Refua 是一款专为药物发现领域设计的 MCP 技能，通过连接 refua-mcp 服务器，为研究人员提供生物分子复合物的计算折叠、亲和力评估及 ADMET 预测能力。该技能整合了 Boltz2 复合物折叠引擎和 BoltzGen 设计工作流，使用户能够通过标准化的 MCP 工具调用，在本地环境中执行 GPU/CPU 密集型的药物筛选计算任务。
核心用法
Refua 的核心功能围绕"统一复合物 API"展开，主要提供三类工具：首先是 Boltz2 复合物折叠，支持蛋白质-配体、蛋白质-蛋白质以及 DNA/RNA 的折叠计算，并可选择性地评估结合亲和力；其次是 BoltzGen 设计工作流，用于生成和优化分子结构；最后是可选的 ADMET 分析模块，用于预测分子的吸收、分布、代谢、排泄和毒性特性。用户通过启动本地 MCP 服务器（python3 -m refua_mcp.server），即可通过 Clawdbot 等支持 MCP 的客户端调用这些工具，实现从分子结构预测到药物成药性评估的完整流程。
显著优点
该技能的最大优势在于将前沿的 AI 药物发现工具集成到标准的 MCP 协议中，降低了使用门槛。Boltz2 作为先进的结构预测模型，能够提供高精度的复合物折叠结果；本地运行的架构确保了敏感的生物数据和研究成果不会离开用户的计算环境，有效保护知识产权；ADMET 模块的集成使得研究人员可以在合成前优先筛选候选分子，显著降低湿实验成本和时间。此外，模块化的设计允许用户根据需求选择安装 CUDA 加速或 CPU 版本，灵活性较高。
潜在缺点与局限性
Refua 的使用门槛主要体现在硬件和依赖管理上。Boltz2 和 ADMET 计算需要显著的 GPU/CPU 资源，对本地计算环境要求较高；首次使用需要下载大型模型资产（通过 download_assets()），对网络环境和磁盘空间有要求；作为 T3 来源的社区项目，其长期维护稳定性和企业级支持相对有限；此外，AI 预测结果存在固有的不确定性，不能替代实验验证，文档也明确禁止将其用于临床指导或湿实验决策。
适合的目标群体
该技能主要面向从事药物发现的研究人员、计算生物学家、生物信息学专家以及制药行业的研发人员。特别适合需要进行大规模虚拟筛选、分子对接验证或早期药物成药性评估的科研团队。对于拥有本地计算资源（特别是配备 NVIDIA GPU 的工作站或服务器）的实验室而言，Refua 能够显著提升研究效率。
使用风险
使用 Refua 时需注意以下风险：计算资源消耗方面，深度学习模型推理会占用大量 GPU 显存和 CPU 内存，可能影响其他任务；依赖安全性方面，需要通过 pip 安装 refua、refua-mcp 及可选的 ADMET 扩展，虽然 PyPI 相对可信，但仍建议在隔离环境（如 conda 或 venv）中安装；模型准确性方面，AI 预测存在假阳性和假阴性风险，不应作为唯一决策依据；边界限制方面，该技能明确禁止用于生成虚构的分子序列或提供临床指导，用户需确保在合理范围内使用。