AI导哈

学术论文分析助手

一个基于OpenAlex数据库的AI学术论文分析工具，提供论文搜索、关键发现提取、论文对比、引用分析和研究缺口识别等功能。

  • by DaniManas
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 DaniManas/ResearchMCP

使用说明

Research MCP-基于人工智能的研究论文助理

MCP（模型上下文协议）服务器，通过从OpenAlex的2.5亿多篇论文数据库中获取研究来帮助分析学术论文。

特性

  • 搜索论文：使用高级过滤功能按主题/关键字搜索学术论文
  • 提取索赔：自动从论文中提取关键发现和研究主张
  • 比较论文：识别多篇论文中的矛盾和共识
  • 引文分析：探索引文网络以发现相关研究
  • 研究差距查找器：分析多篇论文，找出差距和未来的研究机会
  • 由OpenAlex API提供支持（数百万篇论文，无需API密钥！）

工具

search_papers

搜索关于OpenAlex的学术论文。

参数：

  • query （字符串，必填）：研究主题或关键字
  • max_results （int，可选）：可返回的最大纸张数（默认值：5）
  • year_from （int，可选）：仅限今年以后的论文

例子： “搜索NLP中变压器模型的论文”

get_paper_abstract

获取特定论文的完整摘要。

参数：

  • paper_id （字符串，必填）：搜索结果中的OpenAlex论文ID

例子： “获取论文W2964027837的摘要”

extract_claims

从论文摘要中提取关键主张和发现。

参数：

  • paper_id （字符串，必填）：OpenAlex论文ID

退货： 结构化提取研究问题、方法、发现和结论

例子： “从论文W2964027837中提取权利要求”

compare_papers

比较多篇论文中的主张，找出矛盾和共识。

参数：

  • paper_ids （字符串，必填）：以逗号分隔的论文ID列表（2-5篇论文）

退货： 显示协议、矛盾和研究差距的比较分析

例子： 比较这些论文：W2964027837、W3177828909、W2123456789

get_citations

获取一篇论文的引用网络——看看引用了什么，引用了什么。

参数：

  • paper_id （字符串，必填）：OpenAlex论文ID
  • direction （字符串，可选）：“cited_by”、“references”或“both”（默认值：“both）
  • max_results （int，可选）：每个方向的最大引用次数（默认值：10）

退货： 引用这项工作的论文及其引用的论文列表

例子： “显示W2964027837的引文网络”

find_research_gaps

分析同一主题的多篇论文，以确定研究差距和未解决的问题。

参数：

  • query （字符串，必填）：要分析的研究主题
  • num_papers （int，可选）：要分析的论文数量（默认值：5，最大值：10）

退货： 全面的差距分析包括：

  • 未回答的研究问题
  • 方法局限性
  • 研究不足的领域
  • 需要进一步调查的矛盾
  • 新兴研究机会

例子： “找出变压器架构优化的研究差距”

安装

选项1：部署到FastMCP云（推荐）

  1. 克隆存储库：
git clone https://github.com/YOUR_USERNAME/ResearchMCP.git
cd ResearchMCP
  1. 部署到FastMCP云：
fastmcp deploy

  1. 将入口点设置为： src/server.py

  2. 通过添加到MCP设置连接到Claude Desktop

选项2：本地运行

# Clone the repository
git clone https://github.com/YOUR_USERNAME/ResearchMCP.git
cd ResearchMCP

# Install dependencies
uv sync

# Run the server
uv run src/server.py

使用Claude Desktop

部署或本地运行后，您可以在Claude Desktop中使用自然语言提示：

搜索论文：

  • “搜索最近关于量子计算的论文”
  • “查找2020年以后关于CRISPR基因编辑的论文”

分析具体论文：

  • “从论文W2964027837中提取关键声明”
  • “获取论文W3177828909的摘要”

比较研究：

  • 比较这些论文：W2964027837，W3177828909
  • “这些论文在哪些方面有共识和分歧？”

探索引文：

  • “告诉我哪些论文引用了W2964027837”
  • “W2964027837引用了哪些论文？”

找出研究差距：

  • “找出变压器架构优化的研究差距”
  • “气候变化建模中有哪些悬而未决的问题？”

建筑

ResearchMCP使用了一种干净的关注点分离架构：

这种设计模式确保：

  • 干净的代码组织
  • 易于维护和测试
  • 工具编排与API逻辑之间的分离

技术栈

  • FastMCP：用于构建MCP服务器的Python框架
  • OpenAlex API：访问超过2.5亿篇学术论文，无需API密钥
  • HTTPX：现代支持异步的HTTP客户端
  • Python 3.12+：类型提示和现代Python功能

为什么选择MCP而不是RAG？

传统的RAG系统要求：

  • 对大型文档集进行预索引
  • 矢量数据库设置和维护
  • 嵌入发电成本
  • 仅限于预索引文档

使用MCP研究MCP：

  • 实时访问 超过2.5亿篇论文，无需预索引
  • 无基础设施 -不需要矢量数据库
  • 始终保持最新状态 -访问最新发表的研究
  • 成本效益高 -无嵌入生成成本
  • 工具编排 -Claude智能链接多个API调用

贡献

欢迎投稿！请随时提交问题或拉取请求。

许可证

麻省理工学院许可证-请随时使用此项目满足您的研究需求！

相关 MCP