北京
Databricks近日发布了一套名为AiChemy的多智能体AI参考架构，该系统通过模型上下文协议（MCP）将其平台上的企业内部数据与外部科学数据库相结合，旨在加速药物研发过程中的靶点识别与候选化合物评估等关键任务。
靶点识别与候选化合物评估是药物开发的早期核心环节，直接影响制药企业对生物机制的研究方向选择以及化合物的筛选推进，进而决定后续临床阶段的成本、周期与成功概率。
AiChemy构建于Databricks旗下多项核心组件之上，包括数据智能平台、Delta Lake以及Mosaic AI（含Agent Bricks）。这些组件负责管理和治理企业数据，同时支持领域专属智能体与"技能"的创建与编排。
系统内置的技能涵盖：查询并总结科学文献、检索化学与分子数据、跨化合物执行相似性搜索，以及跨来源综合证据等能力。
AiChemy通过MCP协议接入OpenTargets、PubMed、PubChem等外部数据源，使智能体能够同时调用和推理私有数据与公开科学数据。通过将数据访问、编排与分析整合至单一受治理的环境中，Databricks表示，制药企业的研究人员可以在不丢失上下文的情况下，从分散的数据集中快速获取关键洞察，从而提升靶点识别与候选化合物评估的效率。
整套系统的核心是一个"主管智能体"，负责协调各个子智能体与技能的调用方式，以响应用户查询。Databricks指出，该主管智能体并非一个开箱即用的预置组件，而是一种可通过Mosaic AI与Agent Bricks工具实现的架构模式。
根据Databricks博客文章，企业团队在构建主管智能体时，首先需要定义并实现领域专属技能，例如文献检索、化合物查询或数据综合，并将其注册以便程序化调用。随后，开发者需要为主管智能体配置指令或策略，以决定其如何根据查询选择和排序这些技能，包括任务的分解与路由方式。整套配置通过MCP与企业内外部数据源连接，并借助Databricks平台实施访问控制与数据治理。
AiChemy是Databricks在医疗健康与药物研发领域持续布局的最新成果。2025年6月，该公司与Atropos Health达成合作，将真实世界临床数据与数据智能平台结合，支持证据生成并加速研究工作流程。同年7月，Databricks又宣布与TileDB开展合作，专注于整合基因组学、影像学和临床记录等多模态科学数据，为AI驱动的药物研发与临床洞察提供支撑。
目前，AiChemy参考架构已通过网页应用及GitHub代码仓库向公众开放，开发者可以在其中探索该系统，并基于Agent Bricks框架将其适配至自身业务场景。
Q&A
Q1：AiChemy是什么？它能解决药物研发中的哪些问题？
A：AiChemy是Databricks推出的多智能体AI参考架构，通过MCP协议整合企业内部数据与OpenTargets、PubMed、PubChem等外部科学数据库，专注于药物研发早期的靶点识别和候选化合物评估。它能帮助制药企业研究人员在统一受治理的环境中快速从分散数据集中提取关键洞察，降低信息处理成本，缩短早期研发周期。
Q2：AiChemy的主管智能体是如何工作的？
A：主管智能体是AiChemy系统的协调核心，负责根据用户查询选择和排序各类专属技能，如文献检索、化合物查询、数据综合等。它并非预置组件，而是一种可通过Databricks的Mosaic AI与Agent Bricks工具实现的架构模式。开发者需自行定义技能、注册调用接口，并配置任务分解与路由策略，再通过MCP与数据源连接。
Q3：开发者如何获取并使用AiChemy？
A：Databricks已将AiChemy参考架构通过网页应用和GitHub代码仓库向公众开放，开发者可以直接访问GitHub仓库探索系统结构，并基于Agent Bricks框架将其改造适配至自身药物研发或其他科学研究场景中使用。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
