DOI 引文验证器 MCP 服务器

这是一个通过验证学术引文与8个权威数据库来防止引文幻觉的模型上下文协议（MCP）服务器。该服务器使AI助手能够在引用之前验证每个引文的真实性。

解决的问题

大型语言模型有时会“幻化”学术引文——引用不存在的论文、错误地将真实标题归因于错误的作者或混淆出版细节。此MCP服务器通过以下方式解决了这个问题：

1. 8个数据库验证：在CrossRef、OpenAlex、PubMed、zbMATH、ERIC、HAL、Semantic Scholar和DBLP上检查引文。
2. 并行搜索：同时查询所有数据库以获得快速结果（约1秒）。
3. 全面覆盖：涵盖所有学科的6亿多篇出版物，包括STEM、人文科学、社会科学和教育。
4. 基于DOI的引文：每个经过验证的引文都包含一个有效的可点击DOI。

特性

• 8个数据库搜索：CrossRef、OpenAlex、PubMed、zbMATH、ERIC、HAL、Semantic Scholar、DBLP
• 验证引文：检查具有特定详细信息的论文是否确实存在于所有数据库中。
• 查找已验证论文：搜索某个主题的真实论文，并仅返回已验证的引文。
• 并行处理：所有数据库查询同时运行以实现最大速度。
• 性能优化：智能缓存和提前退出策略使验证速度提高25-35%。
• 来源选择：搜索所有数据库或针对特定来源。
• 引文格式化：返回带有DOI的正确格式化的引文。
• 零配置：所有数据库开箱即用，无需API密钥。

工作原理

当AI助手被要求提供研究或引文时：

1. 没有这个MCP：助手可能会引用“根据Smith等人（2023年）在《自然》杂志上的文章……”，而实际上这篇论文不存在。
2. 有这个MCP：助手首先使用verifyCitation，它会在8个数据库中并行搜索并返回：
   • 验证匹配且带有完整DOI → 可以引用
   • 没有找到匹配项 → 不能引用；必须搜索真实论文。

工具

verifyCitation

主要防幻化工具 - 在提及之前验证引文是否存在于多个数据库中。

输入：

• title（字符串，可选）：论文标题（接受部分匹配）
• authors（数组，可选）：作者姓名（姓氏足够）
• year（数字，可选）：出版年份
• doi（字符串，可选）：如果已知，则为DOI
• journal（字符串，可选）：期刊名称

返回JSON：

• verified：true/false
• 如果verified=true：DOI、标题、作者、年份、期刊、URL、源数据库
• 如果verified=false：警告消息，说明未找到匹配的出版物
• 匹配质量指标以确保透明度

示例成功验证：

{
  "verified": true,
  "doi": "10.1038/s41586-023-06004-9",
  "title": "准确预测生物分子相互作用结构……",
  "authors": ["John Jumper", "Richard Evans", "..."],
  "year": 2023,
  "journal": "Nature",
  "url": "https://doi.org/10.1038/s41586-023-06004-9",
  "source": "crossref",
  "message": "✓ 引文已验证"
}

findVerifiedPapers

搜索某个主题的真实论文，并从多个数据库返回仅带有DOI的已验证引文。

输入：

• query（字符串）：搜索查询（主题、关键词、作者姓名）
• source（字符串，可选）：要搜索的数据库 - "all"（默认）、"crossref"、"openalex"、"pubmed"、"zbmath"、"eric"、"hal"、"semanticscholar" 或 "dblp"
• limit（数字，可选）：每个来源的结果数量（1-20，默认：5）
• yearFrom（数字，可选）：最小出版年份
• yearTo（数字，可选）：最大出版年份

返回： 来自指定数据库的已验证论文数组，包含完整的引文信息及来源

示例：

// 搜索所有8个数据库
findVerifiedPapers({ query: "CRISPR基因编辑", limit: 5 })

// 仅搜索PubMed以获取生物医学论文
findVerifiedPapers({ query: "癌症免疫疗法", source: "pubmed", limit: 10 })

// 搜索zbMATH以获取数学论文
findVerifiedPapers({ query: "代数拓扑", source: "zbmath" })

// 搜索DBLP以获取计算机科学论文
findVerifiedPapers({ query: "神经网络", source: "dblp", yearFrom: 2020 })

// 搜索ERIC以获取教育研究
findVerifiedPapers({ query: "主动学习教学法", source: "eric" })

// 搜索HAL以获取法国/欧洲人文研究
findVerifiedPapers({ query: "现象学胡塞尔", source: "hal" })

安装

通过Smithery安装

要通过Smithery自动安装DOI引文验证器：

npx -y @smithery/cli install @tfscharff/doi-mcp

手动安装

1. 克隆仓库
2. 安装依赖：npm install
3. 构建项目：npm run build
4. 添加到您的MCP客户端配置

开发

# 安装依赖
npm install

# 构建
npm run build

# 带监视模式的开发
npm run dev

# 使用Smithery CLI测试
npx @smithery/cli dev

示例用法

在使用此MCP之前（引文幻觉）：

用户："告诉我关于最近AlphaFold的研究"
助手："根据Johnson等人（2024年）在《科学》杂志上的文章，AlphaFold3实现了……"
       ❌ 这篇论文不存在

在使用此MCP之后（仅验证引文）：

用户："告诉我关于最近AlphaFold的研究"
助手：[使用findVerifiedPapers工具]
       "根据Jumper等人（2023年）在《自然》杂志上的文章（DOI：10.1038/s41586-023-06004-9），AlphaFold3实现了……"
       ✓ 真实论文，经过数据库验证的有效DOI

验证捕获虚假引文：

用户："你能验证这个引文吗：Smith等人（2024年），'量子AI'，《自然》杂志"
助手：[使用verifyCitation工具 - 并行搜索所有8个数据库]
       "⚠ 我无法验证这个引文 - 在任何8个数据库中都没有找到匹配的出版物。这个引文可能是不正确的。"

数据库覆盖范围

所有数据库均并行查询以实现最大速度（总计约1秒）：

通用数据库

• CrossRef：涵盖所有学科的1.5亿多篇学术出版物
• OpenAlex：涵盖所有学科的2.5亿多篇学术作品
• Semantic Scholar：2亿多篇论文，具有AI驱动的搜索功能

专业数据库

• PubMed：3.5亿多篇生物医学和生命科学出版物
• zbMATH：400多万篇数学出版物
• DBLP：综合计算机科学文献（期刊和会议）
• ERIC：1700多万篇教育研究出版物
• HAL：4400多万篇法国/欧洲学术文件（2500万篇英文）

总体覆盖范围

涵盖所有学术领域的6亿多篇出版物，在STEM、计算机科学、生物医学科学、数学和教育研究方面具有专门深度。

许可

MIT

贡献

欢迎贡献！请随时提交问题或拉取请求。

相关资源

API 文档

• CrossRef API
• OpenAlex API
• PubMed API
• zbMATH API
• ERIC API
• HAL API
• Semantic Scholar API
• DBLP API

资源

• DOI手册
• 模型上下文协议