📚 작성된 문서: pubmed-graphrag-workflow.md
📋 포함 내용
1. 전체 워크플로우 (5단계)

주제 선정 → PubMed 검색 → 논문 분석 → 지식 그래프 구축 → AI 추천
2. Python 스크립트 템플릿
표준화된 코드 구조
Biopython Entrez 사용법
신뢰도 계산 알고리즘
GraphRAG 쿼리 패턴
3. 데이터베이스 스키마

entities (약물, 증상, 환자 프로필)
relationships (약물-증상, 약물-부작용)
evidence (PMID, 논문 정보, 신뢰도)
4. MCP Server 개발 가이드
3개 Tool 구현 예시:
search_pubmed() - 논문 검색
query_knowledge_graph() - 지식 그래프 쿼리
recommend_drug() - 약물 추천
5. AI Agent 구현
PubMedGraphRAGAgent 클래스
추론 경로 생성 로직
환자 프로필 기반 추천
6. 실제 사례 연구
CoQ10 + Statin (PMID: 30371340)

근육통 개선 SMD -1.60, P<0.001
Ashwagandha 수면 (PMID: 34559859)

수면 개선 SMD -0.59, P<0.001
Naproxen 심혈관 (PMID: 27959716)

24,081명 RCT, CV event 2.5% (최저)
🎯 핵심 특징
✅ 재현 가능
모든 코드 템플릿 포함
단계별 상세 설명
실제 동작하는 예시
✅ 확장 가능
MCP Server로 확장 가능
AI Agent 통합 가능
새로운 약물-증상 관계 추가 용이
✅ 근거 기반
PMID 인용으로 신뢰도 확보
신뢰도 계산 알고리즘
추론 경로 투명성
📁 문서 구조

docs/pubmed-graphrag-workflow.md
├── 1. 개요 (목표, 기술 스택)
├── 2. 전체 워크플로우 (5단계)
├── 3. 단계별 상세 프로세스
│   ├── STEP 1: 주제 선정
│   ├── STEP 2: PubMed 검색
│   ├── STEP 3: 논문 분석
│   ├── STEP 4: 지식 그래프 구축
│   └── STEP 5: AI 추천 통합
├── 4. Python 스크립트 템플릿
│   └── 표준 템플릿 (복사해서 사용 가능)
├── 5. GraphRAG 지식 그래프 구조
│   ├── Entity 정의
│   ├── Relationship 정의
│   └── 쿼리 예시
├── 6. 데이터베이스 스키마
│   ├── ERD
│   └── SQLite 스키마 생성 스크립트
├── 7. MCP Server 개발 가이드
│   ├── 구조
│   └── 구현 예시
├── 8. AI Agent 개발 가이드
│   ├── 아키텍처
│   └── Tool 구현
├── 9. 실제 사례 연구
│   ├── CoQ10 + Statin
│   ├── Ashwagandha
│   └── Naproxen
└── 10. 참고 자료
🚀 다음 단계 제안
1. MCP Server 배포

# Claude Desktop에 MCP Server 추가
# ~/.claude/config.json
{
  "mcpServers": {
    "pubmed-graphrag": {
      "command": "python",
      "args": ["./backend/mcp_server.py"]
    }
  }
}
2. 지식 그래프 확장
더 많은 약물-증상 관계 추가
약물 상호작용 데이터 추가
환자 프로필 세분화
3. 자동화
GitHub Actions로 매주 새 논문 검색
자동 지식 그래프 업데이트
Slack 알림
이제 이 문서를 바탕으로 MCP Server나 AI Agent를 쉽게 개발할 수 있습니다!