Reserch Assistent

🚀 完美研究MCP服务器

一个全面的研究智能系统，可以处理PDF论文，执行高级网络搜索，并通过人工智能分析生成完美的PowerPoint演示文稿。

  

🎯 概述

Perfect Research MCP Server是一款先进的研究助手，它结合了多种人工智能技术，提供全面的研究论文分析、智能搜索功能和自动生成演示文稿。基于模型上下文协议（MCP），它为学术和专业研究工作流程提供了10个强大的工具。

✨ 主要特点

🔍 高级搜索和智能

• 多源搜索：谷歌网络、学者、新闻和图片
• AI增强结果：自动主题提取、研究差距识别
• 语义论文搜索：已处理论文中基于矢量的内容检索
• 引文分析：全面的参考跟踪和密度分析

📄 智能PDF处理

• 双重提取：LlamaParse（高级）+pypdf（回退）以获得最大精度
• 研究情报：方法评估、贡献识别
• 质量评分：自动化纸张质量和严谨性评估
• 断面检测：巧妙提取摘要、方法、结果、结论

🧠 AI驱动的分析

• 方法论分析：研究设计评估和严谨性评分
• 统计内容：自动检测p值、效应大小、显著性检验
• 极限检测：确定和评价研究制约因素
• 未来研究：人工智能为下一步行动提出建议

🎨 完美演示文稿生成

• 3专业主题：学术专业，现代研究，行政廉洁
• 受众定位：学术、商业、综合、高管演讲
• 内容智能：相关幻灯片内容的语义搜索集成
• 可定制的：5-25张幻灯片，带有用户定义的焦点区域

🔧 先进的基础设施

• 矢量存储器：用于语义搜索的松果体集成
• 成本优化：嵌入模型价格降低85%，质量保持不变
• 多纸张支持：比较和分析多篇研究论文
• 导出选项：Markdown、JSON、学术报告

🚀 快速开始

先决条件

• Python 3.8+
• API密钥：OpenAI、SerpAPI、Pinecone
• 可选：用于增强PDF处理的LlamaParse API密钥

安装

1. 克隆和设置

   git clone 
   cd demo_prompt
   python run.py  # Automatic environment setup and dependency installation

1. 环境配置

   cp .env.template .env
   # Edit .env with your API keys

1. 必需的API密钥 （添加到 .env):

   OPENAI_API_KEY=your_openai_key
   SERPAPI_KEY=your_serpapi_key
   PINECONE_API_KEY=your_pinecone_key
   PINECONE_INDEX_NAME=research-papers

1. 启动服务器

   python perfect_mcp_server.py

🎮 使用示例

1. Web界面（Streamlit）

streamlit run perfect_app.py --server.port 8502

访问地址： http://localhost:8502

2. MCP服务器集成

服务器提供10个可通过MCP协议访问的高级工具：

工艺研究论文

{
  "tool": "process_research_paper",
  "arguments": {
    "file_content": "base64_encoded_pdf",
    "file_name": "research_paper.pdf",
    "paper_id": "paper_001",
    "analysis_depth": "comprehensive"
  }
}

创建完美的演示文稿

{
  "tool": "create_perfect_presentation",
  "arguments": {
    "paper_id": "paper_001",
    "user_prompt": "Focus on methodology and statistical results for academic conference",
    "theme": "academic_professional",
    "slide_count": 12,
    "audience_type": "academic"
  }
}

高级网络搜索

{
  "tool": "advanced_search_web",
  "arguments": {
    "query": "machine learning in healthcare 2024",
    "search_type": "scholar",
    "enhance_results": true
  }
}

🛠️ 完整的工具参考

📁 项目结构

demo_prompt/
├── 🧠 Core Components
│   ├── perfect_mcp_server.py      # Main MCP server (10 tools)
│   ├── enhanced_pdf_processor.py  # Advanced PDF processing
│   ├── vector_storage.py          # Pinecone integration
│   ├── research_intelligence.py   # AI research analysis
│   ├── perfect_ppt_generator.py   # PowerPoint generation
│   └── search_client.py           # SerpAPI search client
├── 🎨 User Interfaces
│   ├── perfect_app.py             # Streamlit web interface
│   └── run.py                     # Setup & launcher
├── ⚙️ Configuration
│   ├── config.py                  # Advanced configuration
│   ├── requirements.txt           # Dependencies
│   ├── .env.template              # Environment template
│   └── .gitignore                 # Git ignore rules
├── 📁 Generated Content
│   ├── presentations/             # Generated PowerPoint files
│   ├── cache/                     # Document cache
│   ├── logs/                      # System logs
│   └── exports/                   # Exported summaries
└── 📚 Documentation
    └── README.md                  # This file

⚙️ 配置

成本优化

默认配置使用成本优化的模型：

• LLM: gpt-4o-mini （比GPT-4便宜85%）
• 嵌入: text-embedding-3-large （高品质）
• 组块大小：1000个代币（精度/成本最优）

高级设置

# config.py - Key settings
LLM_MODEL = "gpt-4o-mini"                    # Primary AI model
EMBEDDING_MODEL = "text-embedding-3-large"   # Vector embeddings
CHUNK_SIZE = 1000                            # Document chunking
PPT_MAX_SLIDES = 25                          # Presentation limits
ENABLE_RESEARCH_INTELLIGENCE = True          # AI analysis
ENABLE_VECTOR_STORAGE = True                 # Semantic search

🎯 用例

🎓 学术研究

• 综合分析过程研究论文
• 生成带有适当引用的会议演示文稿
• 比较多项研究的方法
• 确定研究差距和未来方向

💼 商业智能

• 将技术文件转换为执行摘要
• 从研究中创建以业务为重点的演示文稿
• 分析行业趋势和竞争情报
• 为战略决策提供见解

📚 文献综述

• 系统分析多篇研究论文
• 比较研究结果和方法
• 导出综合文献摘要
• 确定关键主题和研究模式

🔬 研究和开发

• 评估论文质量和方法严谨性
• 生成研究建议
• 分析统计内容和显著性
• 创建可发布的演示文稿

💰 成本估算

优化配置 （推荐）：

• PDF处理：每篇约0.02-0.05美元
• 演示文稿生成：每份演示文稿约0.10-0.15美元
• 语义搜索：每个查询约0.001美元
• 研究分析：每份综合分析约0.05-0.08美元

月度估算 （50篇论文，20场演讲）：

• 总计：每月5-8美元
• 便宜85% 比高级配置

🔧 API集成

FastAPI集成

# Example FastAPI endpoint
from perfect_mcp_server import PerfectMCPServer

@app.post("/api/process-paper")
async def process_research_paper(paper_data: PaperRequest):
    server = PerfectMCPServer()
    result = await server._handle_process_paper(
        file_content=paper_data.content,
        file_name=paper_data.filename,
        paper_id=paper_data.id
    )
    return result

React前端集成

// Example React integration
const processResearchPaper = async (paperData) => {
  const response = await fetch('/api/process-paper', {
    method: 'POST',
    headers: {'Content-Type': 'application/json'},
    body: JSON.stringify(paperData)
  });
  return response.json();
};

🚨 故障排除

常见问题

1. PDF处理失败

   # Check LlamaParse API key (optional)
   # Fallback to pypdf automatically enabled

1. 矢量存储错误

   # Verify Pinecone configuration
   # Check index dimensions match embedding model

1. 搜索API限制

   # SerpAPI: 100 free searches/month
   # Upgrade plan for higher limits

1. 内存问题

   # Reduce chunk size in config.py
   # Process papers individually for large documents

📈 性能指标

处理速度

• PDF提取：每篇论文5-15秒
• 研究分析：每篇论文10-30秒
• 演示文稿生成：15-45秒
• 语义搜索：\

cd demo_prompt && python run.py python perfect_mcp_server.py

**转换PDF→ 生成见解→ 创建完美的演示文稿** 🎯