Research Methods Library

研究方法库

一个模型上下文协议服务，可依据方法学文本为 AI 助手提供可靠依据：研究设计建议、识别假设、可运行的 R 和 Python 代码，以及每个来源的引用。

研究方法库是一个模型上下文协议（MCP）服务。给定研究问题，它会推荐候选设计，说明其识别假设，返回可运行的 R 和 Python 代码，并为查阅的每个来源提供格式化引用。其索引包含约 17,000 个章节，来源包括 8 本书、一个 R 软件包以及作者的研究文章（列于来源），涵盖因果推断、计量经济学、实验设计、市场研究、信用评分、机器学习和人工智能。

该服务适用于 Claude、ChatGPT、Amazon Bedrock AgentCore、Cursor、Visual Studio Code，以及任何其他兼容 MCP 的客户端。免费访问，无需账户或 API 密钥。

安装

端点： https://research-methods-mcp.vercel.app/mcp。免费访问，无需账户或 API 密钥。

客户端	配置
Claude（网页、桌面和移动端）	设置 → 连接器 → 添加自定义连接器；输入端点
Claude Code	claude mcp add --transport http research-methods https://research-methods-mcp.vercel.app/mcp
ChatGPT	设置 → 启用开发者模式 → 添加一个类型为 MCP 服务的自定义连接器，填写端点且不设置身份验证
Amazon Bedrock AgentCore	将端点添加为 AgentCore Gateway 的 MCP 服务目标，无需出站授权：agentcore add gateway-target --name research-methods --type mcp-server --endpoint https://research-methods-mcp.vercel.app/mcp --gateway <gateway>，然后运行 agentcore deploy
Cursor、Visual Studio Code	使用上方的按钮
Windsurf、Cline、Zed 及其他客户端	将以下 JSON 添加到客户端的 MCP 配置中

{
  "mcpServers": {
    "research-methods": {
      "url": "https://research-methods-mcp.vercel.app/mcp"
    }
  }
}

示例查询

各州在不同年份提高了最低工资。我该如何估计这对青少年就业的影响？

对于此查询，助手会调用 choose_method，该工具会返回分期实施的双重差分法及其适用范围条件、在处理效应存在异质性时传统双向固定效应回归可能产生偏差的原因、需要验证的假设、R 实现（did、fixest、didimputation、HonestDiD）和 Python 实现（csdid、pyfixest、differences），以及相关读物。

给我一段使用梯度提升构建违约概率模型的 Python 代码。

只有加利福尼亚州通过了这项法律，而且我有 30 年的州级数据。我能怎么做？

为我的回归不连续设计撰写方法部分，并提供相关来源的 BibTeX。

每个回答都会链接到所查阅的具体章节，并附上其所依据作品的引用。

工具

工具	功能
choose_method	根据研究问题匹配方法，并说明每种方法的适用场景、关键假设、R 和 Python 软件包及相关阅读材料。收录 62 种精选方法。
search	搜索所有作品中的章节，并提供链接、摘要片段、代码语言和引文。兼容 ChatGPT 深度研究。
fetch	完整读取章节，并提供其中的代码、链接和引文。兼容 ChatGPT 深度研究。
get_code	提供可运行的 R、Python 或 Julia 任务代码，以及所用的软件包。
cite	为已查阅的章节生成 APA、Chicago、MLA、Harvard、BibTeX 或 RIS 格式的参考文献，并按作品去重。
list_sources	列出资料库中的作品（教科书、R 软件包和研究文章），并提供主题、语言、许可证和链接。

提示词（支持这些提示词的客户端中的斜杠命令）：plan_analysis、write_methods_section、explain_method。资源：资料库目录和每部作品的目录。

所有工具均为只读。该服务不会调用大模型，也不会存储用户的任何信息；请参阅隐私政策。

资料来源

作品	代码	章节数	提供内容	许可证
A Guide on Data Analysis	Python、R	1,611	全文	CC BY-NC-SA 4.0
causalverse: The All-in-One Causal Inference Toolkit	R	1,163	全文和函数参考	GPL-3.0
Credit Scoring: Theory, Methods, and Practice	Python	2,578	全文	正文：CC BY 4.0，代码：MIT
Marketing Research: A Technical and Academic Treatment	Python、R	1,820	节选和代码；全文见网站	正文：保留所有权利，代码：MIT
AI in Action: A Reference for Artificial Intelligence	Julia、Python	5,750	节选和代码；全文见网站	保留所有权利
Advanced Data Analysis	Python、R	1,844	全文	CC BY 4.0
Applying Tidy Finance with Python to Vietnam	Python	1,334	节选和代码；全文见网站	保留所有权利
Tài Chính Ứng Dụng với Python	Python	1,309	节选和代码；全文见网站	保留所有权利
Machine Learning in Python	Python	361	全文	CC BY-SA 4.0
Research Articles and Publications	—	7	摘要、DOI 和引文	出版商条款

《A Guide on Data Analysis》中收录于 Springer 纸质卷册的章节，引用时会标注已出版的章节，再标注卷册。例如，一节关于因果推断的内容引用为 Nguyen, M. (2025). Causal inference. In Experimental design (Vol. 4, pp. 7–48). Springer Cham. https://doi.org/10.1007/978-3-032-01839-7_2，所在卷册则引用为 Nguyen, M. (2025). Experimental design (Vol. 4). Springer Cham. https://doi.org/10.1007/978-3-032-01839-7

实现方式

每部作品的源文件（.Rmd、.qmd、.Rd）都会被解析，合并为一个包含章节、代码块和引文的索引。构建索引时，会逐一验证所有链接是否指向已发布的网站：如果某章节的锚点不存在，链接就会指向其章节页面；未发布的页面则会被排除。查询通过内存中的索引作答；整个过程不涉及数据库或大模型。

自托管

docker build -t research-methods-mcp .
docker run -p 8080:8080 research-methods-mcp     # http://localhost:8080/mcp

也可以使用 Node.js：npm ci && npm run build && npm start（监听 127.0.0.1:8787；设置 HOST 和 PORT 可更改）。同一处理程序可通过 api/index.mjs 和 vercel.json（托管端点）运行于 Vercel，也可通过 src/deno.ts 运行于 Deno Deploy。

开发

npm ci
npm run build:index   # parse the book repositories (sibling folders) into data/index.json.gz
npm run build         # bundle dist/stdio.js and dist/http.js
npm test              # end-to-end tests through real MCP clients
npm run check-links   # audit every link in the index against the live sites

添加书籍时，在 sources.yml 中添加条目并重建索引。添加或调整方法时，编辑 methods.yml；如果某个方法指向不存在的章节，构建将失败。

引用

我们请用户引用其参考的作品；cite 工具会格式化参考文献。若要引用服务本身，请参阅 CITATION.cff。

许可证

服务端代码采用 MIT 许可证。它返回的内容沿用各作品自身的许可证，许可证已在上文及 list_sources 工具中列出。