使用说明
🧬 集成MCP的高级学术研究工具
生产准备的学术研究工具，支持模型上下文协议（MCP），针对M1 MacBook和企业部署进行了优化。
✨ 关键功能
🔬 高级学术研究
- 多源抓取维基百科，PubMed，OpenAlex智能速率限制
- AI驱动的肛门自动评估资源和证据的质量
- 安全评估研究主题的智能安全评估
- 智能缓存先进的缓存系统，具有压缩和自动过期
🤖 模型上下文协议（MCP）集成
- 5个高级MCP服务器：网络自动化、勇敢搜索、GitHub、Fetch、Puppeteer
- 基于工具的建筑 亲无缝人工智能代理集成
- RESTful API 全面的端点
- 实时研究能力
⚡ M1 MacBook 优化
- 内存高效缓存 记忆压力检测
- 能源优化 重试logika a连接池
- 线程安全实现 在所有组件中
- 最小资源足迹
🏭 生产就绪功能
- Docker 容器 s的健康检查是一个多阶段的建筑
- 普罗米修斯监控 Grafana仪表板
- 全面的错误处理 结构化日志记录
- 可扩展的统一架构
🚀 快速启动
前提条件
- Python 3.11+
- Docker&Docker编写
- Git
1.安装设置
git clone https://github.com/Hamulda/advanced-academic-research-tool.git
cd advanced-academic-research-tool
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -r requirements.txt
2. 基本用途
# Rychlý výzkumný dotaz
python core/main.py --query "BPC-157 dosing protocol" --type comprehensive --verbose
# Bezpečnostní hodnocení
python core/main.py --query "Nootropics safety" --type safety --evidence high
# JSON výstup pro API integraci
python core/main.py --query "Peptide research" --format json
3.Docker部署
# Development
docker-compose up -d
# Production
docker-compose -f docker-compose.yml -f docker-compose.prod.yml up -d
📖 高级应用
研究模式
quick- 快速搜索缓存优先级balanced平衡的速度/质量comprehensive深入研究所有资源safety专注于安全方面dosage- 剂量和协议的专业化
证据水平
high-Pouze同行评审的高影响力zdrojemedium包括优质的二级资源all所有可用的评估资源
输出格式
brief简要总结关键点detailed完整的链接分析expert- 专家的技术格式jsonAPI 的结构化数据
🔧 建筑
┌─────────────────┬──────────────────┬─────────────────┐
│ Core Engine │ MCP Servers │ Monitoring │
├─────────────────┼──────────────────┼─────────────────┤
│ • Main App │ • Web Automation │ • Prometheus │
│ • Research Orch │ • Brave Search │ • Grafana │
│ • Cache System │ • GitHub Tools │ • Health Checks │
│ • Config Mgmt │ • Fetch Tools │ • Performance │
└─────────────────┴──────────────────┴─────────────────┘
关键组件
- UnifiedBiohacking研究工具： 首席管弦乐师
- 智能研究编排器：人工智能驱动的研究引擎
- 大学校长高级缓存系统
- WebAutomationMCP服务器：网络抓取自动化
- 学术刮刀专门用于科学资源的刮刀
📊 性能优化
Cache 系统
# Automatické cache s TTL
@cached(ttl=3600, key_prefix="research")
async def research_function(query: str):
return await expensive_operation(query)
# Manuální cache operace
cache = get_cache_manager()
await cache.set("key", data, ttl=1800)
result = await cache.get("key")
速率限制
- 支持API的指数退避调用
- 每个域的速率限制
- 断路器图案亲API ochranu
- 智能重试抖动
🔐 安全
- 输入净化防止注射攻击
- SSL/TLS：保护komunikace的外部API
- 非root Docker集装箱安全硬化
- 速率限制防止滥用
- 审核日志记录完整的审计轨迹
📈 监控度量衡
普罗米修斯度量衡
- 请求延迟和吞吐量
- 缓存命中率/未命中率
- 按组件分列的错误率
- 资源利用率
Grafana仪表板
- 实时性能监控
- 系统运行状况概述
- 研究查询分析
- 缓存性能指标
访问 http://localhost:3000 （管理员/admin123）
🧪 测试
# Spuštění všech testů
python optimized_test_suite.py
# Performance benchmark
python -c "from optimized_test_suite import run_performance_benchmark; run_performance_benchmark()"
# Integration testy
pytest tests/ -v
# Type checking
mypy core/ mcp_servers/ cache/
🛠️ 发展
项目结构
├── core/ # Hlavní aplikační logika
├── mcp_servers/ # MCP server implementace
├── cache/ # Cache systémy
├── monitoring/ # Monitoring konfigurace
├── optimization/ # Performance optimalizace
├── tests/ # Test suites
└── docker-compose.yml # Orchestrace služeb
添加新功能
- 创建一个feature branch
- 实施测试
- 检查性能影响
- 更新文档
- 创建 Pull Request
📝 API 文档
REST端点
# Health check
GET /health
# Research endpoint
POST /research
{
"query": "research topic",
"type": "comprehensive",
"evidence_level": "high"
}
# Cache statistics
GET /cache/stats
# Performance metrics
GET /metrics
MCP工具
scrape_url：网页抓取CSS选择extract_links链接提取和过滤browser_screenshot：屏幕截图get_page_info详细页面分析search_academic学术数据库 search
🚀 生产部署
Docker Compose 服务
- 研究应用程序主要应用：
- 瑞迪斯：缓存会话存储
- 普罗米修斯：指标收集
- 石墨烯：可视化
- 引擎X：反向代理负载平衡
环境变量
ENVIRONMENT=production
REDIS_URL=redis://redis:6379
DATABASE_URL=sqlite:///data/app.db
PROMETHEUS_URL=http://prometheus:9090
🤝 贡献
- Fork存储库
- 创建 feature branch
git checkout -b feature/AmazingFeature) - 提交更改（
git commit -m 'Add AmazingFeature') - Push-do分支(
git push origin feature/AmazingFeature) - 打开 Pull Request
📄 许可证
根据MIT许可证分发。看 LICENSE 了解更多信息。
🙏 谢谢
📞 康泰克
哈马达 士兵 @哈木达
项目链接： https://github.com/Hamulda/advanced-academic-research-tool
⚠️ 免责声明本工具仅用于研究目的。在实施任何建议之前，始终咨询专家。
