AI导哈

论文检索聊天机器人

一个结合研究服务器和聊天客户端的系统，用于检索学术论文并通过MCP协议进行交互。

  • by Protospi
  • Jupyter Notebook
  • 本地部署
  • 更新于
在 GitHub 查看 protospi/mcp-remote-server

使用说明

MCP研究项目

该项目由两个主要部分组成：一个处理论文检索的研究服务器和一个使用模型上下文协议（MCP）与研究服务器交互的聊天机器人客户端。

项目结构

mcp_project/
├── research_server.py    # Server component for paper retrieval
├── mcp_chatbot.py       # Client chatbot component
├── .venv/               # Virtual environment directory
└── papers/              # Directory for downloaded papers

服务器组件（research_Server.py）

先决条件

  • Python 3.x
  • UV包管理器
  • Node.js和NPM（用于检查器）

安装说明

  1. 导航到项目目录：
cd mcp_project_prompt_resources
  1. 使用UV初始化：
uv init
  1. 创建并激活虚拟环境：
uv venv
source .venv/bin/activate
  1. 安装所需的依赖项：
uv add mcp arxiv
uv pip install -r requirements.txt

运行服务器

  1. 启动检查器：
npx @modelcontextprotocol/inspector uv run research_server.py

  1. 当系统提示安装软件包时，键入 y

  2. 配置检查器：

    • 在浏览器中打开提供的检查员地址
    • 在配置下，指定检查器代理地址
    • 有关详细的配置步骤，请遵循检查器UI说明

访问论文

  • 导航到“文件”>“打开”>“L4”>“mcp_project”
  • 论文将存储在论文/目录中

停止服务器

  • 使用 Ctrl+C 在航站楼阻止检查员

客户端组件（mcp_chatbot.py）

先决条件

  • Python 3.x
  • UV包管理器
  • 服务器设置中的活动虚拟环境

安装说明

  1. 导航到项目目录：
cd mcp_project_prompt_resources
  1. 激活虚拟环境：
source .venv/bin/activate
  1. 安装其他依赖项：
uv add anthropic python-dotenv nest_asyncio

运行聊天机器人

  1. 启动聊天机器人：
uv run mcp_chatbot.py
  1. 通过命令行与聊天机器人交互
  2. 类型 quit 退出聊天机器人

访问论文

  • 导航到“文件”>“打开”>“L5”>“mcp_project”以访问下载的论文

环境变量

聊天机器人需要以下环境变量：

  • ANTHROPIC_API_KEY：Claude访问的Anthropic API密钥

备注

  • 启动聊天机器人之前，请确保服务器正在运行
  • 跟踪API的使用情况和纸质下载
  • 服务器和客户端组件应在单独的终端中运行
  • 完成后，确保正确关闭两个应用程序

资源和提示模板

纸张存储结构

研究服务器按以下结构组织论文：

  • papers/ -所有研究论文的根目录
    • {topic_name}/ -每个研究主题的文件夹（例如ai_interpretability、llm_reasoning）
      • papers_info.json -包含该主题论文元数据的JSON文件

MCP资源

MCP中的资源是只读数据端点，类似于REST API中的GET端点。研究服务器公开了两个主要资源：

  1. 可用主题文件夹列表：

    • URI： papers://folders
    • 返回可用研究主题列表

  2. 特定主题下的论文信息：

    • URI： papers://{topic}
    • 返回指定主题的论文元数据
    • 在运行时指定{topic}的动态URI

提示模板

服务器使用 @mcp.prompt() 装饰师。这些模板可用于为特定用例（如论文搜索）生成结构化提示。

更新聊天机器人命令

聊天机器人支持以下特殊命令：

资源命令

  • @folders -列出所有可用的研究主题
  • @topic -获取特定主题的论文信息

提示命令

  • /prompts -列出所有可用的提示模板
  • /prompt <name> <arg1=value1> -使用参数执行特定提示

实现细节

聊天机器人已经更新了处理这些功能的新方法：

  1. connect_to_server:

    • 请求可用资源和提示模板
    • 存储资源URI和提示名称

  2. chat_loop:

    • 处理特殊命令（@folders、@topic、/sthints、/sthint）
    • 将命令路由到适当的处理程序

  3. 新方法：

    • get_resource：处理资源请求
    • execute_prompt：处理提示模板执行
    • list_prompts：显示可用的提示模板

请记住检查mcp_project文件夹中的完整实现，以获取详细的使用示例。

确保与聊天机器人互动。以下是一些查询示例：

  • @文件夹
  • @ai_可解释性
  • /提示
  • /提示generate_search_prompt主题=历史num_papers=2

相关 MCP