科学取纸器 MCP 服务器

一个全面的模型背景协议(MCP)服务器,它为LLMS提供实时访问来自 6个主要学术来源:arXiv,OpenAlex,PMC(PubMed Central),欧洲PMC,BioRxiv/medRxiv,和CORE.

* 特性

综合来源覆盖率

• 阿尔谢夫:计算机科学,物理,数学预印和论文
• 打开亚历山大: 有引用数据的学术论文开放目录
• PMC 移动: PubMed 中央生物医学和生命科学文献
• 欧洲PMC: 欧洲生命科学文献数据库
• bioRxiv/medRxiv: 生物学和医学预印服务器
• 核心:世界最大的公开查阅研究论文集

高级能力

• 纸张获取: 按类别/概念从任何来源获得最新论文
• 纸张搜索:按标题、摘要、作者或全文搜索文件,涉及4个主要来源
• 全文提取: 提取带有智能倒置策略的完整文本内容
• 引用分析: 从 OpenAlex 中查找自特定日期起引用的顶端文件
• 查找纸张:用ID检索特定文件的完整元数据
• 类别 发现: 从所有来源浏览可用的类别
• 智能利率限制: 尊重 API 使用,限制每源费率
• DOI 分辨率: 高级 DOI 解析器与 Unpaywall → Crossref → 语义学者倒置
• 双界面: MCP 协议和 CLI 访问
• 类型脚本:带有无害环境管理模块的完整类型安全

* 覆盖面统计

• 来源共计:6个学术数据库
• 类别: 所有学科100个以上类别
• 纸张访问: 200M+ 具有智能文本提取功能的纸张
• 文本提取成功: >90%用于支持的纸张类型
• 反应时间: < 15 秒平均取纸

* 安装

npm install
npm run build

QQ MCP 客户端配置

要使用这个带有 MCP 客户端的服务器( 如 Claude Desktop), 请在您的 MCP 客户端配置中添加以下内容 :

对于已出版的软件包( npm 有):

备选案文1:使用npx(推荐给克劳德等AI工具)

{
  "mcpServers": {
    "scientific-papers": {
      "command": "npx",
      "args": [
        "-y",
        "@futurelab-studio/latest-science-mcp@latest"
      ]
    }
  }
}

备选方案2:全球安装

npm install -g @futurelab-studio/latest-science-mcp

然后配置 :

{
  "mcpServers": {
    "scientific-papers": {
      "command": "latest-science-mcp"
    }
  }
}

使用量

CLI 接口

列表类别

# List arXiv categories
node dist/cli.js list-categories --source=arxiv

# List OpenAlex concepts
node dist/cli.js list-categories --source=openalex

# List PMC biomedical categories
node dist/cli.js list-categories --source=pmc

# List Europe PMC life science categories
node dist/cli.js list-categories --source=europepmc

# List bioRxiv/medRxiv categories (includes both servers)
node dist/cli.js list-categories --source=biorxiv

# List CORE academic categories
node dist/cli.js list-categories --source=core

获取最新文档

# Get latest AI papers from arXiv
node dist/cli.js fetch-latest --source=arxiv --category=cs.AI --count=10

# Get latest biology papers from bioRxiv
node dist/cli.js fetch-latest --source=biorxiv --category="biorxiv:biology" --count=5

# Get latest immunology papers from PMC
node dist/cli.js fetch-latest --source=pmc --category=immunology --count=3

# Get latest papers from CORE by subject
node dist/cli.js fetch-latest --source=core --category=computer_science --count=5

# Search by concept name (OpenAlex)
node dist/cli.js fetch-latest --source=openalex --category="machine learning" --count=3

获取引用最多的文档

# Get top 20 cited papers in machine learning since 2024
node dist/cli.js fetch-top-cited --concept="machine learning" --since=2024-01-01 --count=20

# Get top cited papers by concept ID
node dist/cli.js fetch-top-cited --concept=C41008148 --since=2023-06-01 --count=10

搜索文档

# Search by keywords across all fields
node dist/cli.js search-papers --source=arxiv --query="machine learning" --count=10

# Search by paper title
node dist/cli.js search-papers --source=openalex --query="neural networks" --field=title --count=5

# Search by author name
node dist/cli.js search-papers --source=europepmc --query="John Smith" --field=author --count=10

# Search full-text content sorted by citations
node dist/cli.js search-papers --source=core --query="climate change" --field=fulltext --sortBy=citations --count=20

获取特定的纸张内容

# Get arXiv paper by ID
node dist/cli.js fetch-content --source=arxiv --id=2401.12345

# Get bioRxiv paper by DOI
node dist/cli.js fetch-content --source=biorxiv --id="10.1101/2021.01.01.425001"

# Get PMC paper by ID
node dist/cli.js fetch-content --source=pmc --id=PMC8245678

# Get CORE paper by ID
node dist/cli.js fetch-content --source=core --id=12345678

# Show text content with preview
node dist/cli.js fetch-content --source=arxiv --id=2401.12345 --show-text --text-preview=500

可用的工具

list_categories

列出来自任何数据来源的现有类别/概念.

参数:

• source数字 : "arxiv" | "openalex" | "pmc" | "europepmc" | "biorxiv" | "core"

回返情况:

• 类别对象矩阵 id, (中文(简体) ), name选择 description

实例:

{
  "name": "list_categories",
  "arguments": {
    "source": "biorxiv"
  }
}

fetch_latest

以 只有元数据 (不取出文本).

参数:

• source数字 : "arxiv" | "openalex" | "pmc" | "europepmc" | "biorxiv" | "core"
• category: 类别ID或概念名称(按来源分列)
• count: 要获取的纸张数量( 默认: 50, 最大: 200)

按来源分列的实例:

• 阿尔谢夫数字 : "cs.AI", (中文(简体) ), "physics.gen-ph", (中文(简体) ), "math.CO"
• 打开亚历山大数字 : "artificial intelligence", (中文(简体) ), "machine learning", (中文(简体) ), "C41008148"
• PMC 移动数字 : "immunology", (中文(简体) ), "genetics", (中文(简体) ), "neuroscience"
• 欧洲PMC数字 : "biology", (中文(简体) ), "medicine", (中文(简体) ), "cancer"
• bioRxiv/medRxiv数字 : "biorxiv:neuroscience", (中文(简体) ), "medrxiv:psychiatry"
• 核心数字 : "computer_science", (中文(简体) ), "mathematics", (中文(简体) ), "physics"

回返情况:

• 带有元数据( id、 标题、 作者、 日期、 pdf url) 的纸张对象阵列
• 文本字段: 空字符串 (text: "") - 使用 fetch_content 全文

fetch_top_cited

从 OpenAlex 为特定的概念获取引用的顶端文件.

参数:

• concept: 概念名称或 OpenAlex 概念 ID
• since: YYY- MM- DD 格式的起始日期
• count: 要获取的纸张数量( 默认: 50, 最大: 200)

search_papers

搜索多个学术来源的论文,并有针对特定领域的搜索和排序选项.

参数:

• source数字 : "arxiv" | "openalex" | "europepmc" | "core"
• query: 搜索查询字符串(最大 1500 个字符)
• field数字 : "all" | "title" | "abstract" | "author" | "fulltext" (默认:"全部")
• count: 返回的结果数量( 默认: 50, 最大: 200)
• sortBy数字 : "relevance" | "date" | "citations" (默认:"相关")

按来源分列的搜索能力 :

• 阿尔谢夫: 标题、 抽象、 作者、 和布尔运算符的一般搜索
• 打开亚历山大: 有相关评分和引用排序的高级搜索
• 欧洲PMC:有MESH术语和全文搜索的生物医学文献
• 核心:具有高级查询语言的全球学术论文

示例查询:

• 关键词 : "machine learning", (中文(简体) ), "climate change"
• 措辞 : "artificial intelligence" (确切短语使用引文)
• 布尔 : "deep learning AND neural networks" (arXiv支持这一点)
• 作者数 : "John Smith", (中文(简体) ), "Smith J"

回返情况:

• 带有元数据( id、 标题、 作者、 日期、 pdf url) 的纸张对象阵列
• 文本字段: 空字符串 (text: "") - 使用 fetch_content 全文

fetch_content

用 ID 获取特定纸张的完整元数据和文本内容 完整文本提取。 。 。 .

参数:

• source: 6个支助来源中的任何一个
• id: 纸张标识(格式因来源而异)

按来源分列的ID格式 :

• 阿尔谢夫数字 : "2401.12345", (中文(简体) ), "cs/0601001", (中文(简体) ), "1234.5678v2"
• 打开亚历山大数字 : "W2741809807" 数字 2741809807
• PMC 移动数字 : "PMC8245678" 或者说 "12345678"
• 欧洲PMC数字 : "PMC8245678", (中文(简体) ), "12345678",或者道尔
• bioRxiv/medRxiv数字 : "10.1101/2021.01.01.425001" 或者说 "2021.01.01.425001"
• 核心: 数字标识像 "12345678"

QQ 纸张元数据格式

所有工具返回具有下列结构的纸张对象:

{
  id: string;                    // Paper ID
  title: string;                 // Paper title
  authors: string[];             // List of author names
  date: string;                  // Publication date (ISO format)
  pdf_url?: string;              // PDF URL (if available)
  text: string;                  // Extracted full text content
  textTruncated?: boolean;       // Warning: text was truncated due to size limits
  textExtractionFailed?: boolean; // Warning: text extraction failed
}

高级文本提取

多来源战略

每个来源都有专门的文本提取方法:

• 阿尔谢夫: HTML 从 arxiv.org/html 与 ar5iv.labs.arxiv.org 倒计时
• 打开亚历山大: HTML 来源,带有 DOI 解析器倒置链
• PMC 移动: 带有 XML/HTML 提取的电子用途 API
• 欧洲PMC: REST API 有多个 URL 策略
• bioRxiv/medRxiv: 有抽象倒置的直接 HTML 提取
• 核心: PDF/HTML 有源 URL回落

DOI 解析链

具有多个倒置策略的高级 DOI 解析器 :

1. 无薪墙 • 自由全文来源
2. 交叉 • 出版商元数据和链接
3. 语义学者学术图 ■ 替代性准入

性能可靠性( R)

• 文本提取成功: > HTML 可用纸张的90%
• 重大退化: 即使文本提取失败, 总是返回元数据
• 大小管理: 6MB 文本限制并带有智能切换功能
• 缓存: 用于 DOI 分辨率的24小时 LRU 缓存

* 限制费率

尊重 API 的使用, 限制每个源率 :

• 阿尔谢夫: 每分钟5个请求
• 打开亚历山大:每分钟10个请求
• PMC 移动: 每秒3个请求
• 欧洲PMC:每分钟10个请求
• bioRxiv/medRxiv: 每分钟5个请求
• 核心: 每分钟10个请求(公开),高于API密钥

CORE API 配置

为增强CORE访问,设置环境变量:

export CORE_API_KEY="your-api-key"

测试

运行测试套件

# Run all tests
npm test

# Run integration tests
npm run test -- tests/integration

# Run end-to-end workflow tests
npm run test -- tests/e2e

# Run performance benchmarks
npm run test -- tests/integration/performance.test.ts

测试范围

• 整合测试: 所有6个经测试的源端对端
• 性能测试答复时间和吞吐量基准
• 工作流程测试: 跨多个来源的真正研究设想
• 单位测试页:1

建筑

模块驱动系统

• 来源之间的清洁分离
• 在所有驱动器之间一致的接口
• 每个来源的专门文本提取

高级特性

• DOI 分辨率: 多供应商倒置链
• 限制费率: 每个源的托肯桶算法
• 文本处理: HTML 清洗和正常化
• 处理错误: 附有可采取行动的建议的结构化答复
• 缓存: 为 DOI 解析而设置智能缓存

技术堆栈

• 类型脚本+无害环境管理: 具有完整类型安全的现代 JavaScript
• 模块设计: 各项关切的清理分离
• 重大退化: 即使部分失败, 也总是起作用
• 响应大小管理: 自动截取和警告

QQ 源比较

发展

构建

npm run build

测试单个源

# Test specific sources
node dist/cli.js list-categories --source=arxiv
node dist/cli.js fetch-latest --source=biorxiv --category="biorxiv:biology" --count=3
node dist/cli.js fetch-content --source=core --id=12345678

# Test search functionality
node dist/cli.js search-papers --source=arxiv --query="artificial intelligence" --count=5
node dist/cli.js search-papers --source=openalex --query="quantum computing" --field=title --count=3

性能测试

# Run performance benchmarks
npm run test -- tests/integration/performance.test.ts

# Test memory usage
npm run test -- --reporter=verbose

QQ 错误处理

所有来源的全面错误处理 :

• 带有格式建议无效的纸张标识符
• 使用重试后的信息限制费率
• API 超时和服务器出错
• 缺少认证( CORE API 密钥)
• 网络连接问题
• 带有倒置策略的文本提取失败

* 解决问题

共同问题

• 限制费率: 自动重试, 以指数回放
• 遗失证件: 尝试相同内容的替代来源
• 文本提取失败: 回落到抽象或元数据
• CORE API 限制设置 CORE_API_KEY 环境变量

性能优化

• 适当使用 count 参数(用于更快反应的较小)
• 可能时缓存结果
• 使用 fetch_latest 用于发现, fetch_content 详细阅读

许可证

麻省理工学院

准备好探索世界科学知识了吗? 从6个来源中的任何一个开始,发现所有学术学科的论文! 🔬📚