mcpField
🧠
🧠 FastMCP SSE Server – Research Paper Agent

🧠 FastMCP SSE Server – Research Paper Agent

本地服务
github.com/selinazarzour数据与分析174 周前更新

关于 🧠 FastMCP SSE Server – Research Paper Agent

这是一个基于 FastMCP 的远程服务,帮助研究者搜索 arXiv 论文、提取已保存论文信息并整理主题报告,面向支持 SSE 的 Claude、GPT 等 MCP 客户端。

主要功能

  1. 01按主题搜索并保存 arXiv 论文
  2. 02提取已保存论文的详情
  3. 03查看主题下的论文摘要
  4. 04列出已保存的主题文件夹
  5. 05通过提示词模板生成主题报告

适用场景

  1. 01发现特定研究主题的论文
  2. 02提取已保存论文的信息
  3. 03按主题查看论文摘要
  4. 04起草结构化主题报告

MCP 相关

通过 SSE 向 MCP 客户端提供论文搜索与提取工具、已保存论文资源,以及报告生成提示词。

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


title: MCP_Research_Server app_file: main.py sdk: gradio sdk_version: 5.31.0

🧠 FastMCP SSE 服务 – 研究论文 Agent

这是一个使用 FastMCP 框架构建、可部署且兼容 MCP 的远程服务。它提供以下工具和资源:

  • 搜索 arXiv 上的学术论文
  • 提取已保存论文的信息
  • 为 Claude 或其他大模型 Agent 生成结构化提示词

它旨在与支持 SSE 传输的 Claude、GPT 或任何 MCP 客户端配合使用。


🌐 在线服务

✅ MCP 服务运行于此:
工具 URL(SSE): https://mcp-server-vs1x.onrender.com/sse

要测试服务是否正常运行,只需访问上方链接,即可看到纯文本确认信息。

图片

🚀 功能

  • search_papers(topic):按主题搜索并保存排名靠前的 arXiv 论文
  • extract_info(paper_id):从已存储的 JSON 中检索论文详情
  • get_topic_papers(topic):读取某个主题下所有论文的摘要
  • get_available_folders():列出所有已保存的主题文件夹
  • Claude 用于生成完整主题报告的提示词模板

🧑‍💻 项目结构

.
├── main.py        # Main FastMCP server
├── Dockerfile                # For deployment on Render
├── pyproject.toml            # Python project setup (required by uv)
├── uv.lock                   # Dependency lock file (required by uv)
├── papers/                   # Local storage for downloaded paper info

📦 要求

  • Python 3.11+
  • uv:快速的 Python 包管理器
  • Render.com(用于部署)

🛠️ 本地设置(可选)

git clone https://github.com/YOUR_USERNAME/mcp-sse-server.git
cd mcp-sse-server

# Run with uv (you must have uv installed)
uv pip install --system .
uv run main.py

服务将在 localhost:8001/sse 上运行。


☁️ 在 Render.com 上部署(Docker)

  1. 将此项目推送到 GitHub
  2. 在 Render 上创建新的 Web 服务
  3. 使用以下设置:
    • 环境: Docker
    • 端口: 8001
    • 启动命令:(留空,由 Dockerfile 处理)
  4. 部署 🚀

Render 会提供一个类似这样的 URL:

https://your-app-name.onrender.com/sse

在 Docker 中本地运行:

docker run -p 8001:8001 <your-image-name> python main.py

🧪 使用 MCP Inspector 测试

安装并运行:

npx @modelcontextprotocol/inspector

在 Web UI 中:

  • 传输: SSE
  • URL: https://mcp-server-vs1x.onrender.com/sse

现在,你可以使用 Claude 或自己的聊天机器人调用这些工具并进行实时测试。

界面

📚 致谢

本项目是 DeepLearning.AI Claude Agent Systems 课程的一部分。

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。