MedgeClaw : Analyse bioinformatique avec Claude à moitié prix

Dépôt : https://github.com/xjtulyc/MedgeClaw

Difficulté moyenne, environ 30 minutes. Apprenez à construire un assistant IA biomédical avec l'API Claude à moitié prix, économisant plus de 500 $ par mois.

Lecteurs cibles

Chercheurs en sciences de la vie souhaitant utiliser l'IA pour l'analyse de données.
Ingénieurs en bioinformatique ayant besoin d'automatiser des flux de travail de recherche.
Étudiants universitaires intéressés par l'IA + la recherche scientifique.

Dépendances et environnement essentiels

Node.js 22+
Docker + docker-compose
Git
Clé API Defapi (Solution à moitié prix, détaillée ci-dessous)

[!TIP]
Un GPU avec plus de 8 Go de VRAM n'est pas indispensable, mais en posséder un permet de déployer davantage de modèles locaux.

Structure complète du projet

MedgeClaw/
├── .env.example              # Modèle de configuration d'environnement
├── .env                     # Configuration réelle (copiée de l'exemple)
├── setup.sh                 # Script d'installation en un clic
├── sync.py                  # Synchronisation de la configuration OpenClaw
├── docker-compose.yml       # Définition de l'environnement Docker
├── .medgeclaw-sync.yml      # Configuration des règles de synchronisation
├── docker/
│   ├── Dockerfile           # R + Python + RStudio + Jupyter
│   └── entrypoint.sh        # Script de démarrage du conteneur
├── skills/                  # Compétences intégrées MedgeClaw
│   ├── biomed-dispatch/    # Routeur de tâches
│   ├── dashboard/           # Tableau de bord de recherche en temps réel
│   ├── cjk-viz/             # Détection de polices CJK
│   ├── svg-ui-templates/    # Modèles SVG
│   └── feishu-rich-card/    # Cartes riches Feishu
├── scientific-skills/       # 140 compétences scientifiques K-Dense (git submodule)
├── data/                    # Répertoire de données (vos fichiers d'entrée)
├── outputs/                 # Répertoire de sortie (résultats d'analyse)
└── writing_outputs/         # Sorties de rédaction scientifique

Tutoriel pas à pas

Étape 1 : Cloner le dépôt

# Cloner le projet (incluant les sous-modules)
git clone --recurse-submodules https://github.com/xjtulyc/MedgeClaw.git
cd MedgeClaw

[!WARNING]
Vous devez ajouter --recurse-submodules, sinon le répertoire scientific-skills sera vide.

Étape 2 : Configurer l'API Claude à moitié prix

C'est l'étape cruciale — nous allons utiliser Defapi pour réaliser d'énormes économies !

Defapi est une plateforme d'agrégation de modèles compatible avec le format OpenAI, offrant les modèles de la série Claude à moitié prix. Oui, le Claude Sonnet 4.5 vendu officiellement à 3,75 $/M tokens est ici à seulement 1,875 $.

[!TIP]
Supposons que vous lanciez 1000 analyses génomiques par jour, consommant à chaque fois 100k tokens de contexte + 5000 tokens de sortie :

API Officielle : env. 3,75 $ × 1000 = 3750 $/mois

Defapi : env. 1,875 $ × 1000 = 1875 $/mois

Vous économisez 1875 $ par mois !

Commencez par copier le modèle de configuration :

cp .env.example .env

Ensuite, éditez le fichier .env et insérez votre clé API Defapi :

# Configuration Defapi à moitié prix
ANTHROPIC_API_KEY=dk-xxxxxxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://api.defapi.org
MODEL=anthropic/claude-sonnet-4.5

# Important : La vérification initiale de Claude Code nécessite cette config
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

# Mots de passe de l'interface Web
RSTUDIO_PASSWORD=biomed
JUPYTER_TOKEN=biomed

[!WARNING]
Pas de clé API Defapi ? Visitez https://defapi.org pour vous inscrire, les nouveaux utilisateurs bénéficient d'un crédit gratuit. Defapi supporte l'interface v1/chat/completions, totalement compatible avec Claude Code.

Étape 3 : Exécuter le script d'installation

bash setup.sh

Ce script automatisera pour vous :

La vérification des dépendances Node.js 22+ et Docker.
L'installation globale de openclaw et claude-code.
La génération de ~/.claude/settings.json (configuration Claude Code).
La construction de l'image Docker (incluant R, Python, RStudio, JupyterLab).
La configuration du workspace OpenClaw.

[!WARNING]
La première construction de l'image Docker prend 10 à 20 minutes, selon votre connexion et votre machine.

Étape 4 : Lancer l'environnement Docker

docker compose up -d

Une fois lancé, vous pouvez accéder à :

RStudio Server : http://localhost:8787 (utilisateur rstudio, mot de passe biomed)
JupyterLab : http://localhost:8888 (token biomed)

Étape 5 : Synchroniser la configuration vers OpenClaw

python3 sync.py
openclaw gateway restart

sync.py effectuera :

La copie des compétences (skills) de MedgeClaw vers le workspace OpenClaw.
La mise à jour du fichier de configuration OpenClaw.
L'injection de la documentation du projet dans le contexte de l'Agent.

Étape 6 : Vérifier l'installation

# Vérification rapide de la connexion API (doit renvoyer "hello" en moins de 30s)
claude --dangerously-skip-permissions -p 'run: echo hello'

Si vous voyez hello, la configuration est correcte.

[!WARNING]
Si la commande reste bloquée plus de 30 secondes, cela signifie que la configuration ANTHROPIC_SMALL_FAST_MODEL est incorrecte ou que votre proxy ne supporte pas ce modèle. Avec Defapi, cela fonctionne car la liste complète des modèles Claude est supportée.

Dépannage (FAQ)

Q1 : Échec de la construction Docker

Symptôme : docker compose build est bloqué ou affiche une erreur.
Solution :

# Nettoyer le cache Docker et réessayer
docker system prune -a
docker compose build --no-cache

Q2 : Claude Code bloqué lors de la vérification initiale

Symptôme : N'importe quelle commande reste bloquée sur "Pre-flight check is taking longer than expected".
Solution : Les proxys tiers ne supportent pas toujours le modèle Haiku par défaut. Vous devez définir ANTHROPIC_SMALL_FAST_MODEL :

# Dans .env, ajoutez ou modifiez vers un modèle supporté
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

Q3 : Le répertoire scientific-skills est vide

Symptôme : Le dossier skills/ existe mais ne contient rien.
Solution :

git submodule update --init --recursive

Q4 : Ports déjà utilisés

Symptôme : Message indiquant que les ports 8787 ou 8888 sont occupés.
Solution :

# Trouver quel processus les utilise
lsof -i :8787
lsof -i :8888
# Ou changer le mappage des ports dans docker-compose.yml

Q5 : OpenClaw ne trouve pas les compétences MedgeClaw

Symptôme : L'Agent ne reconnaît pas des compétences comme biomed-dispatch.
Solution :

python3 sync.py
openclaw gateway restart

Lectures complémentaires / Aller plus loin

1. Compétences scientifiques K-Dense

MedgeClaw intègre 140 compétences couvrant :

Analyse omique : DESeq2, edgeR, Scanpy, Seurat.
Développement de médicaments : ChEMBL, DeepChem, DiffDock.
Recherche bibliographique : PubMed, bioRxiv, Semantic Scholar.
Analyse de voies (pathways) : gseapy, clusterProfiler.

Consultez scientific-skills/scientific-skills/SKILL.md pour plus de détails.

2. Développement de compétences personnalisées

Vous souhaitez ajouter une compétence ? Créez un répertoire selon la spécification AgentSkills :

skills/
└── votre-competence/
    └── SKILL.md   # Définition de la compétence

3. Comparaison des modèles

Modèle	Vitesse	Qualité	Prix	Cas d'usage idéal
claude-sonnet-4.5 (Defapi)	Moyenne	Haute	Moyen	Analyse quotidienne (Recommandé)
claude-opus-4.5 (Defapi)	Lente	Maximale	Haut	Tâches de raisonnement complexe
claude-haiku-4.5 (Defapi)	Rapide	Moyenne	Bas	Tâches simples
qwen2.5:14b (Local)	Local	Moyenne	Gratuit	Scénarios totalement hors-ligne

[!TIP]
Pour économiser encore plus, Defapi supporte Claude Haiku 4.5, idéal pour les tâches simples à moindre coût.

4. Intégration Feishu

Vous voulez que MedgeClaw travaille dans vos groupes Feishu ? Configurez la variable d'environnement FEISHU_DEFAULT_CHAT_ID, puis utilisez la compétence feishu-rich-card.

5. Tableau de bord de recherche

Chaque tâche génère automatiquement un tableau de bord. Accédez à data/<nom_tache>/dashboard/dashboard.html pour visualiser la progression, le code et l'aperçu des résultats.