openags/paper-search-mcp

解决的问题

paper-search-mcp 简化了在分散的存储库中寻找与检索学术论文的流程。它通过提供一个统一的接口来搜索、下载 PDF 并从数十个学术来源提取文本，优先考虑免费与开放获取的数据，从而消除了手动搜索多个数据库的需要。

运作方式

该项目使用两层架构来处理学术数据：

1. 统一工具层 (Unified Tooling Layer)：提供如 search_papers 等高阶功能，用于跨多个来源进行并发搜索与去重，以及 download_with_fallback，该功能会尝试通过一系列开放获取链接与存储库来检索 PDF。
2. 平台连接器层 (Platform Connectors Layer)：针对特定平台（如 arXiv、PubMed、Semantic Scholar 和 OpenAlex）的模块化连接器，处理每个 API 或网站的细节，包括 DOI 提取与元数据标准化。

它可以部署为用于 LLM 客户端（如 Claude Desktop）的 Model Context Protocol (MCP) 服务器，或作为 CLI 工具使用。它支持多种传输方法，包括 stdio、sse 和 streamable-http。

目标用户

• 研究人员：需要集中方式来发现与下载学术文献的人。
• AI 开发者：构建需要扎实学术背景的 LLM 驱动研究工作流程的人。
• MCP 兼容客户端用户：希望赋予其 AI 助理搜索与阅读学术论文能力的人。

特色亮点

• 广泛的来源支持：整合了 arXiv、PubMed、bioRxiv、medRxiv、Google Scholar、Semantic Scholar、Crossref、OpenAlex 等多个来源。
• 免费优先策略：优先考虑公共与开放数据来源，而非付费或受限来源。
• 开放获取后备链：自动尝试多种开放获取路径（例如 Unpaywall、CORE、OpenAIRE），在进行可选的后备方案前找到合法的 PDF。
• LLM 就绪：将输出标准化为一致的 Paper 类，以便 AI 模型轻松使用。
• PDF 章节提取：包含一个本地工具，可将下载的 PDF 分割为可识别的独立标题，以进行更好的文本分析。