ScholarFetch

ScholarFetch

ScholarFetch 是一个多引擎学术研究环境，适用于：

• 以终端为先的文献探索
• 由 MCP 驱动的 Agent 工作流
• 构建精选阅读清单和可导出的研究语料库

它集成了：

• 面向用户的丰富交互式 CLI
• 经典 MCP 服务（stdio）
• FastMCP 服务（stdio、sse、streamable-http）

核心思路很简单：从关键词、DOI 或作者入手，浏览论文及其参考文献，查看摘要和全文，保存重要内容，然后导出精简语料库以供综合分析。

ScholarFetch 的功能

• 并行搜索多个学术引擎
• 消解有歧义的作者身份，并扩展作者论文列表
• 将参考文献作为一等研究节点进行浏览
• 获取摘要，以及可用时获取机器可读全文
• 在交互式研究会话中跟踪已保存的论文集
• 导出引文、摘要、BibTeX 或全文语料库
• 向 MCP Agent 提供相同的研究工作流
• 在一个 MCP 会话中维护有状态的已保存论文集

引擎

• Elsevier（Scopus / Abstract / Article retrieval）
• OpenAlex
• Crossref
• arXiv
• Europe PMC
• Springer Nature（元数据 + 开放获取）
• Semantic Scholar（DOI 补充信息路径）

安装

git clone https://github.com/laibniz/scholarfetch.git
cd scholarfetch
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
scholarfetch

控制台脚本：

• scholarfetch
• scholarfetch-mcp
• scholarfetch-fastmcp

替代方式：

python3 scholarfetch.py

凭据

ScholarFetch 在服务端 / 客户端从环境变量加载提供商凭据。

默认环境文件：

• .scholarfetch.env

常用变量：

ELSEVIER_API_KEY=...
ELSEVIER_INSTTOKEN=...
SPRINGER_META_API_KEY=...
SPRINGER_OPENACCESS_API_KEY=...

注意：

• ELSEVIER_INSTTOKEN 是可选的
• 仍受提供商授权范围和速率限制约束
• MCP 工具不接受在工具参数中传入 API 密钥

CLI 研究工作流

ScholarFetch CLI 专为研究浏览而设计。

典型流程：

1. 从主题、DOI 或作者入手。
2. 查看论文。
3. 阅读摘要或全文。
4. 扩展参考文献。
5. 跳转至相关作者。
6. 保存有价值的论文。
7. 导出语料库，以供后续工作使用。

示例：

/search graph neural networks
/author Albert Einstein
/papers 1 has:abstract
/article 1
/refs 1
/saved
/export fulltext dummy corpus.txt

CLI 功能

• 支持树状导航的交互式选择器
• 显示当前位置的面包屑导航
• 提供 OPEN、ABSTRACT、TEXT、REFS 和 AUTHOR 操作栏
• 按 Backspace 返回上级节点
• 按 Esc 返回提示词
• 在论文列表或参考文献列表中按 S 保存论文
• 按 X 从已保存列表中移除论文
• 现在可在论文中使用 AUTHOR 操作来选择：
  • 单个作者
  • ALL AUTHORS
• 参考文献列表的操作方式与论文列表相同：
  • open
  • abstract
  • text
  • refs
  • author
• 自动提示论文可用性：
  • 摘要是否可用
  • 全文是否可用
• 为耗时的切换操作提供进度反馈
• 支持中断参考文献预览生成，并保留部分结果

CLI 核心命令

• /search <keywords|doi|person name>
• /author <name>
• /papers <author name|index> [filters]
• /doi <doi>
• /open <index>
• /abstract <doi|index>
• /article <doi|index>
• /refs <doi|index>
• /ref <index>
• /saved
• /export [format style path ...]
• /import [path]
• /pick [mode]
• /config
• /engines
• /help

论文筛选条件

与 /papers 搭配使用：

• year>=YYYY、year<=YYYY、year=YYYY
• has:abstract、has:doi、has:pdf、has:fulltext
• venue:<text>、title:<text>、doi:<text>

示例：

/papers 1 year>=2020 has:abstract
/papers 1 has:fulltext
/papers andrea de mauro venue:marketing

导出模式

ScholarFetch 支持从已保存的论文集中导出为四种模式。

• bib
  • 为引文管理器和书目工具导出 BibTeX
• citations
  • 仅导出引文，格式可选 harvard、apa 或 ieee
• abstracts
  • 为每篇已保存的论文导出元数据 + 摘要
• fulltext
  • 导出元数据 + 摘要 + 可用时的全文
  • 可选包含参考文献

因此，ScholarFetch 可用作构建语料库的工具，为下游综合分析 Agent 提供语料。

MCP 服务

ScholarFetch 通过 MCP 提供相同的研究模型。

模式：

• 经典 MCP（stdio）：python3 scholarfetch_mcp.py
• FastMCP stdio：python3 scholarfetch_fastmcp.py --transport stdio
• FastMCP SSE：python3 scholarfetch_fastmcp.py --transport sse --host 127.0.0.1 --port 8000
• FastMCP 可流式传输的 HTTP：python3 scholarfetch_fastmcp.py --transport streamable-http --host 127.0.0.1 --port 8000 --http-path /mcp

验证：

python3 scholarfetch_mcp.py --self-test
python3 scholarfetch_fastmcp.py --self-test

公开演示端点：

• Web 界面：https://huggingface.co/spaces/Laibniz/ScholarFetch_Web
• 公开 MCP 端点：https://laibniz-scholarfetch-web.hf.space/mcp/
• MCP Registry 条目：io.github.laibniz/scholarfetch

MCP 研究模型

MCP 服务专为 Agent 工作流设计，而不仅仅是处理一次性调用。

Agent 可以：

1. 搜索论文
2. 确定作者身份
3. 扩展到作者的论文
4. 阅读摘要／全文
5. 扩展参考文献
6. 将有潜力的论文保存到命名的内存阅读列表中
7. 将阅读列表导出为：
   • 引文
   • 摘要
   • BibTeX
   • 全文语料库

这样，Agent 就能在一个 MCP 会话中构建一个聚焦的研究集，然后将导出内容交给另一个综合步骤。

详细的工具模型请参阅 MCP_SERVER.md。

仓库文件

• scholarfetch.py：CLI 入口点
• scholarfetch_cli.py：核心 CLI 和检索逻辑
• scholarfetch_mcp.py：经典 MCP 服务
• scholarfetch_fastmcp.py：FastMCP 服务
• MCP_SERVER.md：MCP 使用指南
• AGENTS.md：面向 Agent 的工作流指南
• SKILL.md：结构化研究技能指南
• SKILLS.md：面向 Agent 的技能文档索引
• CONTRIBUTING.md：贡献者须知

面向 Agent

如果你在兼容 MCP 的系统中运行 ScholarFetch，请阅读：

• AGENTS.md
• SKILL.md
• SKILLS.md

这些文档说明了如何将 ScholarFetch 用作文献研究环境，而不是简单的搜索 API。

贡献

请参阅 CONTRIBUTING.md。

安全

请参阅 SECURITY.md。

许可证

MIT 许可证。请参阅 LICENSE。