Research Buddy MCP

研究伙伴MCP服务器

一个强大的人工智能代理文献评论助手，由语义学者图API提供支持。使您的AI代理能够通过15个专业工具搜索、探索和引用学术论文。

特性

• 高级搜索：使用学科、地点、文档类型、引用次数、日期范围和开放获取可用性过滤器按关键字查找论文。包括分页。
• 批量搜索：布尔查询语法(+"LLM" +hallucination -survey)通过引用计数或新旧程度排序，以及基于标记的分页，最多可对1000万个结果进行分页。
• 全文片段搜索：搜索 *里面* 论文内容，而不仅仅是元数据。返回约500个单词的摘录，并带有部分标签（介绍、方法等）。
• 标题匹配：将纯文本引用（如“Attention Is All You Need”）解析为具有置信度分数的纸张ID。
• 智能推荐：人工智能驱动的论文发现，使用多个种子论文和负面例子来引导结果。
• 丰富的纸张细节：完整的元数据，包括外部ID（DOI、arXiv、PubMed）、研究领域、出版地点、开放获取状态等。
• 带上下文的引文图：通过实际引用句子、意图分类（方法论、背景、结果比较）和影响评分，探索谁引用了一篇论文以及它引用了什么。
• 作者发现：按姓名搜索作者，查看h-index、论文数、引用数、所属机构和出版物列表。
• 多格式引用：生成APA、MLA、芝加哥、IEEE和BibTeX格式的引文。
• 引文交叉点：查找出现在多篇论文引文图中的论文，揭示研究线索之间的桥接工作。
• PDF提取：从Open Access PDF中提取纯文本以供立即阅读。
• 批处理：一次高效地获取多篇论文的元数据。

安装

选项A：从GitHub安装（推荐）

pip install git+https://github.com/Usama1002/research-buddy-mcp.git

选项B：从源代码安装（用于开发）

git clone https://github.com/Usama1002/research-buddy-mcp.git
cd research-buddy-mcp
pip install -e .

配置

创建一个 .env 文件或设置环境变量：

SEMANTIC_SCHOLAR_API_KEY=your_api_key_here

服务器在没有API密钥的情况下工作，但速率限制较低。获取免费钥匙 语义学院.org/product/api.

用法

克劳德桌面版

将此添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "research-buddy": {
      "command": "research-buddy-mcp",
      "env": {
        "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
      }
    }
  }
}

克劳德代码

将此添加到您的 .claude/settings.json 或项目的 .mcp.json:

{
  "mcpServers": {
    "research-buddy": {
      "command": "research-buddy-mcp",
      "env": {
        "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
      }
    }
  }
}

反重力（双子座）

添加以下内容 ~/.gemini/antigravity/mcp_config.json:

{
  "mcpServers": {
    "research-buddy": {
      "command": "research-buddy-mcp",
      "args": [],
      "env": {
        "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
      }
    }
  }
}

VS Code

原生（Windows、macOS、Linux）

创建一个 .vscode/mcp.json 在项目根目录中：

{
  "servers": {
    "research-buddy": {
      "command": "research-buddy-mcp",
      "env": {
        "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
      }
    }
  }
}

或者，将其全局添加到您的VS代码中 settings.json:

{
  "mcp": {
    "servers": {
      "research-buddy": {
        "command": "research-buddy-mcp",
        "env": {
          "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
        }
      }
    }
  }
}

WSL（Linux的Windows子系统）

VS Code的扩展主机在Windows进程空间中运行，不能直接解析WSL二进制文件。您必须使用已安装二进制文件的完整路径将命令明确委托给WSL。

首先，找到WSL内部的二进制路径：

which research-buddy-mcp
# Example output: /home//.local/bin/research-buddy-mcp

然后将以下内容添加到您的VS代码中 settings.json （或 .vscode/mcp.json):

{
  "mcp": {
    "servers": {
      "research-buddy": {
        "command": "wsl",
        "args": [
          "--",
          "/home//.local/bin/research-buddy-mcp"
        ],
        "env": {
          "SEMANTIC_SCHOLAR_API_KEY": "your_api_key_here"
        }
      }
    }
  }
}

替换 /home/ 使用您的实际WSL用户名。

工具

搜索与发现

论文详细信息和元数据

引文图

建议

作者

引文与出口

示例工作流

系统性文献综述

1. bulk_search_papers('"large language model" +hallucination', sort='citationCount:desc')
2. Filter to top-cited results, then get_paper_details for each
3. get_references with influential_only=True to find foundational work
4. get_paper_citation for each in your preferred format

“查找类似X但不类似Y的文件”

1. match_paper_by_title('Attention Is All You Need') -> get paper ID
2. get_related_papers(paper_ids=[attention_id], negative_paper_ids=[bert_id])

在两个研究领域之间寻找桥梁工作

1. find_common_citations([paper_A_id, paper_B_id], direction='citations')
   -> papers that cite BOTH A and B
2. find_common_citations([paper_A_id, paper_B_id], direction='references')
   -> papers referenced BY BOTH A and B

在文献中找到一个具体的说法

1. search_paper_snippets('chain-of-thought prompting improves reasoning on math')
   -> returns exact text excerpts with section labels

故障排除

spawn research-buddy-mcp ENOENT VS代码

此错误表示VS Code找不到 research-buddy-mcp 可执行。这在使用时很常见 Windows上的WSL，因为VS Code的扩展主机在Windows中运行，无法访问WSL的PATH。

修复： 使用上面WSL特定的配置，指向由返回的完整二进制路径 which research-buddy-mcp 在WSL终端内。

速率限制

在没有API密钥的情况下，请求在所有未经验证的用户之间共享全局速率限制。如果你看到 429 Too Many Requests 错误， 获取免费的API密钥 并将其设置在您的配置中。服务器以指数回退方式自动重试速率受限的请求。

许可证

麻省理工学院