AI导哈

PubMed文献搜索管理服务器

一个基于MCP协议的PubMed文献搜索和管理服务器，提供高级搜索、引用格式化和研究分析工具。

  • by chrismannina
  • Python
  • 本地部署
  • 10 星标
  • 更新于
在 GitHub 查看 chrismannina/pubmed-mcp

使用说明

PubMed MCP服务器

用于PubMed文献搜索和管理的综合模型上下文协议（MCP）服务器。该服务器通过MCP协议提供高级搜索功能、引文格式和研究分析工具。

特性

  • 高级PubMed搜索：使用复杂的过滤器进行搜索，包括日期范围、文章类型、作者、期刊和MeSH术语
  • 文章详情：检索特定PMID的详细信息，包括摘要、作者和元数据
  • 引文导出：以多种格式导出引文（BibTeX、APA、MLA、芝加哥、温哥华、EndNote、RIS）
  • 作者搜索：查找具有合著者信息的特定作者的文章
  • 相关文章：发现与特定PMID相关的文章
  • MeSH术语搜索：搜索和探索医学主题标题
  • 期刊分析：从特定期刊获取指标和最新文章
  • 研究趋势：分析随时间推移的出版趋势
  • 文章比较：并排比较多篇文章
  • 缓存：内置缓存以提高性能
  • 速率限制：尊重API的使用，可配置速率限制

安装

先决条件

  • Python 3.8或更高版本
  • NCBI API密钥（需要免费注册）
  • NCBI API标识的有效电子邮件地址

快速开始

  1. 克隆存储库：

    git clone https://github.com/your-org/pubmed-mcp.git
cd pubmed-mcp

  2. 安装依赖项：

    pip install -r requirements.txt

  3. 设置环境变量：

    cp env.example .env
# Edit .env with your NCBI API key and email

  4. 运行服务器：

    python -m src.main

开发安装

使用其他工具进行开发：

make install-dev

或手动：

pip install -r requirements.txt
pip install -e .
pip install black isort mypy flake8

配置

创建一个 .env 项目根目录中的文件，包含以下变量：

# Required
PUBMED_API_KEY=your_ncbi_api_key_here
PUBMED_EMAIL=your.email@example.com

# Optional
CACHE_TTL=300
CACHE_MAX_SIZE=1000
RATE_LIMIT=3.0
LOG_LEVEL=info

获取NCBI API密钥

  1. 访问 NCBI帐户设置
  2. 登录或创建帐户
  3. 导航到“API密钥管理”
  4. 创建新的API密钥
  5. 将密钥复制到您的 .env 文件

用法

可用工具

服务器提供以下MCP工具：

1. search_pubmed

使用高级过滤选项搜索PubMed。

{
  "query": "machine learning healthcare",
  "max_results": 20,
  "date_range": "5y",
  "article_types": ["Journal Article", "Review"],
  "has_abstract": true
}

2. get_article_details

获取特定PMID的详细信息。

{
  "pmids": ["12345678", "87654321"],
  "include_abstracts": true,
  "include_citations": false
}

3. search_by_author

搜索特定作者的文章。

{
  "author_name": "Smith J",
  "max_results": 10,
  "include_coauthors": true
}

4. export_citations

以各种格式导出引文。

{
  "pmids": ["12345678"],
  "format": "bibtex",
  "include_abstracts": false
}

5. find_related_articles

查找与特定PMID相关的文章。

{
  "pmid": "12345678",
  "max_results": 10
}

6. search_mesh_terms

使用MeSH术语搜索。

{
  "term": "Machine Learning",
  "max_results": 20
}

7. analyze_research_trends

分析一段时间内的出版趋势。

{
  "topic": "artificial intelligence",
  "years_back": 5,
  "include_subtopics": false
}

MCP客户端使用示例

import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    server_params = StdioServerParameters(
        command="python",
        args=["-m", "src.main"]
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            # Initialize the session
            await session.initialize()

            # Search PubMed
            result = await session.call_tool(
                "search_pubmed",
                {
                    "query": "COVID-19 vaccines",
                    "max_results": 5,
                    "date_range": "1y"
                }
            )

            print(result.content[0].text)

if __name__ == "__main__":
    asyncio.run(main())

发展

运行测试

# Run all tests
make test

# Run with coverage
make test-coverage

# Run specific test types
python run_tests.py unit
python run_tests.py integration
python run_tests.py coverage

代码质量

# Format code
make format

# Run linting
make lint

# Type checking
mypy src/

项目结构

pubmed-mcp/
├── src/
│   ├── __init__.py
│   ├── main.py              # Entry point
│   ├── server.py            # MCP server implementation
│   ├── models.py            # Pydantic models
│   ├── pubmed_client.py     # PubMed API client
│   ├── tool_handler.py      # Tool request handlers
│   ├── citation_formatter.py # Citation formatting
│   ├── tools.py             # Tool definitions
│   └── utils.py             # Utility functions
├── tests/                   # Test suite
├── requirements.txt         # Dependencies
├── setup.py                 # Package setup
├── pyproject.toml          # Modern Python config
├── Makefile                # Development commands
├── Dockerfile              # Container setup
└── README.md               # This file

码头工人

构建并运行

# Build Docker image
make docker-build

# Run with environment variables
make docker-run PUBMED_API_KEY=your_key PUBMED_EMAIL=your_email

Docker Compose

version: '3.8'
services:
  pubmed-mcp:
    build: .
    environment:
      - PUBMED_API_KEY=your_key
      - PUBMED_EMAIL=your_email
      - LOG_LEVEL=info
    volumes:
      - ./data:/app/data

api参考

搜索参数

  • query：使用PubMed语法搜索查询
  • max_results：最大结果数（1-200）
  • sort_order：排序顺序（相关性、发布日期、作者、期刊、标题）
  • date_from/date_to：日期范围筛选器
  • date_range：预定义的范围（1y，5y，10y，all）
  • article_types：按发布类型筛选
  • authors：按作者姓名筛选
  • journals：按日志名称筛选
  • mesh_terms：按MeSH术语筛选
  • language：语言过滤器（例如“eng”、“fre”）
  • has_abstract：只有有摘要的文章
  • has_full_text：只有全文文章
  • humans_only：仅人类研究

引文格式

  • bibtex：BibTeX格式
  • apa：APA风格
  • mla：MLA风格
  • chicago：芝加哥风格
  • vancouver：温哥华风格
  • endnote：尾注格式
  • ris：RIS格式

贡献

  1. 分叉存储库
  2. 创建要素分支
  3. 进行更改
  4. 添加新功能的测试
  5. 运行测试套件
  6. 提交拉取请求

开发指南

  • 遵循PEP 8风格指南
  • 为所有函数添加类型提示
  • 编写全面的测试
  • 更新新功能的文档
  • 使用常规提交消息

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

支持

致谢

更新日志

看 更改日志.md 查看详细的变化历史。

备注：此服务器需要有效的NCBI API密钥，并遵循NCBI的使用指南。请遵守API价格限制和服务条款。

相关 MCP