mcpField
P
Paperswithcode

Paperswithcode

远程服务
pipeworx.io搜索与检索05 周前更新

关于 Paperswithcode

Paperswithcode 为机器学习与 AI 研究者提供论文检索、详情及相关实现资源。数据来自 Hugging Face Papers,涵盖热门论文以及关联的 GitHub 仓库、模型、数据集和演示空间。

主要功能

  1. 01搜索机器学习与 AI 论文
  2. 02查看热门论文
  3. 03获取论文摘要与关键词
  4. 04查找论文实现及相关资源

适用场景

  1. 01查找特定主题的研究论文
  2. 02浏览当日热门论文
  3. 03查看论文摘要与关联数据
  4. 04寻找论文对应的代码和模型

MCP 相关

向 MCP 客户端提供论文搜索、详情和实现资源查询工具;可通过 Pipeworx 远程服务连接,或作为本地 stdio MCP 服务运行。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://gateway.pipeworx.io/paperswithcode/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

mcp-paperswithcode

论文(机器学习研究)MCP。

属于 Pipeworx — 一个将 AI Agent 连接到 1683+ 个实时数据源的 MCP 网关。

工具

工具描述
search_papers搜索机器学习 / AI 研究论文(通过 Hugging Face Papers,即 Papers with Code 的继任者)。返回 arXiv ID、标题、作者、社区点赞数,以及可用时附带的 GitHub 仓库链接。适用于“关于 的论文”“关于 X 的近期 ML 研究”等查询。
trending_papers获取今日(或指定日期)的热门 ML/AI 论文,通过 Hugging Face Papers 按社区点赞数排序。适用于“有哪些热门 AI 论文”“热门 ML 研究”“本周最佳论文”等查询。
get_paper根据论文的 arXiv ID(例如“2312.00752”)获取完整详情:标题、作者、摘要、AI 生成的总结和关键词、社区点赞数,以及关联模型 / 数据集 / 演示 Spaces 的数量。
get_repositories查找论文的实现(根据 arXiv ID):关联的 GitHub 仓库,以及实现或复现该论文的热门 Hugging Face 模型、演示 Spaces 和数据集——即“论文附带代码”视图。适用于“ 的代码 / 实现”“基于 训练的模型”等查询。

快速开始

添加到你的 MCP 客户端(Claude Desktop、Cursor、Windsurf 等):

{
  "mcpServers": {
    "paperswithcode": {
      "url": "https://gateway.pipeworx.io/paperswithcode/mcp"
    }
  }
}
此端点实际提供的内容

https://gateway.pipeworx.io/paperswithcode/mcp 上的 tools/list 会返回上表中的工具,以及 Pipeworx 共享的元工具——ask_pipeworx、 discover_tools、search_within、remember/recall 和网关级工具集中的其他工具。因此,你看到的工具数量会多于上表:目前,单个工具包端点除了列出该工具包自身的工具,还会列出大约 30 个共享工具。连接的 initialize 响应会说明其确切范围,并且是特定日期的权威答案。

这是有意为之,并非意外复用。元工具可以让限定范围的连接回答此工具包未涵盖的问题——通过 ask_pipeworx 路由到整个目录——而无需你再添加第二个 MCP 服务。目前无法挂载不包含这些工具的工具包端点;如果额外的架构定义所需上下文超过了路由带来的价值,请连接一次完整网关,而不是连接多个工具包端点。

或者,连接完整的 Pipeworx 网关,直接获取每个工具包列出的所有工具,而不仅仅是此工具包的工具:

{
  "mcpServers": {
    "pipeworx": {
      "url": "https://gateway.pipeworx.io/mcp"
    }
  }
}

两个 URL 都会访问同一个网关和同样的 1683+ 个数据源。唯一的区别是哪个工具包的工具会被直接列出;无论通过哪一个端点,ask_pipeworx 都可以访问所有工具。

没有 MCP 客户端?通过 HTTP 调用

curl -X POST https://gateway.pipeworx.io/v1/tools/paperswithcode_search_papers \
  -H 'Content-Type: application/json' \
  -d '{"query":"attention transformer"}'

首次调用无需账户。查看任意工具:GET https://gateway.pipeworx.io/v1/tools/paperswithcode_search_papers。查找工具包:使用 {"query":"..."} 向 https://gateway.pipeworx.io/v1/tools/search_packs 发送 POST 请求。

独立运行(无需网关账户)

此软件包也可以作为本地 stdio MCP 服务运行——无需 Pipeworx 账户,也无需经过网关:

{
  "mcpServers": {
    "paperswithcode": {
      "command": "npx",
      "args": ["-y", "@pipeworx/mcp-paperswithcode"]
    }
  }
}

或者直接运行它,确认服务能启动:

npx -y @pipeworx/mcp-paperswithcode

它通过 stdin/stdout 使用 MCP,并仅针对此工具包的工具响应 initialize/tools/list/tools/call——不包含上述网关连接额外提供的任何共享元工具。数据源相同,工具相同,但没有 ask_pipeworx 路由。

使用 ask_pipeworx

你也可以用通俗英语提问,而不必直接调用工具——此方式既适用于上面的工具包端点,也适用于完整网关:

ask_pipeworx({ question: "your question about Paperswithcode data" })

网关会自动选择合适的工具并填入参数。

更多信息

许可证

MIT

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。