Token导航 LogoToken导航

MCP Server · AI代理

AI For Research

利用MCP与Azure AI搜索结合内部知识源的AI研究代理工具，适用于科研数据检索与分析。

stdio官方级别未说明来源级核验工具 0
Jupyter NotebookPythonAI代理

快速开始

打开主来源页面GitHub 仓库
作者 / 组织
aryxenv
提供方
aryxenv
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

AI For Research 属于AI代理类 MCP Server，公开资料标注 0 个工具，通过stdio 本地进程接入，客户端适配情况以官方文档为准，有可以直接复制的安装命令；接入前要先准备 API Key。

分类

AI代理

传输方式

stdio

认证方式

API Key

部署方式

公开资料未说明

安装与配置

安装命令

python -m src.main ingest # OCR → chunk → embed → upload

客户端配置示例

{
  "mcpServers": {
    "ai-for-research": {
      "command": "python",
      "args": [
        "-m",
        "src.main",
        "ingest",
        "#",
        "OCR",
        "→",
        "chunk",
        "→",
        "embed",
        "→",
        "upload"
      ]
    }
  }
}

按公开安装命令拼出来的示例，字段名和参数以仓库 README 为准；带 YOUR_API_KEY 这类占位符的位置记得换成自己的值。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程，需要先装好 Python，再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行；命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数，保存后完全退出客户端再打开，让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具，随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限；先核对安装命令和配置内容。

详细介绍

人工智能研究

将内部知识源与使用MCP和Azure AI搜索的AI代理一起使用。

演示

相同的MCP服务器，2个不同的平台，这两个平台都不支持Azure AI搜索。

OpenWeb用户界面

https://github.com/user-attachments/assets/e82f75ef-8999-4742-8b41-032626b0222e

GitHub Copilot

https://github.com/user-attachments/assets/fc6121c8-bc79-4afb-b8e5-77549ed4a912

建筑

先决条件

  • Python（最好是Python 3.11或3.10，以获得最佳兼容性）
  • 紫外线(https://docs.astral.sh/uv/getting-started/installation/)
  • MCP Python SDK(https://github.com/modelcontextprotocol/python-sdk?tab=readme-ov文件#安装）
  • 对Azure和AI代工厂的基本了解是有益的，但不是必需的。

管道

设置

  1. 复制 .env.example 并将其粘贴到同一目录中。
  2. 重命名 已复制 .env.example 到 .env
  3. 打开 Azure门户
  4. 创建名为的Azure RG ai_for_research

Azure人工智能搜索

  1. 在Azure门户上创建名为的AI搜索资源 ai-for-research-search.（重要提示：使用免费定价轮胎，推荐地区： swedencentral)
  2. 在AI搜索中，转到 Search Management > Indexes
  3. 点击 Add Index > Add Index (JSON)，这将打开一个侧边栏，您可以在其中输入JSON配置。
  4. 从复制JSON配置 index_conf.json 并将其粘贴到侧边栏中。
  5. 点击 Save
  6. 在左侧窗格中，单击 Overview
  7. 复制 Url 在 Essentials
  8. 粘贴那个 Url 在 .env 在该领域 AZURE_SEARCH_ENDPOINT
  9. 在左侧窗格中，转到 Settings > Keys
  10. 确保 API Keys 在API访问控制中选择
  11. 复制下的API密钥 Manage query keys.
  12. 将该API密钥粘贴到 .env 在该领域 AZURE_SEARCH_API_KEY
  13. 在 .env，设置字段 AZURE_SEARCH_INDEX_NAME 到你的索引名称。如果你不改变它，使用 vector-index.
  14. 在...之下 Manage admin keys，复制 Primary admin key.
  15. 将主管理员密钥粘贴到 .env 现场 AZURE_SEARCH_PRIMARY_API_KEY
  16. 矢量索引已设置！

Azure AI Foundry

  1. 首选 Azure AI Foundry
  2. 切换 New Foundry
  3. 创建一个名为的项目 ai-for-research-foundry 资源组下 ai_for_research，理想情况下 swedencentral
  4. 复制 Project API Key
  5. 将该项目api密钥粘贴到您的 .env 现场 AZURE_OPENAI_API_KEY
用于OCR（Mistral文档OCR）
  1. 在顶部导航中单击 Discover
  2. 在左侧窗格中，单击 Models
  3. 搜索 mistral-document-ai-2505
  4. 点击调用的第一个结果 mistral-document-ai-2505
  5. 点击 Deploy > Default Settings
  6. 在你的 .env 集 AZURE_MISTRAL_ENDPOINT 作为 https://ai-for-research-foundry-resource.services.ai.azure.com/providers/mistral/azure/ocr
  7. 完成！
用于嵌入（OpenAI文本嵌入3大）
  1. 在顶部导航中单击 Discover
  2. 在左侧窗格中，单击 Models
  3. 搜索 text-embedding-3-large
  4. 点击第一个结果 text-embedding-3-large
  5. 点击 Deploy > Default Settings
  6. 在你的 .env 集 AZURE_OPENAI_ENDPOINT 作为 https://ai-for-research-foundry-resource.cognitiveservices.azure.com
  7. 完成！
用于推理（Mistral 3大）
  1. 在顶部导航中单击 Discover
  2. 在左侧窗格中，单击 Models
  3. 搜索 Mistral-Large-3
  4. 点击第一个结果 Mistral-Large-3
  5. 点击 Deploy > Default Settings
  6. 在你的 .env 集 AZURE_OPENAI_INFERENCE 作为 https://ai-for-research-foundry-resource.services.ai.azure.com/openai/v1/
  7. 完成！

运行管道

  1. 安装依赖项： pip install -r requirements.txt

选项A：笔记本电脑 --打开 pipeline.ipynb，选择Python内核，然后按顺序运行单元格。

选项B:CLI(src/) --用于生产的可脚本化Python模块。

python -m src.main ingest            # OCR → chunk → embed → upload
python -m src.main query "question"  # retrieve + answer
有关完整的CLI文档、模块分解和env-var参考，请参阅 src/README.md.

主控程序

有关设置和文档，请访问 ./azure-ai-search-mcp/README.md

云部署（Azure容器应用程序）

请参阅完整指南： azure-ai-search-mcp/azure/README.md.

测试提示

从最容易检索到最难检索的示例查询：

#困难提示
1简单引入了什么模块化软件工具包来将经典电子结构计算与量子电路执行联系起来？
2中等在新提出的基于成对测量的表面编码中，在标准电路噪声模型下实现的确切容错阈值是多少？
3难对于单量子比特的泰龙器件，“基于失谐”和“基于切割器”的方法在将量子点与量子比特岛解耦方面有何不同，每种方法具体如何影响剩余耦合和整体量子比特相干性？
4Hard（Dev）QDK/Chemistry工具包如何使用基于工厂的接口让我交换算法后端，比如切换到PySCF，而不重写我的主要Python工作流程？

故障排除

  • 对于Windows ARM64系统，如果您有 Python for ARM，考虑使用 Python for x64。您的系统将自动应用虚拟层，以确保Python x64在ARM上运行。

积分

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

Jupyter Notebook本地部署AI研究知识检索Azure集成MCP协议科研工具

数量来自来源目录的标注，具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链，模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储，换个会话还能接着做。

接自有流程

把内部系统和模型连起来，让助手调用已有的工作流。

选择建议

值得选的地方

  • 只提供 0 个工具，职责集中，接入后不容易误操作。
  • 有现成的安装命令，不用自己找入口，照着跑就能起服务。
  • 公开说明写得比较完整，接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python，换机器要重新装一遍。
  • 需要自备API Key，没有凭据没法直接试。
  • 公开摘要偏短，具体能力和限制要回到仓库确认。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到API Key的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
AI For Research

MCP World · 本页

0stdio有1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条，字段以各自详情页为准。

常见问题

5 条

AI For Research 怎么安装？

公开资料给出的安装命令是 python -m src.main ingest # OCR → chunk → embed → upload，运行环境为 Python。装完后按客户端要求写进 MCP 配置，重启客户端生效。

AI For Research 怎么在 Claude Desktop、Cursor 里配置？

它是stdio 本地进程，客户端配置里要写启动命令和参数，运行环境是 Python；保存后完全退出客户端再打开，配置才会生效。

AI For Research 收费吗？

本站只整理公开资料，不代收费用，也没有标注具体价格。是否收费取决于服务本身和背后的接口额度，正式使用前按官方说明确认。

AI For Research 需要 API Key 吗？

公开资料标注的认证方式是API Key，也就是要先拿到凭据才能连上；凭据只填在自己本地的配置里，不要写进公开仓库。

AI For Research 支持哪些客户端？

公开资料没有标注具体客户端；能配置本地 MCP 命令的客户端都能接，配置方式参照官方文档。

来源信息

MCP World

ai-for-research

利用MCP与Azure AI搜索结合内部知识源的AI研究代理工具，适用于科研数据检索与分析。

www.mcpworld.com

/detail/da326a124b2643b1c6a0effaf0644558

来源标签

Jupyter Notebook本地部署AI研究知识检索Azure集成MCP协议科研工具

来源分类路径

Jupyter Notebook

继续浏览同类 MCP

更多AI代理 MCP（18,705）返回 MCP 目录

上一个 MCP

aiflow (Garrickvan)

智流MCP是一个通过管理技能和处理任务来提升AI工作流效率的MCP服务。

下一个 MCP

Aifoundryagent MCP Tools V2

一个为Contoso自行车店设计的AI助手解决方案，使用MCP工具与Azure AI Foundry代理，提供客户聊天界面进行产品查询和订单管理。