Generate Hypothesis MCP

AstroInsight Research Assistant 是一个强大的基于MCP协议的AI研究论文生成工具，专为科研工作者和学术研究人员设计。该工具通过集成多个AI模型和学术数据源，实现从关键词搜索到完整研究假设生成的全自动化流程，显著提升学术研究效率。

工具简介

本MCP工具是专业的AI驱动研究助手，核心功能包括智能论文检索、事实信息提取、研究假设生成、技术方案优化等完整研究流程。采用多智能体协作架构，支持DeepSeek、Qwen等多个前沿AI模型协同工作，为研究人员提供从文献调研到创新想法生成的一站式解决方案。工具遵循MCP标准协议，可无缝集成到各类AI开发环境中，是提升学术研究效率的强大助手。

核心功能特色

🔍 智能论文检索 - 基于关键词自动搜索ArXiv等学术数据库，精准定位相关研究文献
📊 事实信息提取 - 运用先进的NLP技术从学术论文中提取核心概念、研究方法和关键发现
💡 研究假设生成 - 基于提取的事实信息，智能生成具有创新性的研究假设和思路
⚡ 技术方案优化 - 对初步研究想法进行技术层面的深度优化和可行性分析
🤖 多智能体协作 - 采用MoA (Mixture of Agents) 架构，多个AI模型协同工作提升输出质量
👥 人机协作模式 - 支持研究人员参与指导，实现AI辅助的个性化研究流程

技术架构亮点

🏗️ MCP协议标准 - 基于FastMCP框架构建，完全兼容Model Context Protocol标准，确保与各类AI客户端的无缝集成
🧠 多模型融合 - 深度集成DeepSeek、Qwen等前沿大语言模型，通过模型互补实现更高质量的研究输出
⚙️ 异步任务引擎 - 采用多线程异步处理架构，支持长时间运行的复杂研究任务，提供实时进度监控
📈 智能状态管理 - 内置任务状态跟踪系统，支持任务暂停、恢复和结果持久化存储
🔄 流水线处理 - 将研究流程分解为多个独立模块，支持灵活的工作流定制和优化

MCP工具接口

本工具提供三个核心MCP工具函数，可通过任何支持MCP协议的AI客户端调用：

generate_research_paper

• 功能: 启动完整的研究论文生成流程

• 参数: keyword(研究关键词), search_paper_num(检索论文数量1-20)

• 返回: 任务ID和初始状态信息

get_task_status

• 功能: 查询任务执行状态和进度

• 参数: task_id(任务唯一标识符)

• 返回: 详细的任务状态、进度百分比和结果信息

list_active_tasks

• 功能: 列出所有活跃任务的概览信息

• 参数: 无

• 返回: 当前所有运行中和最近完成的任务列表

安装和使用

环境要求

• Python 3.8+

• 相关依赖包（见requirements.txt）

配置

1. 复制环境变量模板：

2. 配置API密钥：

启动服务

MCP工具使用

该项目提供以下MCP工具：

1. generate_research_paper: 生成研究论文

2. get_task_status: 获取任务状态

3. list_active_tasks: 列出活跃任务

项目结构

开发规范

Git提交规范

• feat: 增加新功能

• fix: 修复问题/BUG

• docs: 文档修改

• style: 代码格式修改

• refactor: 代码重构

• test: 测试用例修改

• chore: 其他修改

代码规范

• 遵循PEP 8编码规范

• 使用类型注解

• 编写完整的文档字符串

• 保持代码简洁易读

贡献指南

1. Fork 本仓库

2. 创建特性分支 (git checkout -b feature/AmazingFeature)

3. 提交更改 (git commit -m 'Add some AmazingFeature')

4. 推送到分支 (git push origin feature/AmazingFeature)

5. 打开 Pull Request

许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情

联系方式

如有问题或建议，请通过以下方式联系：

• 提交 Issue

• 发送邮件至项目维护者

AstroInsight Research Assistant - 让AI助力您的学术研究之旅！