Research MCP

Servidor MCP de solo lectura para investigación académica. Permite que un agente LLM busque artículos, inspeccione metadatos, siga grafos de citas, genere BibTeX y lea textos completos de PDF de acceso abierto, todo mediante herramientas FastMCP.

Requisitos

• Python 3.13+

• uv

• Acceso a Internet para las API públicas (no se requiere clave API)

Cómo funciona

Semantic Scholar está limitado por tasa cuando se usa sin clave, por lo que cada solicitud se reintenta con retroceso exponencial (respetando Retry-After) antes de recurrir a OpenAlex. Los resultados siempre indican al agente qué fuente se usó. La API de arXiv impone una regla de espaciado de ~3 s, que el servidor respeta; DBLP restablece las conexiones en solicitudes rápidas y secuenciales, por lo que las páginas de flujo de sedes se obtienen con un retraso de cortesía de 3 s también.

Caché

Todas las respuestas frágiles de API, resultados de búsqueda, corpus de actas de congresos y PDF se almacenan en caché en disco bajo ~/.cache/research-mcp/ (api/ para respuestas JSON, pdf/ para PDF descargados):

• Aciertos de caché frescos se sirven al instante: las consultas repetidas no tocan la red.

• Corpus de sedes (ensamblados desde páginas de DBLP) se almacenan en caché como un todo, por lo que re-encuestar un programa de conferencia es instantáneo incluso si DBLP pierde una página.

• Respaldo obsoleto: si una API está caída o limitando la tasa, se sirve la última respuesta en caché de todos modos, para que el agente aún obtenga una respuesta.

• TTL de caché: 7 días para arXiv y BibTeX (datos estables), 24 h para búsqueda/metadatos y DBLP. Sobrescribe la ubicación con RESEARCH_MCP_CACHE_DIR.

Configuración

Registra el servidor en la configuración MCP de tu agente de codificación. Por ejemplo, en opencode.json de Opencode:

{
  "mcp": {
    "research-mcp": {
      "command": [
        "uvx",
        "--from",
        "git+https://github.com/404Simon/research-mcp",
        "research-mcp"
      ],
      "enabled": true,
      "type": "local"
    }
  }
}

Variables de entorno (todas opcionales)

Herramientas

search_papers

Busca artículos académicos por palabra clave con filtros opcionales de sede y año. Devuelve resultados estructurados con título, año, sede, autores, DOI, resumen, recuento de citas y un enlace a PDF de acceso abierto cuando está disponible.

source="arxiv" busca en la API de preprints de arXiv y es la forma recomendada de encontrar artículos recientes específicos por nombre exacto, p. ej. query='ti:"carbon intensity" AND abs:forecast' (la sintaxis de campos de arXiv se pasa tal cual). Todos los resultados se almacenan en caché, por lo que las búsquedas repetidas son instantáneas.

venue_proceedings

Encuesta las actas de una sede (lo que realmente se publica allí). Úsalo para comprobar si una idea de artículo encaja en una conferencia como ACM e-Energy.

El corpus completo de la sede se obtiene de DBLP (paginado más allá de su límite de 100 resultados), se clasifica en el lado del cliente y se almacena en caché como un todo: las re-encuestas son instantáneas.

{"results": [
  {"title": "Reinforcement Learning Approach for Optimal Distributed Energy Management in a Microgrid",
   "year": 2018, "venue": "IEEE Transactions on Power Systems",
   "authors": ["Elham Foruzan", "Leen-Kiat Soh", "S. Asgarpoor"],
   "doi": "10.1109/tpwrs.2018.2823641",
   "abstract": "In this paper, a multiagent-based model is used ...",
   "citation_count": 297, "open_access_pdf": null,
   "source": "openalex"}],
 "note": "(Semantic Scholar unavailable — used OpenAlex instead: RequestFailed)",
 "count": 1}

paper_details

Metadatos completos de un artículo. Acepta un DOI (p. ej. 10.1109/tpwrs.2018.2823641), un ID de arXiv (p. ej. 2408.03506, arXiv:2408.03506 o una URL arxiv.org/abs/...) o un ID de OpenAlex.

Devuelve título, autores, sede, año, resumen, TLDR, recuento de citas, DOI y PDF de acceso abierto:

get_citation_graph

Sigue las citas de un artículo hacia adelante o hacia atrás para búsqueda en bola de nieve.

get_bibtex

Genera una entrada BibTeX para un DOI. Usa la transformación nativa de Crossref; recurre a la generación local a partir de metadatos de OpenAlex (maneja DOIs de arXiv que Crossref no conoce).

@article{Foruzan_2018, title={Reinforcement Learning Approach for Optimal Distributed Energy Management in a Microgrid}, volume={33}, ..., author={Foruzan, Elham and Soh, Leen-Kiat and Asgarpoor, Sohrab}, year={2018} }

read_paper_full_text

Descarga un PDF de acceso abierto y extrae su texto con PyMuPDF. Pasa un DOI, un ID de arXiv (p. ej. 2408.03506) o una URL directa de PDF. Los PDF se almacenan en caché localmente (~/.cache/research-mcp/pdf/).

Devuelve el texto extraído, el recuento de páginas, la URL de origen y la ruta en caché. Si no se encuentra una copia de acceso abierto, el agente recibe un mensaje claro que le indica buscar una copia OA o pasar una URL de PDF directamente.

Estructura de archivos

src/
  main.py              # FastMCP server, tool definitions, fallback orchestration
  client.py            # HTTP client with retry/backoff (429/5xx, Retry-After)
  cache.py             # Disk cache (~/.cache/research-mcp/) with stale fallback
  semanticscholar.py   # Semantic Scholar: search, details, citations (optional API key)
  openalex.py          # OpenAlex: search, details, citation graph, OA-PDF resolution
  arxiv.py             # arXiv API: search, ID lookups (3 s politeness, 7-day cache)
  dblp.py              # DBLP: venue proceedings + venue-scoped search (paged corpus cache)
  crossref.py          # Crossref: BibTeX transform + local fallback generator
  pdf.py               # PDF download/validation/caching + PyMuPDF text extraction

No se requiere clave API. Ejecuta uv sync && uv run research-mcp para iniciar el servidor sobre stdio.