🧠 MCP研究服务器
轻量级 研究辅助服务器 使用 FastMCP 搜索以下学术论文 arXiv，提取摘要和元数据，并将其作为 MCP工具 和 资源 用于基于LLM的工作流。
致谢
这项工作是在Antropic和deeplearning.ai课程学习的基础上进行的
🚀 特性
- 🔍 搜索以下来源的论文 arXiv.org
- 📁 在本地文件夹中保存和组织纸张元数据
- 📜 提取详细的纸张信息
- 🧰 公开工具和资源以供使用 基于MCP的人工智能工作流程
- 🌐 轻松部署到 Render.com 或 码头工人
______________________________________________________________________
🧩 项目结构
.
├── Dockerfile
├── README.md
├── main.py
├── pyproject.toml
├── requirement.txt
├── research_server.py
├── runtime.txt
├── uv.lock
└── .gitignore______________________________________________________________________
🧠 运作原理
服务器使用 FastMCP 图书馆曝光 MCP工具 和 资源.
关键工具
| 工具 | 说明 |
|---|---|
search_papers(topic, max_results) | 在arXiv中搜索与某一主题相关的研究论文 |
extract_info(paper_id) | 检索特定论文的元数据 |
get_available_folders() | 列出所有已保存的研究主题 |
get_topic_papers(topic) | 返回某个主题的所有论文摘要 |
generate_search_prompt(topic, num_papers) | 为LLM生成结构化的研究提示 |
______________________________________________________________________
🧰 安装（本地）
1.️⃣ 克隆存储库
git clone https://github.com//.git
cd 2.️⃣ 创建虚拟环境
python3 -m venv venv
source venv/bin/activate3.️⃣ 再进行
pip install -r requirement.txt4.️⃣ 运行服务器
python research_server.py服务器将在以下时间启动：
http://localhost:8001______________________________________________________________________
🐳 使用Docker运行
1.️⃣ 塑造形象
docker build -t mcp-research-server .2.️⃣ 运行容器
docker run -p 8001:8001 mcp-research-server然后访问：
http://localhost:8001______________________________________________________________________
☁️ 部署到Render.com
1.️⃣ 转到Render.com
创建一个免费帐户并打开： 👉 https://dashboard.render.com/web/new?newUser=true
2.️⃣ 创建新的Web服务
- 连接您的 GitHub存储库
- 选择您的仓库名称
- 选择 Python 3.12
- 设置启动命令：
python research_server.py- 部署🚀
3.️⃣ 实时服务器示例
示例端点（如果已部署）：
https://mcp-remote-research-f6yh.onrender.com______________________________________________________________________
🧠 MCP集成
该项目旨在与 模型上下文协议（MCP） 例如Claude或其他AI工具。
您可以连接到此服务器，为您的AI助手提供实时研究功能。
示例用法：
from mcp.client import MCPClient
client = MCPClient("http://localhost:8001")
papers = client.tools.search_papers("quantum computing", max_results=3)
print(papers)______________________________________________________________________
🧾 需求
- python 3.12+
fastmcparxivuv（可选用于快速依赖关系管理）- Docker（容器部署可选）
______________________________________________________________________
🧪 测试回购
要手动测试部署，请执行以下操作：
- 访问 Render.com Web服务
- 连接您的GitHub仓库
- 使用默认配置进行部署
- 成功部署后，测试您的端点：
https://your-service-name.onrender.com目的：证明 MCP工具集成 自主AI研究代理。
______________________________________________________________________
👨💻 作者
赫尔米·甘米\ 生成型人工智能研究工程师\
版权： Antropic和深度学习.ai