AI导哈

学术研究自动化套件

一套包含六个专用模型上下文协议（MCP）服务器的学术研究自动化工具，涵盖从研究问题细化到生成出版就绪报告的全流程。

  • by sercantas
  • TypeScript
  • 本地部署
  • 7 星标
  • 更新于
在 GitHub 查看 sercantas/Academic-Research-MCP-Suite

使用说明

学术研究MCP套件

学术研究MCP套件是一组六个专用的模型上下文协议（MCP）服务器，可自动化整个学术研究流程，从提炼模糊的研究问题到生成可发布的报告。每个服务器都处理工作流的不同阶段：问题开发、数据处理、代码生成、脚本执行和报告编写，并由协调器协调整个序列。该套件与所有主要的AI客户端（Claude Desktop、Claude Code、Cursor、Gemini CLI、Kiro CLI和谷歌的Antigravity IDE）集成，设计为一次安装即可在任何地方使用。

6台服务器

二进制 角色
academic-research-orchestrator 端到端协调整个管道
academic-research-initiator 将研究问题精炼为可检验的假设
academic-data-processor 清理和准备数据集
academic-code-generator 生成统计分析脚本（Python、R、JS）
academic-code-executor 运行分析脚本并捕获输出
academic-research-writer 撰写结构化的学术报告（APA/ASA/通用）

步骤1--安装

npm install -g academic-research-mcp-suite

需要Node.js 18+。

步骤2——验证安装

academic-mcp-doctor

这将检查所有6个服务器二进制文件是否都在您的PATH上，完成与每个文件的MCP握手，并确认它们的工具已公开。你应该看看 6/6 servers healthy.

步骤3——配置您的AI客户端

academic-mcp-configure

这将自动为每个受支持的客户端生成正确的MCP配置：

客户端 配置文件
Kiro命令行界面 ~/.kiro/settings/mcp.json
克劳德代码 ~/.claude/settings.json
克劳德桌面 ~/Library/Application Support/Claude/claude_desktop_config.json
光标 ~/.cursor/mcp.json
Gemini CLI ~/.gemini/settings.json
反重力（谷歌IDE） ~/.gemini/antigravity/mcp_config.json

该命令可以安全合并——它不会覆盖您已经配置的其他MCP服务器。

重新启动Claude桌面和光标 运行此命令后。

第四步——使用它

配置后，自然地与任何受支持的AI客户端对话：

"Use the research orchestrator to run a complete study on remote work
 and employee productivity using my survey data at ./data/survey.csv"

或者使用单个服务器执行特定任务：

"Refine my research question: does social media usage affect academic performance?"
"Process my dataset and prepare it for statistical analysis"
"Generate Python code for a regression analysis"
"Execute my analysis scripts and capture the results"
"Write a research report from my analysis results"

writer服务器接受可选 style 参数("generic", "apa"，或 "asa")以及a references 阵列。通过 style: "asa" 社会学论文（前装理论部分，ASA标题标签）或 style: "apa" 定量/心理学惯例。您提供的任何参考文献都以编号列表的形式呈现；裸露的“名字-姓氏”条目会自动翻转为“姓氏，名字”格式。

工作流程

Research Idea
    → Initiator   (refine question + hypotheses)
    → Processor   (clean data)
    → Generator   (write analysis code)
    → Executor    (run scripts)
    → Writer      (compose report)
    → Publication-ready output

编排器可以在单个提示中运行整个序列。

手动客户端配置

如果您更喜欢手动配置客户端而不是使用 academic-mcp-configure，将此块添加到客户端的MCP配置文件中：

{
  "mcpServers": {
    "academic-research-orchestrator": { "command": "academic-research-orchestrator" },
    "academic-research-initiator":    { "command": "academic-research-initiator" },
    "academic-data-processor":        { "command": "academic-data-processor" },
    "academic-code-generator":        { "command": "academic-code-generator" },
    "academic-code-executor":         { "command": "academic-code-executor" },
    "academic-research-writer":       { "command": "academic-research-writer" }
  }
}

发展

git clone https://github.com/sercantas/Academic-Research-MCP-Suite.git
cd Academic-Research-MCP-Suite
npm install
npm run build
npm test

需求

  • Node.js 18+
  • 一个或多个受支持的AI客户端（见步骤3）
  • Python或R（可选-仅当您使用这些语言的代码执行器时才需要）

许可证

麻省理工学院

相关 MCP