mcpField
R
Research Scope

Research Scope

本地服务
axelverne.com生产力02 周前更新

关于 Research Scope

Research Scope 是面向研究人员和 Agent 的 MCP 服务,可将来源整理成可追溯报告。它规划来源目标、依据证据评分,并检查实质性论断是否引用已评分来源。

主要功能

  1. 01带停止条件的研究计划
  2. 02来源质量评分与证据
  3. 03时效性与利益冲突标记
  4. 04带引用登记表的报告框架
  5. 05逐条论断引用检查

适用场景

  1. 01研究前设定来源要求
  2. 02评估来源时效性与独立性
  3. 03基于已评分来源起草报告
  4. 04查找缺少引用的论断

MCP 相关

向 MCP 客户端提供研究规划、来源抓取与评分、报告构建和报告检查工具。支持通过 stdio 或 Streamable HTTP 运行。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

research-scope-mcp

将零散的来源整理成可供决策、可追溯的报告。

research-scope-mcp 是一个 MCP 服务,可运行任何 MCP 客户端都能端到端驱动的研究到报告工作流:

  1. plan_research(scope) — 将研究范围转化为来源目标计划,并设定终止条件(“少于 1 个一手来源 + 2 个独立二手来源 → 停止并报告来源不足,不要基于薄弱证据继续”)。
  2. fetch_and_score(source_url) — 抓取一个来源,并返回可解释的 0–100 质量评分:一手来源检测、发布日期新鲜度、付费墙和利益冲突标记——每个维度都会连同证据一并返回。
  3. build_report(topic, sources) — 为已评分的来源生成引用登记式报告框架(主张部分 + 编号登记表 + 评分附录)。
  4. check_report(report) — 验证每项实质性主张是否至少引用 1 个已评分来源。孤立主张会作为错误列表返回,而非通过。

它解决的问题:Agent 撰写的报告听起来信心十足,却无法说明任何一句话的出处。此服务以机制强制执行评分和引用覆盖,让人类能在 90 秒内审计报告。

安装

npm install -g research-scope-mcp   # once published; local: npm ci && npm run build

通过 stdio 运行(适用于大多数客户端):

npx research-scope-mcp

或者通过 Streamable HTTP 运行(用于远程部署):

npx research-scope-mcp --http --port 3001
# unauthenticated requests get 401 + WWW-Authenticate discovery, never a bare 403

客户端配置

可直接使用的配置片段适用于 Claude Code、 Cursor,以及兼容 Cline 的 llms-install.md。

Docker

docker build -t research-scope-mcp -f docker/Dockerfile .
docker run --rm -i -p 3001:3001 research-scope-mcp --http --port 3001

工具

工具输入输出
plan_researchscope,可选的 domain_hints带终止条件的来源目标计划
fetch_and_scoresource_url0–100 评分 + 标记(一手来源、新鲜度、付费墙、COI),并登记以供报告使用
build_reporttopic、sources[](必须已完成评分)保存在 data/reports/ 下的报告框架,引用编号为 [Sn]
check_reportreport_id 或 report_path通过/失败 + 孤立主张错误列表

示例演练

请参阅 docs/runs/ 中包含输入和输出的两次完整演练,以及 docs/notes/ 中关于超时或遇到 401 时的处理方法。

演示录制

npm run demo:capture(或 node tools/demo-capture.mjs)会针对随附的服务重放脚本化的 60 秒演示流程——通过 stdio 启动 dist/index.js,并使用全新的临时数据目录;运行 plan_research → 对一个 .gov 页面执行 fetch_and_score(真实抓取)→ build_report,注入一条带引用的主张和一条故意设置的孤立主张,并确认 check_report 拒绝认可该报告——每一帧都会写入 {t, dir, msg} JSONL 记录。默认目标文件为 docs/marketing/demo-60s/run-capture.jsonl (产品页面演示播放器页脚的 sha256 校验值以此记录为准);没有 --force 时,程序会拒绝覆盖该文件。真实抓取需要网络连接;仓库的 data/ 永远不会被改动。

评分标准

维度最高分说明
可用性与实质内容20可提取文本的长度
一手来源状态32主机类别(gov/edu/filings)或自发布的一手来源(新闻稿/公告路径)
新鲜度24≤30 天得满分,超过 5 年衰减至 2 分,无法检测时为 0 分
访问权限12付费墙/注册墙会扣分
独立性12赞助/联盟营销/合作关系标记

score ≥ 80 → A,≥ 65 → B,≥ 45 → C,否则为 D。评分标准位于 src/scoring/score.ts,并会返回相应证据,因此评分可供审计,而非凭感觉给出。

许可证

MIT。有关安全问题的报告方式,请参阅 SECURITY.md。

付费套件

此服务是Research-to-Report MCP Kit(实地指南、完整示例包、设置支持)的免费且经过测试的核心。可在套件商店购买——链接更新见 CHANGELOG.md。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。