openags/paper-search-mcp

해결하는 문제

paper-search-mcp는 파편화된 리포지토리 환경에서 학술 논문을 찾고 검색하는 과정을 간소화합니다. 수십 개의 학술 소스에서 검색, PDF 다운로드, 텍스트 추출을 수행하는 통합 인터페이스를 제공하여 여러 데이터베이스를 수동으로 검색할 필요를 없애고, 무료 및 오픈 액세스 데이터를 우선시합니다.

작동 방식

이 프로젝트는 학술 데이터를 처리하기 위해 2계층 아키텍처를 사용합니다:

1. 통합 도구 계층 (Unified Tooling Layer): 여러 소스에서 동시 검색 및 중복 제거를 수행하는 search_papers와 일련의 오픈 액세스 링크 및 리포지토리를 통해 PDF 검색을 시도하는 download_with_fallback과 같은 고수준 기능을 제공합니다.
2. 플랫폼 커넥터 계층 (Platform Connectors Layer): 특정 플랫폼(arXiv, PubMed, Semantic Scholar, OpenAlex 등)을 위한 모듈식 커넥터로, DOI 추출 및 메타데이터 표준화를 포함하여 각 API 또는 웹사이트의 세부 사항을 처리합니다.

LLM 클라이언트(Claude Desktop 등)를 위한 Model Context Protocol (MCP) 서버로 배포하거나 CLI 도구로 사용할 수 있습니다. stdio, sse, streamable-http를 포함한 다양한 전송 방식을 지원합니다.

대상 사용자

• 연구자: 학술 문헌을 중앙 집중식으로 발견하고 다운로드해야 하는 분.
• AI 개발자: 근거 있는 학술적 맥락이 필요한 LLM 기반 연구 워크플로우를 구축하는 분.
• MCP 호환 클라이언트 사용자: AI 어시스턴트에게 학술 논문을 검색하고 읽을 수 있는 능력을 부여하고 싶은 분.

주요 특징

• 광범위한 소스 지원: arXiv, PubMed, bioRxiv, medRxiv, Google Scholar, Semantic Scholar, Crossref, OpenAlex 등 다수와 통합.
• 무료 우선 전략: 유료 또는 제한된 소스보다 공공 및 오픈 데이터 소스를 우선시.
• 오픈 액세스 폴백 체인: 여러 오픈 액세스 경로(Unpaywall, CORE, OpenAIRE 등)를 자동으로 시도하여 선택적 폴백 이전에 합법적인 PDF를 찾음.
• LLM 준비 완료: 출력을 일관된 Paper 클래스로 표준화하여 AI 모델이 쉽게 소비할 수 있도록 함.
• PDF 섹션 추출: 다운로드한 PDF를 인식 가능한 독립적인 제목으로 분할하여 텍스트 분석을 개선하는 로컬 유틸리티 포함.