surendranb/find-research-papers-mcp · 上手攻略

  • 仓库：surendranb/find-research-papers-mcp
  • 链接：https://github.com/surendranb/find-research-papers-mcp
  • 分类：MCP 服务器 · 学术工具
  • 作者：Tom
  • 更新：2026-08-16

是什么

find-research-papers-mcp 是一个 Model Context Protocol（MCP）服务器，为 AI 编程工具（Claude Code、Cursor、Claude Desktop、VS Code 等支持 MCP 的客户端）提供统一的学术论文搜索与元数据获取能力。

它同时查询五大学术数据源：arXiv、OpenAlex、CrossRef、Semantic Scholar、PubMed，覆盖超过 2.5 亿篇学术论文，支持按 DOI / arXiv ID / PubMed ID 精确获取论文元数据、摘要、作者、参考文献、引用图，并可验证论文可访问性和撤稿状态。

解决什么问题

AI 编程工具（Claude Code 等）在处理技术问题时，无法主动搜索和引用最新学术论文作为上下文。find-research-papers-mcp 把学术论文数据库直接接入 AI 的工具调用生态：让 AI 在生成代码或分析问题时，直接调用 search_papers、get_paper、get_references、get_citations 等工具查询真实学术文献，而不是依赖训练数据的静态知识。

对于需要做"文献调研"、"技术选型"、"论文复现"类任务的开发者，这个 MCP 服务器让 AI 能够实时检索最新论文，而不是给出可能过时的建议。

快速安装

通用方式（uvx）

# 安装到 Claude Code
claude mcp add papers -- uvx find-research-papers-mcp

# 单独运行（不写入配置）
uvx find-research-papers-mcp

NPX 方式

npx -y find-research-papers-mcp

一键安装脚本

curl -fsSL "https://papers.builditwithai.xyz/install" | bash

Claude Desktop 配置（JSON）

{
  "mcpServers": {
    "papers": {
      "command": "uvx",
      "args": ["find-research-papers-mcp"]
    }
  }
}

⚠️ uvx 是 uv 的执行模式，需要先安装 uv（pip install uv 或 curl -LsSf https://astral.sh/uv/install.sh | sh）。npx 方式无需额外依赖，但冷启动较慢。

核心工具一览

工具 参数 返回
search_papers query, sources[], limit 跨 5 个数据源的统一搜索结果（JSON/Markdown）
get_paper doi 或 id 元数据、摘要、作者、出版日期、开放获取 PDF 链接
get_references doi 完整参考文献列表（通过 CrossRef）
get_citations doi 引用图（通过 OpenAlex，哪些论文引用了这篇）
verify_paper doi 检查论文可访问性 + 撤稿数据库交叉验证
list_sources 无参数 5 个学术数据源的实时状态和延迟指标
skills_list 无参数 列出可用的科研方法论技能
skill_read skill_name 从 GitHub 动态加载科研方法论技能

使用示例

# 搜索论文（sources 支持: arxiv, openalex, crossref, semantic_scholar, pubmed）
# 返回 JSON 格式结果
search_papers(query="scaling law language model", sources=["arxiv", "openalex"], limit=10)

# 获取单篇论文元数据
get_paper(doi="10.48550/arXiv.2303.18223")

# 获取论文的参考文献
get_references(doi="10.48550/arXiv.2303.18223")

# 获取引用该论文的其他论文（引用图）
get_citations(doi="10.48550/arXiv.2303.18223")

# 验证论文是否可信（可访问性 + 撤稿检查）
verify_paper(doi="10.48550/arXiv.2303.18223")

# 查看数据源健康状态
list_sources()

典型适用场景

  1. AI 代码审查 / 技术选型：让 Claude Code 在审查代码时搜索该技术相关的最新论文，而不是依赖静态知识
  2. 文献综述自动化：给定一个研究主题，让 AI 调用 search_papers 获取相关论文列表，再逐篇获取摘要和引用关系
  3. 验证 AI 给出的技术声称：AI 声称某项技术"在论文 X 中达到了 SOTA"，直接调用 get_paper + verify_paper 核验
  4. 学术写作辅助：通过 get_references 和 get_citations 构建完整的参考文献图谱，用于 literature review
  5. 跨学科调研：同时搜索 arXiv（cs.*）、PubMed（医学）、OpenAlex（多学科），比单一数据源更全

坑与注意

  1. 数据源覆盖差异：arXiv 主要覆盖 CS/ML/Physics，PubMed 覆盖医学/生物，CrossRef 和 OpenAlex 覆盖范围最广但部分论文无免费 PDF；使用前建议 list_sources() 查看各数据源延迟和可用性
  2. PDF 链接不等于可下载：论文元数据中返回的 PDF 链接是开放获取（OA）链接，部分链接可能已失效；verify_paper 可以检查 landing page 可访问性，但不一定验证 PDF 文件本身
  3. DOI vs arXiv ID：优先用 DOI 查询（最精确），arXiv ID 可以用 https://arxiv.org/abs/XXXX.XXXXX 格式传入 get_paper 的 id 字段
  4. CrossRef 引用数据：参考文献（get_references）依赖 CrossRef 的 DOI 覆盖率，部分早期论文或非英文论文可能无 DOI 而缺失
  5. 结果数量限制：limit 参数控制返回数量，但不同数据源对 limit 的支持粒度不同，实际返回可能略少于 limit
  6. 遥测数据收集：项目声明收集匿名诊断遥测（执行次数、延迟、错误码），不收集研究查询、个人数据、源代码或环境变量；如需关闭，设置 DO_NOT_TRACK=1 或 MCP_TELEMETRY_OPT_OUT=1

与同类对比

项目 find-research-papers-mcp paper-search-mcp arxiv-mcp-server
数据源 arXiv + OpenAlex + CrossRef + Semantic Scholar + PubMed（5个） arXiv + PubMed + bioRxiv（3个） 仅 arXiv
MCP 协议 ✅ 完整 ✅ 完整 ✅ 完整
引用图 ✅ OpenAlex ❌ ❌
参考文献 ✅ CrossRef ❌ ❌
撤稿验证 ✅ ❌ ❌
多源统一查询 ✅ ❌ ❌
安装方式 uvx / npx / 脚本 npm uvx

find-research-papers-mcp 是覆盖最广的多源学术 MCP 方案，特别适合需要跨学科调研和引用图分析的场景；如果只需要 arXiv 单源，可以选更轻量的 arxiv-mcp-server。

一句话推荐结论

做 AI 辅助学术调研或需要 AI 实时引用真实论文时，把 find-research-papers-mcp 接入 Claude Code 等工具是成本最低的方案；注意核实 PDF 链接有效性，DOI 查询比 arXiv ID 更可靠。

  • 原始 commit：https://github.com/surendranb/find-research-papers-mcp/commits/main
  • 许可证：MIT（见仓库 LICENSE 文件）
  • 运行依赖：uv（推荐）或 Node.js（npx 方式）