arXiv MCP 服务器

🔍 通过简单的MCP接口启用AI助手搜索和访问arXiv论文。

arXiv MCP服务器为AI助手与arXiv研究仓库之间架起桥梁，通过消息控制协议（MCP）实现。它使AI模型能够以编程方式搜索和访问论文内容。

✨ 核心功能

• 🔎 论文搜索：使用日期范围和分类对arXiv论文进行过滤查询
• 📄 论文访问：下载并阅读论文内容
• 📋 论文列表：查看所有已下载的论文
• 🗃️ 本地存储：将论文保存到本地以提高访问速度

🚀 快速开始

使用uv安装：

uv pip install git+https://github.com/blazickjp/arxiv-mcp-server.git

开发时：

# 克隆仓库并设置开发环境
git clone https://github.com/blazickjp/arxiv-mcp-server.git
cd arxiv-mcp-server

# 创建并激活虚拟环境
uv venv
source .venv/bin/activate

# 带测试依赖的安装
uv pip install -e ".[test]"

🔌 MCP 集成

在您的MCP客户端配置文件中添加以下内容：

{
    "mcpServers": {
        "arxiv-mcp-server": {
            "command": "uv",
            "args": [
                "run",
                "arxiv-mcp-server",
                "--storage-path", "/path/to/paper/storage"
            ]
        }
    }
}

💡 可用工具

服务器提供了四个主要工具：

1. 论文搜索

使用过滤器搜索论文：

result = await call_tool("search_papers", {
    "query": "transformer architecture",
    "max_results": 10,
    "date_from": "2023-01-01",
    "categories": ["cs.AI", "cs.LG"]
})

2. 论文下载

通过arXiv ID下载论文：

result = await call_tool("download_paper", {
    "paper_id": "2401.12345"
})

3. 列出论文

查看所有已下载的论文：

result = await call_tool("list_papers", {})

4. 阅读论文

访问下载论文的内容：

result = await call_tool("read_paper", {
    "paper_id": "2401.12345"
})

⚙️ 配置

通过环境变量配置：

🧪 测试

运行测试套件：

python -m pytest

📄 许可证

根据MIT许可证发布。查看LICENSE。

团队署名

由[团队名称]开发，更多信息请访问项目主页