JinDaGe - -mcp-for-paper-read-based-on-ai-ide MCP Details

article

README

🚀 科研论文辅助阅读 MCP 系统（本地版）

本系统基于 MCP (Model Context Protocol) 构建，具备本地 PDF 解析、结构化提取、数学公式深度解析、代码生成与可视化等功能。所有计算都在本地运行，还支持通过 Trae 内置大模型或本地 LLM 进行功能增强，为科研人员提供便捷的论文阅读辅助。

🚀 快速开始

本系统基于 MCP (Model Context Protocol) 构建，提供了一系列强大的功能，可帮助用户更高效地阅读科研论文。以下是快速开始使用该系统的步骤。

✨ 主要特性

📃 智能摘要与方法论：summarizer 支持智能摘要与方法论提取，可自动连接本地 LLM (Ollama) 进行深度内容理解。
🔢 深度数学智能：math_explainer 提取公式、构建 AST（抽象语法树），并存入本地 SQLite 数据库。
💻 实验复现辅助：code_generator 自动从论文中提取超参数，生成 PyTorch 模型定义与训练脚本。
📊 可视化图表：visualization 生成 Mermaid 流程图与变量依赖图。
📑 智能报告生成：report_generator 自动生成 Markdown 格式的论文分析报告，包含摘要、结构、可视化图表与代码配置，并确保数学公式正确渲染。
🧠 知识管理：本地数据库 papers.db 自动存储论文元数据、符号定义与实验记录。

📦 安装指南

前置要求

Node.js (v16+)
Git
(可选) Ollama 用于本地大模型加速 (默认端口 11434)

1. 克隆仓库

git clone https://github.com/Lxy-hqu/-mcp-for-paper-read-based-on-AI-IDE.git
cd -mcp-for-paper-read-based-on-AI-IDE

2. 安装依赖

npm install

3. 编译项目

npx tsc

4. 配置 Trae (或 Cursor)

自动配置 (推荐)

本仓库包含一个 trae_mcp_config.json 模板。你需要将其中的 command 路径修改为你本地 Node.js 的绝对路径，args 修改为 server.js 的绝对路径。

Windows 用户示例配置： 打开 Trae 设置 -> MCP Servers -> Edit in settings.json：

{
  "mcpServers": {
    "local-papers": {
      "command": "C:\\Program Files\\nodejs\\node.exe", 
      "args": [
        "E:\\path\\to\\-mcp-for-paper-read-based-on-AI-IDE\\dist\\server.js"
      ],
      "disabled": false,
      "autoApprove": []
    }
  }
}

💡 使用建议：在终端运行 where node 可获取 Node.js 的安装路径。

5. 验证运行

重启 Trae 后，在 MCP 管理面板中应显示 local-papers 为 Connected 状态。你可以尝试在对话框中输入：“请使用 pdf_loader 读取这个文件：E:\my_paper.pdf” 来测试。

📚 详细文档

迁移与多机部署

如果你想在另一台机器上运行此服务，有两种方式：

方式一：直接复制目录（便携式）

你可以直接将整个目录（包含 dist 和 node_modules）复制到新机器。 注意事项：

Node.js 环境：新机器必须安装 Node.js。
操作系统一致性：如果你从 Windows 复制到 macOS/Linux，可能会因为 better-sqlite3 等原生依赖不兼容而报错。此时需要在新机器运行 npm rebuild 或删除 node_modules 重新 npm install。
路径配置：在 Trae 的 settings.json 中，必须修改 command (Node 路径) 和 args (server.js 路径) 为新机器上的实际绝对路径。

方式二：重新克隆（推荐）

在每台新机器上重新执行 git clone、npm install 和 npx tsc。这是最稳健的方法，能确保所有依赖与当前系统完美兼容。

⚠️ 重要提示：papers.db 文件存储了已解析的论文数据。直接复制目录会带走此数据库。如果在新机器上需要干净的环境，请删除 papers.db 文件。

使用指南

数学公式解析

"解析这篇论文的数学公式，并将符号定义存入数据库。"

代码生成

"根据这篇论文的方法部分，生成 PyTorch 模型代码，并提取超参数。"

可视化

"为这篇论文的模型结构生成一个 Mermaid 流程图。"

生成分析报告

"为这篇论文生成一份完整的 Markdown 分析报告。"

项目结构

src/
├── providers/          # 核心功能模块
│   ├── pdf_loader.ts      # PDF 读取
│   ├── structure_parser.ts # 结构化切分
│   ├── math_explainer.ts   # 数学解析 & AST
│   ├── code_generator.ts   # 代码 & Config 生成
│   ├── visualization.ts    # Mermaid 图表生成
│   ├── report_generator.ts # 报告生成
│   └── summarizer.ts       # 智能摘要与方法论
├── database.ts         # SQLite 数据库管理
├── llm_client.ts       # 本地 LLM 连接客户端
├── server.ts           # MCP 服务器入口
└── types.d.ts          # 类型定义

📄 许可证

MIT

-mcp-for-paper-read-based-on-ai-ide