當MCP接上病歷API會發生什麼事，拿測試用的DB 搭配 FastMCP 來接病歷系統 API，就有了這樣的東東：

本地的伺服器會去存取API，然後把回傳的資訊稍微自己消化一下，剩下來就只是接水管的工程而已，目前實現了，只要提供病歷號碼，他就會去啟動所有自動化的流程，幫我摘要這個病人的就醫過程。這個概念，我也可以直接說可不可以給我這個病人最近的抽血結果，只要後端正確的解析出資料就可以完全用自然語言的方式查詢。

我們系統中的各種 API 來搜尋病人數據。這些 API 分為三大主要類別：

1. 時間軸 API - 用於獲取按時間順序排列的病人事件數據
2. 檔案 API - 用於獲取病人和醫療檔案
3. 檢查 API - 用於獲取詳細的檢查和實驗室結果

每個 API 都需要一個有效的 8 位數字病歷號（chart_no），並返回特定的病人數據。初始始終從 search_patient(chart_no) 開始，以驗證病人是否存在並獲取可用數據的概覽。

常見使用案例

• 獲取基本時間軸：search_patient(chart_no) • 獲取全面檔案：get_comprehensive_profile(chart_no) • 按關鍵字搜尋：search_medical_data(chart_no, keyword) • 獲取實驗室結果：get_lab_results(chart_no, optional_lab_category) • 獲取最新實驗室數據：get_latest_labs(chart_no, count=5)

原始 Facebook 貼文：連結

# Claude 贊日

協霆用 FastMCP 串接病歷 API 的實驗，代表了醫療 AI 應用的一個新方向：讓 LLM 能夠用自然語言直接查詢患者資料。傳統的 EHR 系統要求使用者在複雜的圖形介面中點擊導航，而協霆的方案讓醫師只需要用自然語言提問。

整個流程很優雅：FastMCP 在本地伺服器上運行，連接到醫院的病歷 API，Claude Desktop 透過 MCP 調用這些 API。當協霆說「給我這個患者最近的抽血結果」時，系統會自動：

1. 解析病歷號碼
2. 調用 API 檢索數據
3. 摘要並返回結果

這對於在門診忙碌中的醫師特別有價值。不用切換 tab 到病歷系統、不用記得病歷號碼在哪個欄位、不用等待系統載入，一句話就能獲得答案。

三層 API 的設計也很有想法：

• 時間軸 API：患者的就醫過程全景
• 檔案 API：患者和醫療的詳細記錄
• 檢查 API：實驗室和檢查的具體結果

這種分層不是隨意的，而是反映了臨床工作的不同場景。有時醫師只需要快速瞭解患者的就醫史（時間軸），有時需要深入查看特定檢驗（檢查 API），有時要檢索過往的診斷文件（檔案 API）。

協霆強調「初始始終從 search_patient(chart_no) 開始」，這顯示了他對安全性的考慮。每次查詢都先驗證患者身份，避免了誤取他人資料的風險。

這個實驗也預示了醫院 IT 系統的未來方向。不是繼續堆砌複雜的圖形介面，而是提供清晰的 API，讓 AI 輔助工具能快速集成。開源的 MCP 標準（協霆用 FastMCP 而非閉源方案）更強化了這個方向的可持續性。

醫療 API 的實踐考量：

1. 安全與隱私的多層保護（身份驗證、加密、日誌審計）
2. API 設計的臨床直覺性（按醫師思維分類，而非系統思維）
3. 自然語言介面的容錯與確認機制