//// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction ////

Literature Review MCP Server

一个面向研究生论文级别文献综述的学术论文管理与分析工具。支持 Model Context Protocol (MCP) 标准，提供多源学术搜索、智能压缩、批量分析、跨文献综述生成等功能。

专为研究生论文级别的文献综述设计，确保学术严谨性和高质量输出！

核心功能

📚 完整文献综述工作流

1. 多源学术搜索：跨 DBLP、OpenReview、Papers With Code 等数据源智能搜索

2. 批量下载与分析：并发下载 PDF，生成单篇深度综述（低温度，学术严谨）

3. 跨文献综述生成：基于单篇综述生成详细的跨论文综合分析（≥4000字）

4. 综述导出：导出单篇/跨文献综述为 Markdown 文件

5. Notion 集成：自动生成 Notion 友好格式（需配合 Notion MCP）

🗜️ 智能压缩系统

• 精确 Token 计算：使用 tiktoken 精确计算

• 章节识别与分级压缩：Abstract/Method 100% 保留，Reference 0% 保留

• 滚动压缩：逐步合并，避免一次性处理超长文本

• 语义压缩：LLM 智能压缩，非简单截断

• 实测效果：138K tokens → 38K tokens（压缩率 72.3%）

🤖 多 LLM Provider 支持

• SiliconFlow：默认，支持 Qwen 系列

• Deepseek：高性价比（128K context, 8K output）

• OpenAI：GPT-4o, GPT-4-turbo

• 自定义 API：任何 OpenAI 兼容 API

📊 智能质量评估

• 基于引用数、会议等级、作者声誉、机构等级的综合评分

• 自动识别 A*/A 类会议、顶级学者、名校机构

• 特别关注最近 30 天的新论文

致谢

本项目 Fork 自 arxiv-mcp-server，感谢原作者 @yzfly 的开源贡献。在原项目基础上进行了大量重构和功能扩展（v2.0.0 完全模块化架构）。

安装使用

NPX 方式（推荐）

全局安装

本地开发

⚠️ 重要提示：

• 如果在 MCP 客户端配置中使用本地路径，必须先运行 npm run build 编译项目

• 本地路径必须指向 build/index.js，而不是 src/index.ts

• 每次修改代码后，需要重新运行 npm run build

配置要求

环境变量

支持通过环境变量或 .env 文件配置：

支持的 LLM Provider

获取 API Key：

• SiliconFlow: https://cloud.siliconflow.cn/i/TxUlXG3u

• Deepseek: https://platform.deepseek.com/

• OpenAI: https://platform.openai.com/

数据存储

所有数据自动存储在 ~/.arxiv-mcp/ 目录：

• arxiv-mcp.db - SQLite 数据库（论文、作者、机构、综述）

• pdfs/ - 下载的 PDF 文件

• texts/ - 提取的文本内容

• generated/ - 生成的综述文件

MCP 客户端配置

Claude Desktop 配置

配置文件位置：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

方式 1：使用 NPX（推荐）

其他 Provider 配置：

• Deepseek: 设置 LLM_PROVIDER="custom", LLM_BASE_URL="https://api.deepseek.com/v1", LLM_MODEL="deepseek-chat"

• OpenAI: 设置 LLM_PROVIDER="openai", LLM_MODEL="gpt-4o"

方式 2：使用本地开发版本

注意：路径必须是绝对路径，指向 build/index.js（不是 src/index.ts）

使用示例

完整工作流程

1. 搜索论文

2. 批量下载与分析

自动处理：

• 下载 PDF → 提取文本 → 智能压缩（如需）→ 生成单篇综述（2000-3000字）

3. 生成跨文献综述

生成内容：

• 8 个详细章节（研究领域概述、动机对比、方法论对比、实验分析、创新点、局限性、未来方向、批判性讨论）

• ≥4000 字的深度分析

• 自动保存到 ~/.arxiv-mcp/generated/

4. 导出综述

时间估算：搜索 10s + 下载 30s + 分析 5-10min + 综述 3-5min = 10-15 分钟

主要工具

学术搜索与分析

• search_academic_papers - 多源学术搜索（DBLP、OpenReview、Papers With Code）

• batch_download_papers - 批量下载论文 PDF

• batch_analyze_papers - 批量生成单篇深度综述

综述生成与导出

• generate_unified_literature_review - 生成跨文献综述（≥4000字）

• export_individual_review_to_md - 导出单篇综述为 Markdown

• batch_export_individual_reviews - 批量导出所有单篇综述

传统工具

• search_arxiv - 搜索 arXiv 论文

• download_arxiv_pdf - 下载 PDF

• parse_pdf_to_markdown - 解析为中文 Markdown

• convert_to_wechat_article - 生成微信文章

• process_arxiv_paper - 完整流程处理

Notion 集成

• export_to_notion_full - 完整导出到 Notion

• export_to_notion_update - 增量更新 Notion

完整工具列表和参数说明请参考源码中的 src/tools/tool-registry.ts

开发指南

本地开发

项目架构（v2.0.0）

技术栈

• Node.js >= 18.0.0, TypeScript, MCP

• SQLite (better-sqlite3) - 数据库

• LLM: SiliconFlow / OpenAI / Deepseek / 自定义

• 智能压缩: tiktoken + pdfjs-dist

• 学术数据源: arXiv / DBLP / OpenReview / Papers With Code

故障排除

贡献指南

欢迎贡献！请遵循：

1. Fork 项目 → 创建特性分支 → 提交更改 → 推送分支 → 创建 PR

2. 使用 TypeScript，遵循 ESLint 规范

3. 添加适当的错误处理和测试

4. 保持代码简洁，避免过度设计

详细设计文档见 docs/ 目录。

更新日志

v2.0.0 (2025-10-20) - 重大重构

架构重构：

• 🏗️ 完全模块化设计（index.ts 从 1210 行 → 89 行，减少 93%）

• ✅ 向后兼容（所有工具名称和参数保持不变）

• 🧪 完整测试（单元 + 集成 + 兼容性，57 项全部通过）

• 🗜️ 智能压缩集成（所有 LLM 调用自动使用）

• 🐛 Bug 修复（作者信息、PDF 提取、Markdown 生成等）

新增功能：

• 📝 跨文献综述生成（≥4000字详细分析）

• 📤 综述导出工具（单篇/批量导出为 Markdown）

• 🔧 工具注册表（配置化管理）

• � 增强 LLMProvider（新增便捷方法）

v1.0.0 (2025-10-18) - 首次发布

Fork 自 arxiv-mcp-server，新增：

• 🚀 多 LLM Provider 支持

• 🗜️ 智能压缩系统（138K → 38K tokens）

• ✨ 多源学术搜索（DBLP、OpenReview、Papers With Code）

• 📊 智能质量评估

• 📥 批量并发处理

• 📚 Notion 集成

• 💾 SQLite 数据库

完整更新日志见 CHANGELOG.md

许可证

MIT License - 详见 LICENSE 文件

支持

如果觉得这个项目有用，请给它一个 ⭐！

有问题或建议？欢迎提 Issue！