Back to MCP directory
publicPublicdnsLocal runtime

APR

ArXiv MCP Server是一个为AI助手提供arXiv论文搜索和访问功能的中间件服务,通过Model Context Protocol (MCP)协议实现论文检索、下载和内容读取功能,并支持本地存储加速访问。

article

README

🚀 ArXiv MCP Server

🔍 本项目借助简单的MCP接口,让AI助手能够搜索并访问ArXiv上的论文,在AI助手和ArXiv研究库之间搭建了一座桥梁,使AI模型可以通过编程方式搜索论文并访问其内容。

Twitter Follow smithery badge Python Version Tests License: MIT PyPI Downloads PyPI Version

🤝 贡献代码 • 📝 报告问题

✨ 主要特性

  • 🔎 论文搜索:可通过日期范围和类别过滤条件查询ArXiv上的论文。
  • 📄 论文访问:下载并读取论文内容。
  • 📋 论文列表:查看所有已下载的论文。
  • 🗃️ 本地存储:将论文保存到本地,以便更快地访问。
  • 📝 研究提示:提供一组研究提示。

🚀 快速开始

通过Smithery安装

若要通过 Smithery 为Claude Desktop自动安装ArXiv Server,可使用以下命令:

npx -y @smithery/cli install arxiv-mcp-server --client claude

手动安装

使用uv进行安装:

uv tool install arxiv-mcp-server

开发环境安装步骤如下:

# 克隆仓库并设置开发环境
git clone https://github.com/blazickjp/arxiv-mcp-server.git
cd arxiv-mcp-server

# 创建并激活虚拟环境
uv venv
source .venv/bin/activate

# 安装带有测试依赖的项目
uv pip install -e ".[test]"

🔌 MCP集成

将以下配置添加到你的MCP客户端配置文件中:

{
    "mcpServers": {
        "arxiv-mcp-server": {
            "command": "uv",
            "args": [
                "tool",
                "run",
                "arxiv-mcp-server",
                "--storage-path", "/path/to/paper/storage"
            ]
        }
    }
}

开发环境配置如下:

{
    "mcpServers": {
        "arxiv-mcp-server": {
            "command": "uv",
            "args": [
                "--directory",
                "path/to/cloned/arxiv-mcp-server",
                "run",
                "arxiv-mcp-server",
                "--storage-path", "/path/to/paper/storage"
            ]
        }
    }
}

💻 使用示例

基础用法

服务器提供了四个主要工具:

1. 论文搜索

可使用可选的过滤条件搜索论文:

result = await call_tool("search_papers", {
    "query": "transformer architecture",
    "max_results": 10,
    "date_from": "2023-01-01",
    "categories": ["cs.AI", "cs.LG"]
})

2. 论文下载

通过论文的ArXiv ID下载论文:

result = await call_tool("download_paper", {
    "paper_id": "2401.12345"
})

3. 列出论文

查看所有已下载的论文:

result = await call_tool("list_papers", {})

4. 读取论文

访问已下载论文的内容:

result = await call_tool("read_paper", {
    "paper_id": "2401.12345"
})

高级用法

服务器还提供了专门的提示,帮助分析学术论文:

论文分析提示

这是一个全面的学术论文分析工作流程,只需要提供论文ID:

result = await call_prompt("deep-paper-analysis", {
    "paper_id": "2401.12345"
})

此提示包含:

  • 详细的可用工具(list_papersdownload_paperread_papersearch_papers)使用说明。
  • 系统的论文分析工作流程。
  • 全面的分析结构,涵盖:
    • 执行摘要
    • 研究背景
    • 方法分析
    • 结果评估
    • 实践和理论意义
    • 未来研究方向
    • 更广泛的影响

⚙️ 配置

可通过环境变量进行配置: | 变量 | 用途 | 默认值 | |------|------|--------| | ARXIV_STORAGE_PATH | 论文存储位置 | ~/.arxiv-mcp-server/papers |

🧪 测试

运行测试套件:

python -m pytest

📄 许可证

本项目遵循MIT许可证。详情请参阅LICENSE文件。


由Pearl Labs团队用心打造 ❤️

help

Runtime guide

cloud

Hosted runtime

Hosted servers run from a provider-managed environment. You usually connect the MCP client to the hosted endpoint or follow the provider's authorization flow, without keeping a local process alive

  1. Open provider connection page
  2. Authorize or copy endpoint
  3. Connect from your MCP client
terminal

Local runtime / other methods

Local servers run on your own machine or infrastructure. You normally copy the server_config into your MCP client, install the required package, and provide env variables from env_schema when needed

  1. Copy server_config
  2. Install required package
  3. Fill env variables and restart client