openags/paper-search-mcp

解決する課題

paper-search-mcp は、断片化されたリポジトリ全体から学術論文を見つけて取得するプロセスを簡素化します。複数のデータベースを手動で検索する必要がなくなり、数十の学術ソースから検索、PDF のダウンロード、テキスト抽出を行うための統一されたインターフェースを提供します。無料かつオープンアクセスのデータを優先します。

仕組み

このプロジェクトは、学術データを処理するために2層アーキテクチャを採用しています：

1. 統一ツール層 (Unified Tooling Layer)：複数のソース間での同時検索や重複排除を行う search_papers や、一連のオープンアクセスリンクやリポジトリを通じて PDF の取得を試みる download_with_fallback などの高レベルな機能を提供します。
2. プラットフォームコネクタ層 (Platform Connectors Layer)：特定のプラットフォーム（arXiv、PubMed、Semantic Scholar、OpenAlex など）向けのモジュール式コネクタ。DOI の抽出やメタデータの標準化など、各 API やウェブサイトの仕様を処理します。

LLM クライアント（Claude Desktop など）向けの Model Context Protocol (MCP) サーバーとしてデプロイすることも、CLI ツールとして使用することも可能です。stdio、sse、streamable-http を含むさまざまな転送方法をサポートしています。

対象ユーザー

• 研究者：学術文献を効率的に発見・ダウンロードしたい方。
• AI 開発者：根拠のある学術的コンテキストを必要とする LLM 主導の研究ワークフローを構築している方。
• MCP 対応クライアントのユーザー：AI アシスタントに学術論文の検索・読解能力を持たせたい方。

ハイライト

• 広範なソースサポート：arXiv、PubMed、bioRxiv、medRxiv、Google Scholar、Semantic Scholar、Crossref、OpenAlex など多数と統合。
• 無料優先戦略：有料や制限付きのソースよりも、公共およびオープンデータソースを優先。
• オープンアクセス・フォールバックチェーン：複数のオープンアクセスパス（Unpaywall、CORE、OpenAIRE など）を自動的に試し、オプションのフォールバックの前に合法的な PDF を検索。
• LLM 対応：出力を一貫した Paper クラスに標準化し、AI モデルが容易に利用できるように設計。
• PDF セクション抽出：ダウンロードした PDF を認識可能な独立した見出しに分割し、テキスト分析を向上させるローカルユーティリティを同梱。