MedgeClaw: 半額のClaudeでバイオインフォマティクス解析を

•AI Expert

リポジトリ: https://github.com/xjtulyc/MedgeClaw

難易度は中程度、約30分で完了します。半額の Claude API を使用してバイオメディカル AI アシスタントを構築し、毎月 500 ドル以上を節約する方法を解説します。

対象読者

  • AI を活用してデータ分析を効率化したい生命科学分野の研究者
  • 研究ワークフローの自動化を必要としているバイオインフォマティクスエンジニア
  • AI + 科学研究に興味がある学生

コア依存関係と環境

  • Node.js 22+
  • Docker + docker-compose
  • Git
  • Defapi API Key（半額プラン、詳細は後述）

[!TIP]
8GB 以上の VRAM を搭載した GPU は必須ではありませんが、あればより多くのローカルモデルをデプロイできます。

プロジェクト構造

MedgeClaw/
├── .env.example              # 環境設定テンプレート
├── .env                     # 実際のパスワード等（example からコピー）
├── setup.sh                 # 一括インストールスクリプト
├── sync.py                  # OpenClaw 設定同期
├── docker-compose.yml       # Docker 環境定義
├── .medgeclaw-sync.yml      # 同期ルール設定
├── docker/
│   ├── Dockerfile           # R + Python + RStudio + Jupyter
│   └── entrypoint.sh        # コンテナ起動スクリプト
├── skills/                  # MedgeClaw 内蔵スキル
│   ├── biomed-dispatch/    # タスクルーター
│   ├── dashboard/           # リアルタイム研究ダッシュボード
│   ├── cjk-viz/             # 中日韓フォント検出
│   ├── svg-ui-templates/    # SVG テンプレート
│   └── feishu-rich-card/    # Feishu リッチカード
├── scientific-skills/       # K-Dense 140個の科学スキル（git submodule）
├── data/                    # データディレクトリ（入力ファイルをここに配置）
├── outputs/                 # 出力ディレクトリ（分析結果）
└── writing_outputs/         # 論文執筆用出力

ステップ・バイ・ステップ チュートリアル

ステップ 1：リポジトリのクローン

# プロジェクトをクローン（submodule を含む）
git clone --recurse-submodules https://github.com/xjtulyc/MedgeClaw.git
cd MedgeClaw

[!WARNING]
必ず --recurse-submodules を付けてください。そうしないと scientific-skills ディレクトリが空になります。

ステップ 2：半額 Claude API の設定

これが最も重要なステップです。Defapi を利用してコストを大幅に削減します！

Defapi は OpenAI 形式と互換性のあるモデルアグリゲーションプラットフォームで、Claude シリーズの半額サービスを提供しています。公式では $3.75/M tokens の Claude Sonnet 4.5 が、ここでは $1.875 で利用可能です。

[!TIP]
毎日 1000 回の遺伝子分析を行い、1回あたり 10万 tokens のコンテキスト + 5000 tokens の出力が発生すると仮定します：

  • 公式 API：約 $3.75 × 1000 = $3750/月
  • Defapi：約 $1.875 × 1000 = $1875/月
  • 毎月 $1875 も節約できます！

まず、設定テンプレートをコピーします：

cp .env.example .env

次に .env を編集し、Defapi の API Key を入力します：

# Defapi 半額設定
ANTHROPIC_API_KEY=dk-xxxxxxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://api.defapi.org
MODEL=anthropic/claude-sonnet-4.5

# 重要：Claude Code のプリフライトチェックにこの設定が必要
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

# Web インターフェースのパスワード
RSTUDIO_PASSWORD=biomed
JUPYTER_TOKEN=biomed

[!WARNING]
Defapi API Key をお持ちでない場合は、https://defapi.org で登録してください。新規ユーザーには無料枠があります。Defapi は v1/chat/completions インターフェースをサポートしており、Claude Code と完全に互換性があります。

ステップ 3：インストールスクリプトの実行

bash setup.sh

このスクリプトは以下の作業を自動で行います：

  • Node.js 22+ と Docker の依存関係チェック
  • openclaw と claude-code のグローバルインストール
  • ~/.claude/settings.json（Claude Code 設定）の生成
  • Docker イメージのビルド（R、Python、RStudio、JupyterLab を含む）
  • OpenClaw ワークスペースの設定

[!WARNING]
初回の Docker イメージビルドには、ネットワークやスペックによりますが 10〜20 分程度かかります。

ステップ 4：Docker 環境の起動

docker compose up -d

起動に成功すると、以下にアクセスできます：

ステップ 5：OpenClaw への設定同期

python3 sync.py
openclaw gateway restart

sync.py は以下の作業を行います：

  • MedgeClaw のスキルを OpenClaw ワークスペースにコピー
  • OpenClaw 設定ファイルの更新
  • プロジェクトドキュメントを Agent のコンテキストに注入

ステップ 6：インストールの検証

# API 接続のクイック検証（30秒以内に "hello" が返るはずです）
claude --dangerously-skip-permissions -p 'run: echo hello'

hello と表示されれば、設定は正しく完了しています。

[!WARNING]
30秒以上ハングする場合は、ANTHROPIC_SMALL_FAST_MODEL の設定が正しくない（使用しているプロキシがそのモデルをサポートしていない）可能性があります。Defapi を使用している場合は、Claude モデルリストをフルサポートしているため問題ありません。

トラブルシューティング

Q1: Docker のビルドに失敗する

症状：docker compose build が止まる、またはエラーが出る

解決策：

# Docker キャッシュをクリーンアップして再試行
docker system prune -a
docker compose build --no-cache

Q2: Claude Code のプリフライトチェックでハングする

症状：コマンドを実行しても "Pre-flight check is taking longer than expected" と表示されて進まない

解決策：サードパーティ製プロキシがデフォルトの Haiku モデルをサポートしていない場合、ANTHROPIC_SMALL_FAST_MODEL を設定する必要があります。

# .env に追加（またはプロキシがサポートするモデルに変更）
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

Q3: scientific-skills ディレクトリが空である

症状：skills/ ディレクトリはあるが中身がない

解決策：

git submodule update --init --recursive

Q4: ポートが競合している

症状：8787 または 8888 ポートが既に使用されているというエラー

解決策：

# 使用中のプロセスを確認
lsof -i :8787
lsof -i :8888

# または docker-compose.yml のポートマッピングを変更

応用・さらなる活用

1. K-Dense 科学スキル

MedgeClaw には 140 個の科学スキルが統合されており、以下をカバーしています：

  • オミクス解析: DESeq2, edgeR, Scanpy, Seurat
  • 創薬: ChEMBL, DeepChem, DiffDock
  • 文献検索: PubMed, bioRxiv, Semantic Scholar
  • パスウェイ解析: gseapy, clusterProfiler

詳細は scientific-skills/scientific-skills/ ディレクトリ内の SKILL.md を参照してください。

2. カスタムスキルの開発

新しいスキルを追加したい場合は、AgentSkills の仕様に従ってディレクトリを作成します：

skills/
└── your-custom-skill/
    └── SKILL.md   # スキル定義ファイル

3. モデルの比較

実測に基づくモデル比較：

モデル速度品質価格推奨シーン
claude-sonnet-4.5 (Defapi)中高中日常的な分析（推奨）
claude-opus-4.5 (Defapi)低最高高複雑な推論タスク
claude-haiku-4.5 (Defapi)高中低単純なタスク

4. 研究ダッシュボード

各分析タスクごとに、リアルタイムダッシュボードが自動生成されます。data/<task_name>/dashboard/dashboard.html にアクセスすることで、進捗、コード、出力プレビューを確認できます。