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
- 01按主题搜索并保存 arXiv 论文
- 02提取已保存论文的详情
- 03查看主题下的论文摘要
- 04列出已保存的主题文件夹
- 05通过提示词模板生成主题报告
适用场景
- 01发现特定研究主题的论文
- 02提取已保存论文的信息
- 03按主题查看论文摘要
- 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。
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。
🚀 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)
- 将此项目推送到 GitHub
- 在 Render 上创建新的 Web 服务
- 使用以下设置:
- 环境: Docker
- 端口: 8001
- 启动命令:(留空,由 Dockerfile 处理)
- 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。
📚 致谢
本项目是 DeepLearning.AI Claude Agent Systems 课程的一部分。
评论
支持 Markdown
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。