
42días desde el último push
18versiones publicadas
1factor bus
1issues abiertas
PyPIecosistemas de paquetes

Advertencias de recopilación de datos

  • Star history unavailable: GitHub GraphQL error: Resource not accessible by personal access token

Más detalle

OpenSSF Scorecard 5.6 / 10
5.6agregado

Evaluación de seguridad independiente y agnóstica en cuanto a herramientas, procedente del proyecto de código abierto OpenSSF Scorecard. Cada comprobación premia una práctica de seguridad, no la herramienta de un proveedor concreto. Las comprobaciones que Scorecard no pudo determinar se marcan como n/d y se excluyen de la puntuación de seguridad (nunca se cuentan como cero).Scorecard v5.5.0 · 2026-09-10 08:24 UTC

10Binary-Artifactsno binaries found in the repo
n/dBranch-Protectioninternal error: error during branchesHandler.setup: internal error: some github tokens can't read classic branch protection rules: https://github.com/ossf/scorecard-action/blob/main/docs/authentication/fine-grained-auth-token.md
8CI-Tests24 out of 27 merged PRs checked by a CI test -- score normalized to 8
0CII-Best-Practicesno effort to earn an OpenSSF best practices badge detected
0Code-ReviewFound 0/27 approved changesets -- score normalized to 0
6Contributorsproject has 2 contributing companies or organizations -- score normalized to 6
10Dangerous-Workflowno dangerous workflow patterns detected
10Dependency-Update-Toolupdate tool detected
0Fuzzingproject is not fuzzed
10Licenselicense file detected
3Maintained4 commit(s) and 0 issue activity found in the last 90 days -- score normalized to 3
10Packagingpackaging workflow detected
0Pinned-Dependenciesdependency not pinned by hash detected -- score normalized to 0
4SASTSAST tool is not run on all commits -- score normalized to 4
0Security-Policysecurity policy file not detected
n/dSigned-Releasesno releases found
10Token-PermissionsGitHub workflow tokens follow principle of least privilege
4Vulnerabilities6 existing vulnerabilities detected
Dependencias directas 10
RegistroPaqueteRestricción de versiónManifiesto
PyPIanyio>=4.5,<5pyproject.toml
PyPIclick>=8.1,<9pyproject.toml
PyPIhttpx>=0.27,<1pyproject.toml
PyPImcp>=1.23,<2pyproject.toml
PyPIneo4j>=5,<6pyproject.toml
PyPIomegaconf>=2.3,<3pyproject.toml
PyPIpython-toon>=0.1.3,<0.2pyproject.toml
PyPIrequests>=2.33,<3pyproject.toml
PyPIstarlette>=1.0.1,<2pyproject.toml
PyPIuvicorn>=0.30,<1pyproject.toml
Todas las dependencias 79

Conjunto completo de dependencias resueltas según el grafo de dependencias de GitHub: 10 paquetes directos y 69 indirectos (transitivos). El cierre transitivo es completo cuando el repositorio incluye un lockfile.

RegistroPaqueteVersiónRelación
PyPIanyio4.9.0directa
PyPIclick8.2.1directa
PyPIhttpx0.28.1directa
PyPImcp1.27.2directa
PyPIneo4j5.28.4directa
PyPIomegaconf2.3.0directa
PyPIpython-toon0.1.3directa
PyPIrequests2.34.2directa
PyPIstarlette1.3.1directa
PyPIuvicorn0.34.3directa
PyPIannotated-types0.7.0indirecta
PyPIantlr4-python3-runtime4.9.3indirecta
PyPIattrs26.1.0indirecta
PyPIbackports-asyncio-runner1.2.0indirecta
PyPIbackports-tarfile1.2.0indirecta
PyPIcertifi2025.4.26indirecta
PyPIcffi2.0.0indirecta
PyPIcharset-normalizer3.4.2indirecta
PyPIcolorama0.4.6indirecta
PyPIcoverage7.11.0indirecta
PyPIcryptography48.0.1indirecta
PyPIdocutils0.22.2indirecta
PyPIexceptiongroup1.3.0indirecta
PyPIh110.16.0indirecta
PyPIhttpcore1.0.9indirecta
PyPIhttpx-sse0.4.0indirecta
PyPIid1.5.0indirecta
PyPIidna3.18indirecta
PyPIimportlib-metadata8.7.0indirecta
PyPIiniconfig2.1.0indirecta
PyPIjaraco-classes3.4.0indirecta
PyPIjaraco-context6.0.1indirecta
PyPIjaraco-functools4.3.0indirecta
PyPIjeepney0.9.0indirecta
PyPIjsonschema4.26.0indirecta
PyPIjsonschema-specifications2025.9.1indirecta
PyPIkeyring25.6.0indirecta
PyPImarkdown-it-py4.0.0indirecta
PyPImdurl0.1.2indirecta
PyPImore-itertools10.8.0indirecta
PyPInh30.3.2indirecta
PyPInodeenv1.9.1indirecta
PyPIpackaging25.0indirecta
PyPIpdbe-mcp-server1.1.5indirecta
PyPIpluggy1.6.0indirecta
PyPIpycparser2.23indirecta
PyPIpydantic2.11.5indirecta
PyPIpydantic-core2.33.2indirecta
PyPIpydantic-settings2.9.1indirecta
PyPIpygments2.20.0indirecta
PyPIpyjwt2.13.0indirecta
PyPIpyright1.1.401indirecta
PyPIpytest9.0.3indirecta
PyPIpytest-asyncio1.4.0indirecta
PyPIpytest-cov7.0.0indirecta
PyPIpytest-mock3.15.1indirecta
PyPIpython-dotenv1.2.2indirecta
PyPIpython-multipart0.0.32indirecta
PyPIpytz2026.1.post1indirecta
PyPIpywin32312indirecta
PyPIpywin32-ctypes0.2.3indirecta
PyPIpyyaml6.0.3indirecta
PyPIreadme-renderer44.0indirecta
PyPIreferencing0.37.0indirecta
PyPIrequests-toolbelt1.0.0indirecta
PyPIrfc39862.0.0indirecta
PyPIrich14.2.0indirecta
PyPIrpds-py0.30.0indirecta
PyPIrpds-py2026.5.1indirecta
PyPIruff0.11.12indirecta
PyPIsecretstorage3.4.0indirecta
PyPIsniffio1.3.1indirecta
PyPIsse-starlette2.3.6indirecta
PyPItomli2.2.1indirecta
PyPItwine6.2.0indirecta
PyPItyping-extensions4.14.0indirecta
PyPItyping-inspection0.4.1indirecta
PyPIurllib32.7.0indirecta
PyPIzipp3.23.0indirecta
Avisos de dependencias 0

Instalar pypi:pdbe-mcp-server@1.1.6 arrastra 38 paquetes, directos y transitivos: 0 tienen avisos conocidos, de los cuales 0 son dependencias directas.

Ningún aviso conocido afecta a las dependencias evaluadas.

Un aviso significa que la versión registrada en el grafo de dependencias cae dentro del rango afectado de un aviso. No se analiza la alcanzabilidad, y el grafo incluye fijaciones de desarrollo y prueba: un hallazgo puede referirse al utillaje y no al software distribuido.

Informe JSON sin procesar legible por máquina

Comentarios

¿Algo no cuadra en este informe, o hay ideas que compartir? Mediciones erróneas, herramientas no detectadas, ideas, preguntas: todo es bienvenido. Cada mensaje se lee y recibe respuesta.

El mensaje se conserva durante el inicio de sesión.

Registros relacionados

Repositorios inspeccionados que comparten etiquetas de catálogo o ecosistemas con PDBeurope/PDBe-MCP-Servers. Leer en paralelo →

98modelcontextprotocol/python-sdkThe official Python SDK for Model Context Protocol servers and clientsExcepcional100deepset-ai/haystackOpen-source AI orchestration framework for building context-engineered, production-ready LLM applications. Design modular pipelines and agent workflows with explicit control over retrieval, routing, memory, and generation. Built for scalable agents, RAG, multimodal applications, semantic search, and conversational systems.Excepcional99ag2ai/ag2AG2 (formerly AutoGen): The Open-Source AgentOS.Join us at: https://discord.gg/sNGSwQME3xExcepcional98ComposioHQ/composioComposio powers 1000+ toolkits, tool search, context management, authentication, and a sandboxed workbench to help you build AI agents that turn intent into action.Excepcional98intuitem/ciso-assistant-communityCISO Assistant is a one-stop-shop GRC platform for Risk Management, AppSec, Compliance & Audit, TPRM, BIA, Privacy, and Reporting. It supports 200+ global frameworks with automatic control mapping, including ISO 27001, NIST CSF, SOC 2, CIS, PCI DSS, NIS2, DORA, GDPR, HIPAA, CMMC, and more.Excepcional100huggingface/transformers🤗 Transformers: the model-definition framework for state-of-the-art machine learning models in text, vision, audio, and multimodal models, for both inference and training. Excepcional

Las puntuaciones son señales, no garantías. Reflejan prácticas públicamente visibles en GitHub; no son una auditoría de código ni una garantía de seguridad.

Los datos ausentes se excluyen y los pesos se renormalizan; nunca se puntúan como cero. La metodología es versionada y abierta: métricas v2.10.0, esquema v0.34.0 — metodología completa · wiki de métricas.

Cómo se sitúa un resultado dentro del registro general: estadísticas agregadas — PyPI.