文献回顾MCP

Name: 文献回顾MCP
Author: ydzat

作者：ydzat4 星标更新：2025-10-20

安装使用来源：spider==github.com

项目介绍

文献综述MCP服务器技术文档摘要

一款专为研究生论文级别的文献综述设计的学术论文管理和分析工具。它支持Model Context Protocol (MCP)标准，提供多源学术搜索、智能总结、批量分析以及跨文献综述生成等功能。

特别设计用于研究生论文级别的文献综述，确保学术严谨性和高质量产出！

核心功能

📚 完整的文献综述工作流程

多源学术搜索：在DBLP、OpenReview和Papers With Code等数据源中进行智能搜索。
批量下载与分析：并发下载PDF文件，生成一份深入的综述（低温，学术严谨）。
跨文献综述生成：基于一篇综述文章生成详细的跨论文综合分析（≥4000字）。
综述导出：将单篇/跨文献综述导出为Markdown文件。
Notion集成：自动生成适合Notion的格式（需要Notion MCP）。

🗜️ 智能压缩系统

精确Token计算：使用tiktoken进行精确计算。
章节识别与分层压缩：摘要/方法部分100%保留，参考部分0%保留。
滚动压缩：逐步合并以避免一次性处理过长文本。
语义压缩：LLM智能压缩，而非简单截断。
实际测试结果：138K tokens → 38K tokens（压缩率72.3%）。

🤖 多LLM提供商支持

SiliconFlow：默认支持Qwen系列。
Deepseek：成本效益高（128K上下文，8K输出）。
OpenAI：GPT-4o，GPT-4-turbo。
自定义API：任何兼容OpenAI的API。

📊 智能质量评估

基于引用次数、会议级别、作者声誉和机构排名的综合评分。
自动识别A*/A级会议、顶级学者和著名机构。
特别关注过去30天内发表的新论文。

致谢

该项目是arxiv-mcp-server的一个分支，感谢原作者@yzfly的开源贡献。基于原项目进行了广泛的重构和功能扩展（v2.0.0全模块化架构）。

安装与使用

NPX方法（推荐）

npx -y @ydzat/literature-review-mcp@latest

全局安装

npm install -g @ydzat/literature-review-mcp@latest
literature-review-mcp

本地开发

# 克隆项目
git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp

# 安装依赖
npm install

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，配置你的 LLM Provider
# vim .env

# 开发模式运行（使用 tsx 直接运行 TypeScript）
npm run dev

# 构建（编译 TypeScript 到 build/ 目录）
npm run build

# 运行构建版本（必须先执行 npm run build）
npm start
# 或直接运行
node build/index.js

# 运行测试
npm run build && node build/tests/test-literature-review.js

⚠️ 重要提示：

如果在MCP客户端配置中使用了本地路径，必须首先运行 npm run build 编译项目。
本地路径必须指向 build/index.js，而不是 src/index.ts。
每次代码修改后都需要重新运行 npm run build。

系统需求

环境变量

通过环境变量或.env文件配置：

# LLM Provider 配置（必需）
LLM_PROVIDER=siliconflow  # 可选: siliconflow, openai, custom
LLM_API_KEY=your_api_key_here

# 可选配置
LLM_BASE_URL=https://api.siliconflow.cn/v1  # 自定义 API 端点
LLM_MODEL=Qwen/Qwen2.5-7B-Instruct          # 指定模型
LLM_TEMPERATURE=0.3                         # 温度参数（默认 0.7）

支持的LLM提供商

提供商	LLM_PROVIDER	LLM_BASE_URL
SiliconFlow（默认）	`siliconflow` 自动设置 `Qwen/Qwen2.5-7B-Instruct`
Deepseek `custom`	`https://api.deepseek.com/v1`	`deepseek-chat`
OpenAI	`openai` 自动设置 `gpt-4o`
其他 `custom` 你的API端点	你的模型名称

获取API密钥：

SiliconFlow: https://cloud.siliconflow.cn/i/TxUlXG3u
Deepseek: https://platform.deepseek.com/
OpenAI: https://platform.openai.com/

数据存储

所有数据自动存储在~/.arxiv-mcp/目录下

arxiv-mcp.db - SQLite数据库（论文、作者、机构、综述）
pdfs/ - 下载的PDF文件
texts/ - 提取的文本内容
generated/ - 生成的综述文档

MCP客户端配置

Claude Desktop配置

配置文件位置：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows %APPDATA%\Claude\claude_desktop_config.json

方法1：使用NPX（推荐）

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "npx",
      "args": ["-y", "@ydzat/literature-review-mcp@latest"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

其他提供商配置：

Deepseek设置 LLM_PROVIDER="custom"，LLM_BASE_URL="https://api.deepseek.com/v1"，LLM_MODEL="deepseek-chat"
OpenAI设置 LLM_PROVIDER="openai"，LLM_MODEL="gpt-4o"

方法2：使用本地开发版本

# 先编译项目
cd /path/to/literature-review-mcp
npm install && npm run build

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/literature-review-mcp/build/index.js"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

注意：路径必须是绝对路径，指向 build/index.js，而不是 src/index.ts。

使用示例

完整的工作流程

graph LR
    A[搜索论文] --> B[批量下载]
    B --> C[批量分析]
    C --> D[生成综述]
    D --> E[导出文件/Notion]

搜索论文

请搜索关于 "transformer attention" 的高质量论文，
要求：DBLP + OpenReview，最多 20 篇，质量评分≥60

2. 批量下载与分析

请下载并分析以下论文：
- arXiv:1706.03762 (Attention Is All You Need)
- arXiv:2010.11929 (ViT)
- arXiv:2005.14165 (GPT-3)

自动化处理：

下载PDF → 提取文本 → 智能压缩（如需）→ 生成一篇综述文章（2000-3000字）

3. 生成跨文献综述

请基于这 3 篇论文生成统一的文献综述，
重点关注：方法演进、对比分析、未来方向

生成的内容：

8个详细章节（研究领域概述、动机比较、方法论比较、实验分析、创新、局限性、未来方向、关键讨论）
深入分析≥4000字
自动保存到 ~/.arxiv-mcp/generated/

4. 导出综述

请将单篇综述导出为 Markdown 文件

时间估算：搜索10秒 + 下载30秒 + 分析5-10分钟 + 综述3-5分钟 = 10-15分钟

主要工具

学术搜索与分析

search_academic_papers - 多源学术搜索（DBLP、OpenReview、Papers With Code）
batch_download_papers - 批量下载论文PDF
batch_analyze_papers - 批量生成单篇深入综述

综述生成与导出

generate_unified_literature_review - 生成跨文献综述（≥4,000字）
export_individual_review_to_md - 将单篇综述导出为Markdown
batch_export_individual_reviews - 批量导出所有单篇综述文章

传统工具

search_arxiv - 搜索arXiv论文
download_arxiv_pdf - 下载PDF
parse_pdf_to_markdown - 解析为中文Markdown
convert_to_wechat_article - 生成微信文章
process_arxiv_paper - 完整处理流程

Notion集成

export_to_notion_full - 完整导出至Notion
export_to_notion_update - 增量更新Notion

对于完整的工具列表及参数描述，请参阅源代码 src/tools/tool-registry.ts

开发指南

本地开发

git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp
npm install
cp .env.example .env  # 配置 LLM Provider
npm run dev           # 开发模式
npm run build         # 构建
npm start             # 运行

项目架构（v2.0.0）

src/
├── core/              # 核心功能（PDF、arXiv、处理）
├── tools/             # 工具封装（按功能分类）
├── llm/               # LLM抽象（Provider + 智能压缩）
├── storage/           # 存储管理（文件 + 数据库）
├── database/          # SQLite数据库
├── sources/           # 学术数据源（DBLP、OpenReview等）
├── reputation/        # 质量评分系统
└── index.ts           # MCP服务器入口（89行）

技术栈

Node.js >= 18.0.0, TypeScript, MCP
SQLite (better-sqlite3) - 数据库
LLMSiliconFlow / OpenAI / Deepseek / 自定义
智能压缩tiktoken + pdfjs-dist
学术数据源arXiv / DBLP / OpenReview / Papers With Code

故障排除

问题	解决方案
API密钥错误	查看文档中的`.env`文件 `LLM_API_KEY`配置
论文下载失败	检查arXiv ID是否正确，并确保网络连接正常
数据库权限问题	确保`~/.arxiv-mcp/`目录具有写权限
Notion集成不工作	需要单独配置Notion MCP服务器

贡献指南

欢迎贡献！请遵循：

分叉项目 → 创建功能分支 → 提交更改 → 推送分支 → 创建PR
使用TypeScript并遵循ESLint规范
添加适当的错误处理和测试
保持代码简洁，避免过度设计

详细的文档设计可以在docs/目录下找到

更新日志

v2.0.0 (2025-10-20) - 重大重构

架构重构：

🏗️ 全模块化设计（index.ts从1,210行 → 89行，减少93%）
✅ 向后兼容（所有工具名称和参数保持不变）
🧪 完整测试（单元 + 集成 + 兼容性，全部57项通过）
🗜️ 智能压缩集成（自动应用于所有LLM调用）
🐛 错误修复（作者信息、PDF提取、Markdown生成等）

新功能：

📝 跨文献综述生成（≥4000字详细分析）
📤 综述导出工具（单篇/批量导出为Markdown）
🔧 工具注册表（可配置管理）
增强的LLMProvider（添加便捷方法）

v1.0.0 (2025-10-18) - 首次发布

分叉自arxiv-mcp-server，新增加：

🚀 多LLM提供商支持
🗜️ 智能压缩系统（138K → 38K tokens）
✨ 多源学术搜索（DBLP、OpenReview、Papers With Code）
📊 智能质量评估
批量并发处理
📚 Notion集成
💾 SQLite数据库

查看完整的更新日志请访问CHANGELOG.md

许可证

MIT许可证 - 详情见LICENSE文档

支持

如果你发现这个项目有用，请给它一个⭐！

有任何问题或建议？请随时分享Issue!