🎓 ScholAI

基于MCP的智能学术研究助手 v0.0.1

English | 中文

✨ 概述

ScholAI 是一个基于模型上下文协议（MCP）的服务器，旨在增强学术研究工作流程。它提供了用于发现、分析和管理学术出版物的工具，具有 CCF 排名集成和语义查询分析等功能。

🆕 v0.0.1 版本更新

• 🔍 LlamaIndex API 集成 - 通过 LlamaIndex API 提供更高质量的 PDF 解析，支持表格和图表提取
• 🧠 智能搜索规划 - 新增 plan_for_paper_search 工具，智能规划论文搜索策略
• 🎯 查询意图分析 - 增强对用户学术查询的理解，提取核心研究意图
• 📂 文件管理优化 - 改进 PDF 文件路径处理逻辑，提高文件查找效率
• 🚀 性能提升 - 优化异步处理和 API 调用逻辑，提高响应速度

🚀 快速开始

前提条件

• Python 3.11 或更高版本
• uv 包管理器（推荐）或 pip

安装

1. 克隆仓库：

   git clone https://github.com/oDaiSuno/ScholAI
   cd ScholAI
   

2. 安装依赖（强烈推荐使用uv）：

   # 使用 uv（推荐）
   uv sync
   
   # 或使用 pip
   pip install -r requirements.txt
   
   # 如果上述方法不成功，可以手动安装缺失的依赖
   pip install httpx pyyaml beautifulsoup4 dict2xml mcp[cli] pymupdf
   

3. 准备数据目录：

   mkdir -p data
   

配置 MCP 服务器

这里以cherry studio为例，填写名称为ScholAI，命令为uv，参数如下（记得更改项目路径）

--directory
D:\path\to\your\ScholAI
run
main.py

配置 LlamaIndex API（可选但推荐）

为了获得更高质量的 PDF 解析结果，可以设置LLAMAINDEX_API_KEY环境变量： 你可以在 llamaindex 申请账号，并创建API Key，即可享用每月10,000的免费额度。

🍟 主要特点

• 🔍 多数据库搜索：访问 arXiv 预印本和同行评审出版物
• 🏆 CCF 排名集成：自动确定会议和期刊排名
• 📄 PDF 管理：下载和提取学术论文文本
• 🧠 语义查询分析：将自然语言研究兴趣转化为精确的学术查询
• 📊 高级 PDF 解析：通过 LlamaIndex API 支持表格和图表提取（需配置 API 密钥）

🛠️ 核心工具

📚 搜索与发现

search_on_arxiv

在 arXiv 存储库中搜索预印本论文。

参数：

• query：搜索关键词或短语
• num_results：返回的最大论文数量（默认：100）
• need_datetime_sort：按提交日期排序（默认：False）

search_on_venue

在特定会议和期刊中搜索学术论文。

参数：

• query：搜索关键词或短语
• num_results：返回的最大论文数量（默认：100）
• need_datetime_sort：按发布日期排序（默认：True）

plan_for_paper_search

根据用户查询规划论文搜索策略。

参数：

• user_query：用户的原始查询
• need_intent_extraction：是否需要进行意图提取（默认：True）

📖 论文管理

get_ccf_rank

获取学术会议或期刊的 CCF 排名。

参数：

• venue：会议或期刊名称

download_paper_pdf

下载并本地保存 PDF 文件。

参数：

• title：用于生成文件名的论文标题
• pdf_url：直接 PDF 下载 URL

read_paper

从 PDF 文件中提取文本内容，支持 LlamaIndex API 增强解析。

参数：

• pdf_path：PDF 文件路径

🧭 研究智能

sequential_extract_academic_query

将研究兴趣转化为精确查询的渐进分析工具。

参数：

• analysis_step：当前分析内容
• step_number：当前步骤索引
• total_steps：估计的总步骤数
• next_step_needed：继续分析标志
• 其他概念、数据库、搜索策略等参数

list_downloaded_papers

列出数据目录中所有已下载的 PDF 文件。

配置

• CCF 排名：将 ccfrank.yml 放在根目录中用于会议排名
• 数据目录：./data/ 用于已下载的 PDF
• LlamaIndex API：设置环境变量 LLAMAINDEX_API_KEY 启用高级 PDF 解析

🏗️ 技术架构

核心依赖

• FastMCP：模型上下文协议服务器框架
• httpx：异步 HTTP 客户端用于 API 请求
• PyMuPDF (fitz)：PDF 处理和文本提取
• PyYAML：配置文件处理
• BeautifulSoup：HTML 解析
• LlamaIndex API：高级 PDF 解析和结构化提取（可选）

文件结构

ScholAI/
├── main.py              # 主 MCP 服务器实现
├── pyproject.toml       # 项目配置
├── uv.lock              # 依赖锁定文件
├── ccfrank.yml          # CCF 排名数据库
├── data/                # 已下载论文存储
└── README.md            # 文档

🪻特别鸣谢

• 论文检索网站：https://papers.cool
• MCP调试工具：https://kirigaya.cn/openmcp

用 🌟 为本项目助力