MCP Science

MCP.science：用于科学研究的开源MCP服务器🔍📚

_加入我们，利用人工智能和开源工具加速科学发现！_

快速开始

运行此存储库中的任何服务器都像单个命令一样简单。例如，要启动 web-fetch 服务器：

uvx mcp-science web-fetch

此命令处理从安装到执行的所有操作。有关配置和查找其他服务器的更多详细信息，请参阅“如何为AI客户端应用程序配置MCP服务器“下面的部分。

目录

• 关于
• 什么是MCP？
• 此仓库中的可用服务器
• 如何将MCP服务器集成到LLM中
• 如何构建自己的MCP服务器
• 贡献
• 许可证
• 致谢
• 引用

关于

此存储库包含一组开源 主控程序 专为科学研究应用而设计的服务器。这些服务器使Al模型（如Claude）能够通过标准化协议与科学数据、工具和资源进行交互。

什么是MCP？

MCP是一个开放协议，它规范了应用程序如何向LLM提供上下文。将MCP想象成AI应用程序的USB-C端口。正如USB-C提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP提供了一个将AI模型连接到不同数据源和工具的标准化方法。 MCP可帮助您在LLM之上构建代理和复杂的工作流。LLM经常需要与数据和工具集成，MCP提供： - LLM可以直接插入的预构建集成列表越来越多 - 在LLM提供商和供应商之间切换的灵活性 - 在基础架构中保护数据的最佳实践 来源： https://modelcontextprotocol.io/introduction

此仓库中的可用服务器

下面是此monorepo中MCP服务器的完整列表。每 条目链接到包含服务器源代码的子目录，以及 README，以便您可以快速找到文档和使用说明。

示例服务器

一个示例MCP服务器，演示了 服务器实现。

材料项目

一个专门的MCP服务器，使AI助手能够搜索、可视化和 操纵材料项目数据库中的材料科学数据。A. 材料项目API密钥是必需的。

Python代码执行

在安全的沙盒环境中运行Python代码片段 标准库访问权限，以便助手进行分析和 无需冒系统风险即可进行计算。

SSH执行器

允许助手通过SSH在远程计算机上运行预先验证的命令 具有可配置的身份验证和命令白名单。

Web提取

从Web获取和处理HTML、PDF和纯文本内容，以便 助理可以引用或总结。

TXYZ搜索

通过TXYZ API执行网络、学术和“尽最大努力”搜索。A TXYZ API 密钥是必需的。

计时器

一个最小的倒计时器，用于流式传输进度更新以演示MCP 通知。

GPAW计算

通过GPAW软件包提供密度泛函理论（DFT）计算。

Jupyter法案

让助手与正在运行的Jupyter内核交互，执行notebook 细胞编程。

Mathematica检查

通过无头计算Wolfram语言代码的小片段 Mathematica实例。

NEMAD

神经科学模型分析仪表板服务器，提供检查工具 NEMAD数据集。

TinyDB

提供对TinyDB支持的轻量级JSON数据库的CRUD访问，以便 助手可以存储和检索小块结构化数据。

如何为AI客户端应用程序配置MCP服务器

如果你不熟悉这些东西，这里有一个循序渐进的指南： 为AI客户端应用程序配置MCP服务器的分步指南

先决条件

1. 紫外线 --超快速（Rust驱动）插入

pip+virtualenv的替代品。安装时使用：

   curl -sSf https://astral.sh/uv/install.sh | bash

1. 启用MCP的客户端应用程序，例如

克劳德桌面, VSCode, 鹅, 5ire.

简短版本-使用 uvx

此存储库中的任何服务器都可以使用单个shell命令启动。这 模式是：

uvx mcp-science 

例如，要启动 web-fetch stdio服务器本地，在客户端配置以下命令：

uvx mcp-science web-fetch

这对应于claude桌面的json配置：

{
  "mcpServers": {
    "web-fetch": {
      "command": "uvx",
      "args": [
        "mcp-science",
        "web-fetch"
      ]
    }
  }
}

该命令将下载 mcp-science 从PyPI打包并运行请求的入口点。

查找其他服务器

看看 可用服务器 列表-- 表中的每个条目都使用上面显示的模式。

______________________________________________________________________

可选：管理与MCPM的集成

MCPM 是一个方便的命令行工具，可以自动化 将服务器连接到受支持的客户端的过程。这不是必需的，但 如果您经常在客户端之间切换或维护大型 服务器数量。

基本工作流程是：

# Install mcpm first – it is a separate project
uv pip install mcpm

mcpm client ls           # discover supported clients
mcpm client set    # pick the one you are using

# Add a server (automatically installing it if needed)
mcpm add web-fetch

命令执行完毕后，重新启动客户端，使其重新加载工具 配置。您可以浏览 MCPM注册表 用于额外的社区维护服务器。

如何构建自己的MCP服务器

请检查 如何逐步构建自己的MCP服务器 了解更多详情。

贡献

我们热忱欢迎对MCP.science的贡献！您可以帮助改进现有服务器、添加新服务器或任何您认为会使此项目更好的事情。

如果你不熟悉GitHub以及如何为开源存储库做出贡献，那么这可能会有点挑战性，但对你来说仍然很容易。我们建议您先阅读以下内容：

• 创建pull请求

简而言之，您可以按照以下步骤操作：

1. 将存储库分叉到您自己的GitHub帐户

1. 将分叉的存储库克隆到本地计算机

1. 创建要素分支(git checkout -b feature/amazing-feature)

1. 进行更改并提交(git commit -m 'Add amazing feature')

👈 Click to see more conventions about directory and naming

请在中创建新服务器 servers 文件夹。 要在存储库文件夹下创建新的服务器文件夹，您只需运行（替换 your-new-server 使用您的服务器名称）

   uv init --package --no-workspace servers/your-new-server
   uv add --directory servers/your-new-server mcp

这将创建一个新的服务器文件夹，其中包含必要的文件：

   servers/your-new-server/
   ├── README.md
   ├── pyproject.toml
   └── src
       └── your_new_server
           └── __init__.py

您可能会在配置文件中看到两个相关的名称：

1. 项目名称 （连字符）：中的文件夹、项目名称和脚本名称 pyproject.toml例如。 your-new-server. 1. Python包名称 （snake_case）：里面的文件夹 src/例如。 your_new_server.

1. 推到分支(git push origin feature/amazing-feature)

1. 打开拉取请求

请确保您的PR符合以下要求：

• 清除提交消息
• 适当的文档更新
• 新功能的测试覆盖率

Subrepos中的贡献者认可

如果你想识别特定服务器/子论坛的贡献者（例如。 servers/gpaw-computation/)，您可以使用 所有贡献者CLI 在该子目录中。

步骤：

1. 在您的子版块中（例如。 servers/gpaw-computation/)，创建一个 .all-contributorsrc 文件（参见 例子).
2. 使用CLI添加贡献者：

   npx all-contributors add  

1. 在子版块中生成或更新贡献者部分 README.md:

   npx all-contributors generate

1. 将更改提交到子页面 README.md 和 .all-contributorsrc.

有关更多详细信息，请参阅 所有贡献者CLI安装指南.

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

致谢

感谢所有贡献者！

引用

对于一般用途，请按照根目录中的描述引用此存储库 引文.cff.

如果您使用特定的服务器/子项目，请参阅相应的 CITATION.cff 该子项目文件夹中的文件 servers/ 适当的引用。