入门攻略
MCP提交
探索
MCP Paperswithcode
概述
内容详情
替代品
什么是MCP PapersWithCode?
MCP PapersWithCode是一个Model Context Protocol (MCP)服务器,它允许AI助手访问PapersWithCode API,帮助查找学术论文、阅读论文内容,并获取相关的代码库、数据集和方法等信息。如何使用MCP PapersWithCode?
可以通过Smithery平台安装,或者直接调用API接口来搜索论文、获取论文详情、查看相关代码库等。适用场景
适用于学术研究、AI模型开发、文献综述等需要快速获取论文信息和相关实现代码的场景。主要功能
论文搜索根据摘要、标题或arxiv ID搜索相关论文
论文详情获取特定论文的详细信息
论文阅读直接从URL读取论文内容
相关资源获取论文相关的代码库、数据集、方法和任务等信息
研究领域搜索和浏览不同研究领域的论文和任务
作者和会议查找特定作者的论文或特定会议的论文集
优势与局限性
优势
一站式获取论文和相关代码实现
支持多种搜索条件和过滤选项
与AI助手无缝集成,便于自动化处理
局限性
依赖于PapersWithCode API的可用性和数据覆盖范围
某些功能可能需要API密钥或特定权限
对非常新的论文可能覆盖不全
如何使用
安装通过Smithery平台安装MCP PapersWithCode
搜索论文使用search_papers函数搜索相关论文
获取论文详情使用get_paper函数获取特定论文的详细信息
使用案例
查找关于Transformer的论文搜索标题或摘要中包含'Transformer'的论文
获取论文的相关代码库查找特定论文的实现代码
阅读arXiv上的论文直接从arXiv URL获取论文内容
常见问题
1
需要API密钥吗?目前通过Smithery安装不需要单独配置API密钥,但直接调用API可能需要。
2
支持哪些论文来源?主要支持arXiv等主流论文平台,具体取决于PapersWithCode的数据覆盖范围。
3
如何处理PDF论文?系统会自动提取PDF中的文本内容,但复杂格式可能解析不完全。
4
搜索结果的排序依据是什么?默认按相关性排序,具体算法由PapersWithCode API决定。
相关资源
Smithery安装页面MCP PapersWithCode的Smithery安装页面
PapersWithCode官网PapersWithCode官方网站
Model Context Protocol文档MCP协议的技术文档
精选MCP服务推荐

Duckduckgo MCP Server
已认证
DuckDuckGo搜索MCP服务器,为Claude等LLM提供网页搜索和内容抓取服务
Python
206
4.3分

Firecrawl MCP Server
Firecrawl MCP Server是一个集成Firecrawl网页抓取能力的模型上下文协议服务器,提供丰富的网页抓取、搜索和内容提取功能。
TypeScript
2,951
5分

Figma Context MCP
Framelink Figma MCP Server是一个为AI编程工具(如Cursor)提供Figma设计数据访问的服务器,通过简化Figma API响应,帮助AI更准确地实现设计到代码的一键转换。
TypeScript
6,096
4.5分

Context7
Context7 MCP是一个为AI编程助手提供实时、版本特定文档和代码示例的服务,通过Model Context Protocol直接集成到提示中,解决LLM使用过时信息的问题。
TypeScript
4,851
4.7分

Exa Web Search
已认证
Exa MCP Server是一个为AI助手(如Claude)提供网络搜索功能的服务器,通过Exa AI搜索API实现实时、安全的网络信息获取。
TypeScript
1,425
5分

Edgeone Pages MCP Server
EdgeOne Pages MCP是一个通过MCP协议快速部署HTML内容到EdgeOne Pages并获取公开URL的服务
TypeScript
87
4.8分

Baidu Map
已认证
百度地图MCP Server是国内首个兼容MCP协议的地图服务,提供地理编码、路线规划等10个标准化API接口,支持Python和Typescript快速接入,赋能智能体实现地图相关功能。
Python
316
4.5分

Minimax MCP Server
MiniMax Model Context Protocol (MCP) 是一个官方服务器,支持与强大的文本转语音、视频/图像生成API交互,适用于多种客户端工具如Claude Desktop、Cursor等。
Python
359
4.8分