AIGROUP Paper MCP Server

一个统一的学术论文搜索和检索MCP服务器，集成了12+个学术平台。

🔧 高级工具 (6个)

• ✅ 智能参数完成 - 实时建议和上下文感知
• ✅ 显示名称支持 - 更好的UI呈现
• ✅ 结构化内容 - 原生支持结构化数据
• ✅ 动态工具管理 - 运行时启用/禁用工具

📚 资源系统 (3个)

• paper://{source}/{id} - 直接访问论文元数据
• category://{source}/{category} - 浏览类别论文
• search://{query} - 搜索结果作为资源

💬 提示模板 (3个)

• literature_review - 文献综述助手
• research_gap_analysis - 研究差距分析
• paper_comparison - 论文比较分析

⚡ 性能优化

• ✅ 通知去抖动 - 减少网络流量
• ✅ 智能缓存 - 更快的响应速度
• ✅ 并行搜索 - 多平台同时查询

🚀 快速开始

安装

作为CLI工具使用 (npx)

# 直接运行
npx aigroup-paper-mcp --help

# 搜索论文
npx aigroup-paper-mcp search "machine learning"

# 获取论文详情
npx aigroup-paper-mcp fetch "2301.00001" --source arxiv

# 列出平台类别
npx aigroup-paper-mcp categories

作为MCP服务器使用

npm install

开发模式

npm run dev

构建

npm run build

运行

npm start

📖 支持的平台

• arXiv - 物理、数学、计算机科学等
• OpenAlex - 综合学术数据库
• PubMed Central (PMC) - 生物医学文献
• Europe PMC - 欧洲生物医学数据库
• bioRxiv - 生物学预印本
• medRxiv - 医学预印本
• CORE - 开放获取研究论文
• Semantic Scholar - AI驱动的学术搜索
• Crossref - DOI和元数据服务
• PubMed - 生物医学文献数据库
• Google Scholar - 学术搜索引擎
• IACR - 密码学研究

🛠️ 工具列表

1. search_papers - 学术论文搜索

跨多个平台搜索论文，智能平台选择和查询优化。

参数：

• query - 搜索关键词（必需，带智能纠错）
• sources - 平台列表（可选，留空智能选择）
• field - 搜索字段（可选，带参数完成）
• categories - 类别过滤（可选）
• sortBy - 排序字段（可选）
• sortOrder - 排序顺序（可选）
• limit - 结果数量（默认10）
• offset - 分页偏移（默认0）

示例：

{
  "query": "transformer models",
  "field": "title",
  "limit": 20
}

2. fetch_paper - 获取论文详情

根据ID和平台获取论文完整元数据。

参数：

• id - 论文ID（必需）
• source - 平台源（必需）

示例：

{
  "id": "2301.00001",
  "source": "arxiv"
}

3. fetch_latest - 获取最新论文

从特定类别获取最新发表的论文。

参数：

• source - 平台源（必需）
• category - 类别名称（必需，带上下文感知完成）
• limit - 结果数量（默认10）
• useCache - 使用缓存（默认true）
• summaryOnly - 仅摘要（大数据集自动启用）
• enableEnhancement - 启用增强（默认true）

示例：

{
  "source": "arxiv",
  "category": "cs.AI",
  "limit": 20
}

4. list_categories - 列出平台类别

查看所有平台的可用类别。

参数：

• source - 平台源（可选，留空列出所有）

5. advanced_search - 高级搜索

支持布尔运算符的复杂查询。

参数：

• query - 搜索查询（支持AND/OR/NOT）
• sources - 平台列表（可选）
• field - 搜索字段（可选）
• fuzzyMatch - 模糊匹配（默认false）
• exactMatch - 精确匹配（默认false）
• limit - 结果数量（默认10）

示例：

{
  "query": "(deep learning OR neural networks) AND NOT reinforcement",
  "fuzzyMatch": true
}

6. trend_analysis - 研究趋势分析

分析主题的时间趋势和发展。

参数：

• topic - 研究主题（必需）
• sources - 平台列表（可选）
• period - 时间段（week/month/year/all）
• granularity - 时间粒度（day/week/month）
• limit - 每期论文数（默认100）

📦 资源使用

访问学术资源：

# 获取论文
paper://arxiv/2301.00001

# 浏览类别
category://arxiv/cs.AI

# 搜索结果
search://machine+learning

💡 提示模板

文献综述

literature_review({
  topic: "deep learning",
  timeframe: "past_year"
})

研究差距分析

research_gap_analysis({
  domain: "computer science",
  subtopic: "transformer models"
})

论文比较

paper_comparison({
  paperIds: "arxiv:2301.00001,arxiv:2302.00002",
  aspect: "methodology"
})

🔧 配置

MCP客户端配置

Claude Desktop、RooCode、通义灵码:

{
  "mcpServers": {
    "aigroup-paper-mcp": {
      "command": "npx",
      "args": ["aigroup-paper-mcp"]
    }
  }
}

环境变量： 创建 .env 文件：

LOG_LEVEL=info
CACHE_ENABLED=true
CACHE_TTL=3600
MAX_SEARCH_LIMIT=100

🤝 贡献

欢迎贡献！请查看 CONTRIBUTING.md

📄 许可证

MIT License - 详见 LICENSE