mcpField
O
Overleaf for AI agents (olmcp)

Overleaf for AI agents (olmcp)

本地服务
github.com/nipdep生产力02 天前更新

关于 Overleaf for AI agents (olmcp)

olmcp 将 AI Agent 接入 Overleaf,使其使用用户的会话处理审阅评论。默认以跟踪更改方式提出编辑,是否接受编辑及解决评论串仍由人工审阅者决定。

主要功能

  1. 01读取评论、讨论串、选中文本和项目文件
  2. 02以跟踪更改方式提出编辑
  3. 03在评论串中回复
  4. 04修改待处理的建议
  5. 05创建文本文件和文件夹
  6. 06编译项目并在本地保存 PDF

适用场景

  1. 01为 Overleaf 论文评论草拟回复
  2. 02要求重新生成一版编辑建议
  3. 03添加新章节或参考文献文件
  4. 04编译 Overleaf 项目并保存 PDF

MCP 相关

它在本地作为 MCP 服务运行,并使用用户的 Overleaf 会话。工具可读取项目内容、提出编辑并回复审阅讨论串,但接受编辑和管理讨论串由用户负责。

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。

mcp.json · 通用配置
{
"mcpServers": {
"nipdep-agent-overleaf-connector": {
"command": "npx",
"args": [
"-y",
"olmcp"
],
"env": {
"OVERLEAF_SESSION": "<OVERLEAF_SESSION>",
"OVERLEAF_BASE_URL": "<OVERLEAF_BASE_URL>"
}
}
}
}
启动命令npx -y olmcp
需要配置的环境变量
OVERLEAF_SESSION密钥Your Overleaf session cookie (overleaf_session2). Optional: `olmcp auth` stores it in ~/.config/olmcp instead.
OVERLEAF_BASE_URLOnly for a self-hosted Overleaf, e.g. https://overleaf.example.edu. Defaults to https://www.overleaf.com.

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
npmolmcp1.0.0-alpha.3

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

站在叶片上的 Agent

Agent–Overleaf Connector(olmcp)

tests

olmcp 让 AI Agent 能够回复 Overleaf 项目中的审阅意见。

你在 Overleaf 中发表评论。Agent 会读取评论和所选文本,以 Overleaf 跟踪更改的形式提出编辑建议,并在同一讨论串中回复。你仍然是审阅者:接受或拒绝编辑,并关闭讨论串。

olmcp 没有托管后端:连接器在你的电脑上运行,并使用你的 Overleaf 会话。你选择的 AI 客户端仍可能根据该客户端自身的隐私条款,将 MCP 结果发送给其模型提供商。

工作流

1. You select text and leave a comment in Overleaf.
2. The agent reads the comment and the live project.
3. The agent proposes a tracked change and replies in the thread.
4. You accept, reject, request another version, or resolve the thread.

默认情况下,编辑是一个建议,而不是静默替换。Overleaf 会将原文显示为跟踪删除,并将建议文本显示为跟踪插入。

项目状态: 1.0.0-alpha.3。核心审阅流程已在真实 Overleaf 项目中使用;待处理建议修订、文件创建等较新功能仍需在真实服务中测试。请先使用一个临时项目。

MCP 可以做什么,不能做什么

可以做明确不能做
读取项目中的评论、讨论串、所选文本和文本文件替你接受或拒绝跟踪更改
在 review 模式下提出跟踪编辑建议解决、重新打开、关闭或删除评论讨论串
在你明确使用 #direct 时应用普通编辑覆盖或删除现有文件
在评论讨论串中回复编辑使用 Overleaf 不支持的较新历史记录格式的文档
在你要求提供另一个版本时修订自己的待处理建议创建图像、PDF 或其他二进制项目文件
创建新的文本文件和缺失的文件夹在后台持续运行或监视新评论
在 Overleaf 上编译项目并在本地保存 PDF为 Agent 提供单独的 Overleaf 身份;更改将使用你的账户

工具接口会强制执行这些限制。不过,拥有不受限 Shell 访问权限的 Agent 可以读取已存储的会话 Cookie,并绕过 MCP 联系 Overleaf。请参阅安全与信任。

快速开始

你需要 Node.js 20 或更高版本、一个 Overleaf 账户,以及支持 MCP 的 Agent,例如 Claude Code 或 Codex。你不需要 Python、TeX 或 Overleaf 的付费 Git 集成。当前基于 GitHub 的安装可能还需要 git 命令;正常使用不需要。

1. 安装 olmcp
npm install -g github:nipdep/agent-overleaf-connector
olmcp --version
2. 登录 Overleaf

从浏览器的开发者工具中复制 overleaf_session2 Cookie,然后运行:

olmcp auth --cookie "<cookie value>"

请将此 Cookie 视同密码。切勿将其粘贴到 Agent 聊天、问题帖或提交中。设置指南说明了在哪里查找 Cookie,以及过期后该怎么做。

3. 注册 MCP 服务

选择你的 Agent,然后重新启动:

# Claude Code
claude mcp add --scope user olmcp -- "$(which olmcp)" mcp

# Codex
codex mcp add olmcp -- "$(which olmcp)" mcp

Windows PowerShell 命令和其他 MCP 客户端的说明请参阅连接 AI Agent。

4. 提供项目 URL

无需项目文件夹或克隆。连接 MCP 后,将 Overleaf 项目 URL 粘贴到请求中:

处理 https://www.overleaf.com/project/&lt;project-id> 中的评论。

如果你不想每次都粘贴 URL,可以使用 olmcp init 将项目 ID 保存在工作文件夹中。请参阅选择项目。

5. 处理评论

在 Overleaf 中,选择一个句子并评论“让这段更清楚”。然后告诉你的 Agent:

处理 https://www.overleaf.com/project/&lt;project-id> 中的评论。

返回 Overleaf 审阅跟踪编辑。你可以接受或拒绝,也可以回复并提出其他要求,或自行解决讨论串。

日常控制

当你想要……在 Overleaf 中执行此操作
提出可正常审阅的编辑留下一条普通评论;默认模式为 review
应用编辑而不跟踪更改在评论中添加 #direct
不让 Agent 处理某个讨论串添加 #no-agent
让 Agent 专注于特定讨论串在相应评论中添加 #agent
为待处理的建议请求另一个版本在同一讨论串中回复,例如“请缩短一些”,然后再次运行 Agent
添加新的章节或参考文献文件在评论中提出请求;新文件会立即出现,而 \input 或参考文献编辑会单独作为建议提出
结束讨论自行解决该讨论串

阅读使用 olmcp,了解示例、模式、标签、文件创建和完整的 MCP 工具列表。

重要安全细节

  • 跟踪的更改会归属于你的 Overleaf 账户,因为连接器使用你的会话。
  • 新创建的文件无法作为跟踪更改。它会立即出现;连接器绝不会覆盖或删除文件。
  • #direct 更改会立即生效。如需撤销,请使用 Overleaf History。
  • 该接口未经官方认可,Overleaf 更新后可能会失效。
  • 会话 Cookie 通常会在几天后过期。当 olmcp doctor 报告会话已过期时,请再次运行 olmcp auth。

文档

版本发布变更请见变更日志。已停用的 Python 工作流——Git 同步、源代码标记、redline.tex 和 GitHub Actions——仍保留在 python-legacy 分支中。

Logo 文件:PNG · SVG

许可证和鸣谢

Apache 2.0。请参阅 LICENSE。Overleaf 协议处理采用了 Alexander Loth 的 olcli(MIT)所使用的方法;请参阅 THIRD_PARTY_NOTICES.md。

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。