AI导哈

学术论文搜索服务

MCP研究服务器是一个基于Model Context Protocol (MCP)的AI应用，提供标准化的工具访问和资源端点，用于搜索和检索arXiv学术论文，适用于学术研究和AI辅助写作场景。

  • by rubychi
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 rubychi/mcp-research-server

使用说明

MCP：研究（服务器）

该项目是由 MCP：用Anthropic构建丰富的上下文AI应用程序.

它演示了如何使用模型上下文协议（MCP）构建AI应用程序，这些应用程序可以以标准化的方式访问外部来源的工具、数据和提示。

对于客户端，请参阅 mcp研究客户.

概述

模型上下文协议（MCP）是Anthropic开发的一种开放协议，它规范了大型语言模型（LLM）访问外部工具和数据的方式。MCP使用客户端-服务器架构，可以轻松集成新工具并连接到外部系统，如arXiv、GitHub、Google Docs或本地文件。

该项目提供了一个MCP服务器，该服务器公开了从arXiv搜索和检索学术论文的工具和资源，以及LLM的提示模板。

特性

  • 标准化工具访问： 公开用于搜索arXiv和提取纸张信息的工具。
  • 资源端点： 提供用于列出可用主题和检索详细论文信息的资源。
  • 提示模板： 为法学硕士综合和总结研究课题提供提示。
  • 客户端-服务器体系结构： 使用来自的FastMCP服务器构建 mcp Python包。
  • Docker和Procfile支持： 已准备好在各种环境中部署。

项目结构

.
├── research_server.py      # MCP server exposing tools/resources/prompts
├── pyproject.toml          # Project metadata and dependencies
├── Dockerfile              # Containerization support
├── Procfile                # For deployment (e.g., Heroku)
├── uv.lock                 # Dependency lock file
├── .python-version         # Python version specifier
├── .gitignore
└── README.md

入门指南

先决条件

  • Python 3.11.11
  • 紫外线 （用于依赖关系管理）
  • Docker（可选，用于容器化部署）

安装

  1. 克隆此存储库：

    git clone git@github.com:rubychi/mcp-research-server.git

  2. 创建虚拟环境：

    uv venv .venv

  3. 激活环境：

    source .venv/bin/activate

  4. 运行MCP服务器：

    python research_server.py

    默认情况下，服务器将在端口8001上启动（或使用 PORT 环境变量）。

  5. （可选）使用Docker运行：

    docker build -t mcp-research .
docker run -p 8001:8001 mcp-research

用法

  • 将MCP服务器用作MCP兼容客户端的后端（例如，Claude Desktop、MCP Inspector或您自己的客户端）。

  • 服务器公开了以下工具和资源：

    • search_papers(topic, max_results)：在arXiv上搜索某个主题的论文。
    • extract_info(paper_id)：检索特定论文的详细信息。
    • papers://folders：列出所有可用的研究主题。
    • papers://{topic}：获取特定主题论文的详细信息。
    • generate_search_prompt(topic, num_papers)：为法学硕士综合研究提供提示。

  • 纸张数据存储在 papers/ 目录，这是在您使用工具时自动创建的。

配置

  • 服务器端口可以通过设置 PORT 环境变量。
  • 基本使用不需要额外的配置。

参考文献

相关 MCP