paper-mcp

paper-mcp

可远程调用的学术论文搜索、全文检索和图像→LaTeX MCP 服务，托管于 https://latex-tools.online/mcp。

三个语料库通过一个统一的接口提供服务：

• arxiv（默认）——搜索、元数据和全文（HTML / markdown / LaTeX 源码）
• semanticscholar（别名 s2）——完整的 S2 API 功能：引文图谱、作者、推荐、全文片段、批量数据集
• openalex（别名 oa）——包含 3.16 亿条全字段作品：引文图谱、含 h-index 的作者、机构、主题、影响力指标

此外，还提供融合三个语料库结果的统一 search_all、图像→LaTeX OCR，以及 LaTeX 检查 + PDF→文本工具。

---

工具（41）

通用 / 与来源无关（8）

工具	用途
search_all(query, max_results=10, sources='arxiv,semanticscholar,openalex')	统一搜索。 并发查询全部三个语料库，按 DOI / 标题去重，并使用倒数排名融合重新排序。每条结果都附带 sources（发现该结果的来源）和用于后续调用的 ids 映射。广泛检索时优先使用此工具。
search_papers(query, source='arxiv', max_results=10, sort_by='relevance')	单个语料库搜索。arXiv 的 query 支持纯文本或字段语法（ti: au: cat:cs.CL abs: + AND/OR）。
get_paper(paper_id, source='arxiv')	获取一篇论文的完整记录。S2 ID 支持 S2 ID / DOI: / ARXIV: / CorpusId:。
search_by_author(author, source='arxiv')	按作者搜索论文，按最新发表时间排序。
list_recent(category, source='arxiv')	获取某个类别（arXiv 代码或 S2 研究领域）中的最新论文。
list_categories(source='arxiv')	常见类别代码。
read_paper(paper_id, format='markdown')	全文（arXiv）。 markdown = 含 $LaTeX$ 公式的正文；html = 原始 LaTeXML 页面；latex = 原始论文 .tex 源码。
list_paper_sources()	可用的语料库。

read_paper 的获取链：arxiv.org/html/{id} → 回退到 ar5iv（markdown/html），或获取 arxiv.org/e-print/{id} tarball 中的主 .tex 文件（latex）。公式通过 LaTeXML 的 alttext 不变量恢复。

医学 / 按证据等级排序（1）

工具	用途
search_medical(query, study_types='rct,meta-analysis,systematic-review', year_from=0, max_results=10, fetch_fulltext=True)	临床文献搜索。 查询 PubMed，通过 Publication-Type 标签按研究类型筛选，并按证据金字塔重新排序（荟萃分析 / 系统综述 > RCT > 队列研究 > …），因此真正的临床试验会排在那些因纯引文排序而靠前的高被引综述 / 指南之前。通过 PMID 从 Europe PMC 获取开放获取全文并附加到结果中。如果类型筛选没有结果，则会自动放宽条件（标记为 filter_relaxed）。query 是英文关键词 / 布尔文本——自然语言 / 多语言查询理解应在上游处理。基于 NCBI E-utilities + Europe PMC（均免费，无需密钥）。

图像 → LaTeX（3）

无需自备视觉模型，即可将公式或表格图像（例如从论文中裁剪的图）转换回 LaTeX。由同机部署的识别服务提供支持（PaddleOCR-VL / DeepSeek-OCR / texify）。

工具	用途
recognize_formula(image_url=... or image_base64=..., model='deepseek-ocr')	公式图像 → LaTeX。image_url 会在服务端下载（带 SSRF 防护）。返回 {latex, model, elapsed_ms}。
recognize_table(image_url=... or image_base64=..., model='deepseek-ocr')	表格图像 → LaTeX tabular。
list_ocr_models()	可用的 OCR 模型（deepseek-ocr、paddleocr-vl、texify）。

LaTeX 工具（3）

latex-tools.online 上 LaTeX/PDF 网页工具的配套工具——使用相同的后端，通过 MCP 提供。

工具	用途
lint_latex(code)	检查 LaTeX 代码片段中的错误，并返回自动修复后的版本。返回 {errors, fixed_code, summary_en, summary_zh, elapsed_ms}。
extract_pdf(pdf_url=... or pdf_base64=..., formula=True, table=True)	通过 MinerU 将 PDF 转换为整洁的 Markdown/LaTeX 文本（适用于没有开放获取全文的论文）。pdf_url 会在服务端下载（有 SSRF 防护）。按内容寻址并缓存：近期处理过或较小的 PDF 会在一次调用中返回 content；新 PDF（MinerU 需要 GPU，耗时数分钟）会返回 status='running' 和 task_id。
extract_pdf_result(task_id)	按 task_id 获取 extract_pdf 任务。status='done' 后返回 content；处于 'running' 状态时，content 为 null——稍后再次调用。

OpenAlex（8）

• 作品： get_openalex_work · get_openalex_citations · get_openalex_references · search_openalex_works（筛选条件：年份范围、开放获取、最低引用数、机构）
• 作者/机构： search_openalex_authors · search_openalex_institutions
• 分析： get_openalex_trends · list_openalex_topics

Semantic Scholar（18）

• 图谱： get_paper_citations · get_paper_references · get_paper_authors
• 查找： match_paper_title · autocomplete_papers
• 批量： search_papers_bulk（≤1000，可排序，按 token 分页）· get_papers_batch
• 作者： search_authors · get_author · get_author_papers · get_authors_batch
• 全文： search_snippets（在论文正文中搜索）
• 推荐： recommend_papers_for_paper · recommend_papers_from_examples
• 数据集： list_dataset_releases · get_dataset_release · get_dataset_download_links · get_dataset_diffs

---

目录结构

paper_mcp/
  server.py            FastMCP server (tool registrations + instructions)
  models.py            normalized Paper model
  aggregate.py         cross-source fusion (dedup + Reciprocal Rank Fusion)
  sources/
    base.py            source registry (get_source / list_sources)
    arxiv.py           arXiv Atom API + read_paper (HTML/markdown/latex)
    semanticscholar.py Semantic Scholar full API surface
    openalex.py        OpenAlex REST API (works/authors/institutions/topics)
    recognize.py       image→LaTeX client over the co-located recognize service
    latextools.py      lint + PDF-extract clients over the latex-tools services
pyproject.toml

本地运行

cd paper-mcp
python -m venv .venv && . .venv/bin/activate
pip install -e .
PAPER_MCP_PORT=9400 python -m paper_mcp.server
# MCP endpoint at http://127.0.0.1:9400/mcp (JSON-RPC; a plain GET returns 406)

环境变量

变量	默认值	说明
PAPER_MCP_HOST	127.0.0.1
PAPER_MCP_PORT	9400
PAPER_MCP_PATH	/mcp
SEMANTIC_SCHOLAR_API_KEY	—	可选；可提高 S2 速率限制。
MCP_MAX_PER_HOUR	300	每个 IP 的直接客户端 JSON-RPC POST 额度。
MCP_WORKER_MAX_PER_HOUR	300	按 HMAC 派生的连接密钥计算的可信反向代理 Worker 额度。不保留原始密钥。
MCP_WORKER_SHARED_MAX_PER_HOUR	2400	所有可信 Worker 连接共享的上限。
MCP_RATE_COOLDOWN_SEC	300	某个计数桶达到上限后，快速拒绝请求的最短冷却时间。

---

说明

• arXiv 调用会以礼貌的频率限制并在失败时重试（_USER_AGENT、退避）。
• read_paper 可通过官方 HTML 覆盖约 80% 以上的论文；较早的扫描版论文可能没有全文。
• 于 2026-06-07 从 docs 仓库迁移至此；原副本已删除。

---

许可证

MIT © MCPServings。参见 LICENSE。