VFB-MCP: Natural-Language Access to Drosophila Neuroscience Grounded by an Expert-Curated Ontology-Led Knowledgebase
本文介绍了 VFB-MCP，这是一种将大语言模型连接到专家策划的虚拟果蝇大脑（Virtual Fly Brain）本体论的模型上下文协议（Model Context Protocol）实现，它在为果蝇神经科学查询提供精确、可验证且量化的答案方面，显著优于标准型及具备网络搜索辅助的大语言模型。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一座规模宏大、细节极其详尽的图书馆，专门用于记录果蝇（Drosophila）的大脑。这座名为**虚拟果蝇大脑（Virtual Fly Brain, VFB）**的图书馆不仅仅拥有书籍；它还拥有一套由专家使用严格、精确的语言（即“本体论”）进行标记和连接的超高度组织化的系统。
问题：“专家专属”之门
传统上，要在这样一座图书馆中寻找信息，你必须是一名图书管理员。你必须知道精确的代码、特定的类别以及复杂的搜索指令来提出正确的问题。如果你只是走进去问：“请展示连接眼睛和翅膀的神经元，”系统可能无法理解你。这就像是在一家只接受用秘密代码点餐的餐厅里订购一份复杂的餐点。这为非专家人士制造了一个巨大的障碍。
解决方案：通用翻译器 (MCP)
研究人员构建了一个名为 VFB-MCP 的新工具。你可以把它想象成站在图书馆入口处的一位超级聪明的翻译官或礼宾人员。
- 你可以用自然语言（就像和朋友聊天一样）与这位礼宾人员交流。
- 这位礼宾人员能理解你的日常问题，将其转化为图书馆那套严格的秘密代码，提取出精确的数据，然后再将答案翻译回通俗易懂的英语呈现给你。
- 至关重要的一点是，这位礼宾人员植根于专家策划的系统，因此它不会仅仅靠“猜测”或“幻觉”来给出答案；它直接从数据库中提取经过验证的真实事实。
测试：谁的回答更出色？
为了测试这个新的翻译器是否有效，团队针对 30 个神经科学问题进行了测试。他们对比了三位“参赛者”：
- 基础 LLM（Bare LLM）： 一个聪明的 AI，但没有配备特殊工具（就像一个知识渊博但还没读过该图书馆特定书籍的学生）。
- 网页搜索 LLM（Web-Search LLM）： 一个可以进行 Google 搜索的 AI（就像一个可以查阅通用信息，但可能会找到过时或混乱来源的学生）。
- VFB-MCP LLM： 配备了这位“专家礼宾人员”的 AI（即上述描述的翻译器）。
结果
结果非常清晰：
- VFB-MCP LLM 正确回答了 30 个问题中的 25 个。
- 网页搜索 LLM 只答对了 30 个问题中的 14 个。
- 基础 LLM 仅答对了 30 个问题中的 2 个。
当问题涉及数字和精确测量（例如“有多少个神经元连接了 X 到 Y？”）时，两者的差距尤为巨大。在这种情况下，VFB-MCP AI 的正确率达到了 89%，而网页搜索 AI 的正确率仅为 11%。
核心结论
这篇论文表明，通过这种新的“翻译器”方法（MCP）将智能 AI 连接到严格的专家构建数据库，可以让普通人获得高度准确、经过验证的复杂大脑数据答案。它证明了你不再需要成为编程专家才能获取深层的科学知识；你只需要一座能够跨越鸿沟的桥梁。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。