使用说明

📚 语义学者MCP服务器

一个全面的模型上下文协议（MCP）服务器，用于与语义学者的学术数据库无缝集成

维护人员： @阿尔卑斯山

这个强大的MCP服务器通过提供对Semantic Scholar综合数据库的直接访问，弥合了人工智能助理和学术研究之间的差距。无论您是进行文献综述、探索引文网络还是寻求学术见解，该服务器都为数百万篇研究论文提供了一个简化的界面。

🌟 你能做什么？

🔍 高级论文发现

智能搜索：使用自然语言查询查找论文
批量操作：同时处理多篇论文
自动完成：键入时获取智能标题建议
精准匹配：使用基于标题的搜索查找确切的论文

🎯 基于人工智能的推荐

智能纸建议：根据您的兴趣获得个性化的论文建议
多示例学习：使用多个正面和负面例子来微调建议
单张纸相似性：查找与特定研究工作类似的论文
相关性评分：人工智能支持的相关性评分，可更好地发现论文

👥 作者研究

作者简介：全面的作者信息和指标
批量作者数据：一次获取多个作者资料
作者搜索：按姓名或隶属关系查找研究人员

📊 引文分析

引用网络：探索正向和反向引用
参考映射：了解纸张关系
影响指标：访问引用次数和论文影响

💡 内容发现

文本片段：在纸张内容中搜索
背景结果：查找相关段落和引文
全文访问：通过语义学者提供时

🛠️ 快速设置

系统要求

python：3.10或更高
依赖项: requests, mcp, bs4, pydantic, uvicorn, httpx, anyio
网络：用于API访问的稳定互联网连接

🆕 新增：MCP流式HTTP传输

此服务器现在实现 MCP流式HTTP 传输协议，提供：

并发性提高20倍：处理更多同时进行的请求
减少延迟：直接HTTP通信，响应时间更快
更好的资源效率：更有效地利用资源
面向未来：HTTP是MCP规范中推荐的传输方式

服务器使用FastMCP实现无缝MCP协议合规性和最佳性能。

🚀 安装选项

⚡ 使用Smithery一键安装

对于Claude Desktop：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client claude --config "{}"

对于游标IDE： 引导到 Settings → Cursor Settings → MCP → Add new server 并粘贴：

npx -y @smithery/cli@latest run @alperenkocyigit/semantic-scholar-graph-api --client cursor --config "{}"

对于风帆：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client windsurf --config "{}"

对于克莱恩：

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client cline --config "{}"

🔧 手动安装

克隆存储库：

git clone https://github.com/alperenkocyigit/semantic-scholar-graph-api.git
cd semantic-scholar-graph-api

安装依赖项：
```
pip install -r requirements.txt
```
运行MCP流式HTTP服务器：
```
python server.py
```

🔧 配置指南

本地设置

Claude桌面设置

macOS/Linux配置： 添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "semanticscholar": {
      "command": "python",
      "args": ["/path/to/your/semantic_scholar_server.py"]
    }
  }
}

Windows配置：

{
  "mcpServers": {
    "semanticscholar": {
      "command": "C:\\Users\\YOUR_USERNAME\\miniconda3\\envs\\mcp_server\\python.exe",
      "args": ["D:\\path\\to\\your\\semantic_scholar_server.py"],
      "env": {},
      "disabled": false,
      "autoApprove": []
    }
  }
}

临床整合

{
  "mcpServers": {
    "semanticscholar": {
      "command": "bash",
      "args": [
        "-c",
        "source /path/to/your/.venv/bin/activate && python /path/to/your/semantic_scholar_server.py"
      ],
      "env": {},
      "disabled": false,
      "autoApprove": []
    }
  }
}

远程设置

自动配置

npx -y @smithery/cli@latest install @alperenkocyigit/semantic-scholar-graph-api --client <valid-client-name> --key <your-smithery-api-key>

有效客户端名称：[claude、cursor、vscode、boltai]

Json配置

macOS/Linux配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

Windows配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "cmd",
      "args": [
        "/c",
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

WSL配置：

{
  "mcpServers": {
    "semantic-scholar-graph-api": {
      "command": "wsl",
      "args": [
        "npx",
        "-y",
        "@smithery/cli@latest",
        "run",
        "@alperenkocyigit/semantic-scholar-graph-api",
        "--key",
        "your-smithery-api-key"
      ]
    }
  }
}

🎯 可用工具

工具	描述	用例
`search_semantic_scholar`	按查询搜索论文	文献发现
`search_semantic_scholar_authors`	按姓名查找作者	研究人员身份
`get_semantic_scholar_paper_details`	获取全面的论文信息	详细分析
`get_semantic_scholar_author_details`	获取作者资料	作者研究
`get_semantic_scholar_citations_and_references`	获取引文网络	影响分析
`get_semantic_scholar_paper_match`	查找精确的纸张匹配	精确搜索
`get_semantic_scholar_paper_autocomplete`	获取标题建议	智能完成
`get_semantic_scholar_papers_batch`	批量纸张检索	批量处理
`get_semantic_scholar_authors_batch`	批量作者数据	批量分析
`search_semantic_scholar_snippets`	搜索文本内容	内容发现
`get_semantic_scholar_paper_recommendations_from_lists`	从正面/负面例子中获得建议	人工智能驱动的发现
`get_semantic_scholar_paper_recommendations`	从单篇论文中获取推荐	类似的论文发现

💡 使用示例

基本论文搜索

# Search for papers on machine learning
results = await search_semantic_scholar("machine learning", num_results=5)

作者研究

# Find authors working on natural language processing
authors = await search_semantic_scholar_authors("natural language processing")

引文分析

# Get citation network for a specific paper
citations = await get_semantic_scholar_citations_and_references("paper_id_here")

🆕 人工智能论文推荐

多示例建议

# Get recommendations based on multiple positive and negative examples
positive_papers = ["paper_id_1", "paper_id_2", "paper_id_3"]
negative_papers = ["bad_paper_id_1", "bad_paper_id_2"]
recommendations = await get_semantic_scholar_paper_recommendations_from_lists(
    positive_paper_ids=positive_papers,
    negative_paper_ids=negative_papers,
    limit=20
)

单张纸相似性

# Find papers similar to a specific research work
similar_papers = await get_semantic_scholar_paper_recommendations(
    paper_id="target_paper_id",
    limit=15
)

内容发现

# Search for specific text content within papers
snippets = await search_semantic_scholar_snippets(
    query="neural network optimization",
    limit=10
)

📂 项目架构

semantic-scholar-graph-api/
├── 📄 README.md                    # Project documentation
├── 📋 requirements.txt             # Python dependencies
├── 🔍 search.py   # Core API interaction module
├── 🖥️ server.py   # MCP server implementation
└── 🗂️ __pycache__/                # Compiled Python files

核心组件

search.py：处理与Semantic Scholar API的所有交互，包括速率限制、错误处理和数据处理
server.py：实现MCP服务器协议，并公开用于AI助手集成的工具

🤝 贡献

我们欢迎社区的贡献！以下是您可以提供帮助的方式：

贡献方式

🐛 错误报告：发现问题？让我们知道！
💡 功能请求：有改进的想法吗？
🔧 代码贡献：提交拉取请求
📖 文档：帮助改进我们的文档

开发环境设置

分叉存储库
创建要素分支： git checkout -b feature/amazing-feature
进行更改并彻底测试
提交您的更改： git commit -m 'Add amazing feature'
推到分支： git push origin feature/amazing-feature
打开拉取请求

📄 许可证

该项目根据 MIT许可证 -看看许可证文件以获取详细信息。

🙏 致谢

语义学者团队 提供卓越的API
模型上下文协议 社区框架
贡献者 谁帮助改进这个项目

📞 支持

问题: GitHub 问题
讨论: GitHub讨论
维护者: @阿尔卑斯山

Made with ❤️ for the research community
_{Empowering AI agents with academic knowledge}