Коротко: Databricks опубликовала референсную архитектуру AiChemy — мультиагентной ИИ-системы, которая объединяет корпоративные данные и внешние научные базы через Model Context Protocol (MCP), чтобы ускорить ранние этапы разработки лекарств.
Ключевые тезисы
- AiChemy предназначена для задач поиска мишеней и оценки кандидатов в разработке лекарств.
- Система построена на компонентах Databricks Data Intelligence Platform, Delta Lake и Mosaic AI, включая Agent Bricks.
- Через MCP AiChemy подключается к OpenTargets, PubMed и PubChem и работает с как корпоративными, так и публичными данными.
- В основе архитектуры — supervisor agent, который координирует работу доменных агентов и навыков.
- Databricks сделала архитектуру доступной через веб-приложение и GitHub-репозиторий.
Databricks представила референсную архитектуру мультиагентной ИИ-системы AiChemy для задач drug discovery. По задумке компании, она объединяет внутренние корпоративные данные на платформе Databricks с внешними научными источниками через Model Context Protocol (MCP), чтобы помочь в ранних этапах разработки лекарств — от поиска биологической мишени до оценки кандидатов.
Именно эти шаги, как отмечает Databricks, критичны для фармкомпаний: от них зависят стоимость проекта, сроки и вероятность успеха на более поздних стадиях клинических испытаний.
Как устроена AiChemy
Основа системы — компоненты Databricks Data Intelligence Platform, Delta Lake и Mosaic AI, включая Agent Bricks. Они отвечают за управление и governance данных, а также за создание и оркестрацию доменных агентов и «skills».
В число таких skills входят инструкции для:
- поиска и суммирования научной литературы;
- получения химических и молекулярных данных;
- поиска похожих соединений;
- синтеза доказательств из нескольких источников.
AiChemy также использует внешние источники OpenTargets, PubMed и PubChem, к которым обращается через MCP. Это позволяет агентам работать одновременно с проприетарными и публичными научными данными в единой управляемой среде.
Роль supervisor agent
Координацию всей схемы обеспечивает supervisor agent, который определяет, какие агенты и навыки использовать для ответа на запрос. Databricks подчеркивает, что это не готовый продукт, а архитектурный паттерн, который enterprise-команды могут реализовать с помощью Mosaic AI и Agent Bricks.
По описанию компании, для такой реализации нужно сначала определить и зарегистрировать доменные навыки — например, поиск литературы, поиск соединений или синтез данных, — а затем задать инструкции и политики, по которым supervisor agent будет выбирать и выстраивать их последовательность, декомпозируя и маршрутизируя задачи.
Databricks также указывает, что доступ к enterprise- и внешним данным в этой схеме сочетается с механизмами контроля доступа и governance на платформе компании.
Контекст и доступность
AiChemy продолжает более ранние инициативы Databricks в healthcare и drug discovery. В июне 2025 года компания объявила о партнерстве с Atropos Health для объединения клинических данных реального мира с Data Intelligence Platform, а в июле 2025 года — о сотрудничестве с TileDB для работы с мультимодальными научными данными, включая геномику, изображения и клинические записи.
Референсная архитектура AiChemy доступна через веб-приложение и GitHub-репозиторий, где разработчики могут изучить систему и адаптировать ее под свои сценарии с использованием фреймворка Agent Bricks.
Источник: Databricks launches AiChemy multi-agent AI for drug discovery
Telegram-канал: https://t.me/no_glam_AI