Papers Research MCP Remote Server

MCP远程论文研究服务器

A. 模型上下文协议（MCP） 服务器，通过arXiv集成为学术论文提供全面的研究能力。该服务器公开了用于搜索论文、提取信息、访问有组织的资源和生成研究提示的工具。

MCP Papers Research Server on Inspector

🚀 特性

🔧 工具

• search_papers -在arXiv中搜索任何主题的论文并存储其元数据
• extract_info -按ID检索特定论文的详细信息

📁 资源

• papers://folders -列出所有可用的研究主题文件夹
• papers://{topic} -访问特定主题的详细论文信息

💡 鼓励

• generate_search_prompt -为克劳德分析学术论文生成全面的研究提示

🗂️ 数据组织

• 在中按主题自动组织论文 papers/ 目录
• 以JSON格式存储纸张元数据，以实现高效检索
• 在服务器重启过程中保持持久存储

🌐 部署

此服务器是 准备部署 在任何云提供商上，包括：

• AWS（EC2、Lambda、ECS）
• 谷歌云平台（计算引擎，云运行）
• Microsoft Azure（虚拟机、容器实例）
• DigitalOcean水滴
• Heroku
• 铁路
• Fly.io

服务器运行在 端口8001 并使用 流式HTTP传输 为了获得最大的兼容性。

🛠️ 本地开发和测试

先决条件

• Python 3.8+
• 紫外线 包管理器

安装步骤

1. 克隆存储库

   git clone 
   cd remote_mcp_server

1. 使用uv创建和激活虚拟环境

   # Install uv if you haven't already
   curl -LsSf https://astral.sh/uv/install.sh | sh

   # Create virtual environment
   uv venv

   # Activate the virtual environment
   # On Windows:
   .venv\Scripts\activate
   # On macOS/Linux:
   source .venv/bin/activate

1. 安装依赖项

   uv pip install -r requirements.txt

1. 运行服务器

   uv run research_server.py

MCP检验员测试

1. 启动服务器 （在第一个终端中）：

   uv run research_server.py

1. 启动MCP检查器 （在第二个终端中）：

   npx @modelcontextprotocol/inspector

1. 连接到服务器:

- 服务器URL: http://localhost:8001 - 运输： streamable-http

📖 使用示例

搜索论文

# Search for machine learning papers
search_papers(topic="machine learning", max_results=10)

提取纸张信息

# Get detailed information about a specific paper
extract_info(paper_id="2301.07041")

访问资源

# List available topic folders
papers://folders

# Access papers on a specific topic
papers://artificial_intelligence

生成研究提示

# Create a comprehensive research prompt
generate_search_prompt(topic="quantum computing", num_papers=5)

📁 项目结构

remote_mcp_server/
├── research_server.py      # Main MCP server implementation
├── requirements.txt        # Python dependencies
├── papers/                # Auto-generated paper storage
│   ├── topic_name/
│   │   └── papers_info.json
│   └── another_topic/
│       └── papers_info.json
└── README.md              # This file

🔧 配置

服务器配置了合理的默认值：

• 端口: 8001
• 运输：可流式传输http
• 论文目录: ./papers
• 默认最大结果：每次搜索5篇论文

📚 api参考

工具

search_papers(topic: str, max_results: int = 5) -> List[str]

在arXiv中搜索给定主题的论文并存储其元数据。

参数：

• topic：要搜索的研究主题
• max_results：要检索的最大论文数（默认值：5）

退货： 找到的纸张ID列表

extract_info(paper_id: str) -> str

检索特定论文的详细信息。

参数：

• paper_id：ArXiv纸张ID（例如“2301.07041”）

退货： 带有纸张详细信息或错误消息的JSON字符串

资源

papers://folders

列出所有可用的研究主题文件夹。

papers://{topic}

提供特定主题论文的详细标记格式信息。

鼓励

generate_search_prompt(topic: str, num_papers: int = 5) -> str

为克劳德生成一个全面的研究提示。

参数：

• topic：研究主题
• num_papers：要分析的论文数量（默认值：5）

🤝 贡献

1. 分叉存储库
2. 创建功能分支(git checkout -b feature/amazing-feature)
3. 提交您的更改(git commit -m 'Add amazing feature')
4. 推到分支(git push origin feature/amazing-feature)
5. 打开拉取请求

📄 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

• 内置于 FastMCP
• 由...驱动 arXiv API 用于学术论文访问
• 与兼容 模型上下文协议

______________________________________________________________________

准备好彻底改变你的研究工作流程了吗？ 🚀 部署此服务器，在人工智能的帮助下开始探索广阔的学术文献世界！