这里有两个纯标准库 stdio server。example_server.py 只是端到端 fixture；
protein_design/ 是可部署的 MCP backend adapter，其可选科学依赖只会在单独配置的
子环境中运行。
该服务器作为外部子进程运行，不会加载进科学内核。../mcp_client.py 负责把它拉起来并持有 Host 侧连接；模型看到的是 ../tools/mcp.py，它把 connector 的发现、资源读取和工具调用暴露给原生控制平面，走的仍是常规的权限、审计与不可信输出策略。这里的两个 server 都只走 stdio：客户端的 Streamable HTTP 传输是给远程 connector 用的，本包里的任何东西都不经由它。
| 文件 | 职责 |
|---|---|
__init__.py |
声明内置纯标准库 MCP-server namespace，并区分 fixture 与可部署 adapter。 |
example_server.py |
在 stdin/stdout 上讲逐行的 MCP JSON-RPC：initialize、四个示例工具（echo、now、calc、random_int）、一个文本资源，以及一个带参数的摘要 prompt。calc 不用 eval，而是自己走一遍受限的 AST。 |
protein_design/ |
九个原子 protein-design 工具，带显式 attempt/seed、冻结 backend/checkpoint 证据、终态记录和运行后验证；重模型包仍在 core 外。 |
example_server.py 只是 fixture 和参考。protein-design 包实现了真实 MCP server 和
真实 backend command adapter，但不是开箱即用的模型发行包；operator 仍必须单独冻结
并准备每个 backend、checkpoint、GPU 和离线边界。@openai4s/python，而不是特定
机器上的解释器绝对路径。MCP manager 只在启动 server 时才把该 token 解析为
当前 daemon 的解释器；运行时同样会解析匹配的旧命令，daemon 启动过程则会把
含有旧绝对路径的历史记录重写为可移植形式。../mcp_client.py 的预期一致，目前两边声明的都是 2024-11-05。