语义学者 MCP 服务器

铁匠徽章

针对 Semantic Scholar API 的 FastMCP 服务器实现，提供对学术论文数据、作者信息和引用网络的全面访问。

项目结构

该项目已重构为模块化结构，以提高可维护性：

semantic-scholar-server/
├── semantic_scholar/            # Main package
│   ├── __init__.py             # Package initialization
│   ├── server.py               # Server setup and main functionality
│   ├── mcp.py                  # Centralized FastMCP instance definition
│   ├── config.py               # Configuration classes
│   ├── utils/                  # Utility modules
│   │   ├── __init__.py
│   │   ├── errors.py           # Error handling
│   │   └── http.py             # HTTP client and rate limiting
│   ├── api/                    # API endpoints
│       ├── __init__.py
│       ├── papers.py           # Paper-related endpoints
│       ├── authors.py          # Author-related endpoints
│       └── recommendations.py  # Recommendation endpoints
├── run.py                      # Entry point script

此结构：

将关注点划分为逻辑模块
使代码库更易于理解和维护
允许更好的测试和未来的扩展
将相关功能分组在一起
集中 FastMCP 实例以避免循环导入

Related MCP server: Semantic Scholar MCP Server

特征

论文检索与发现
- 具有高级过滤功能的全文搜索
- 基于标题的论文匹配
- 论文推荐（单篇和多篇论文）
- 批量检索论文详情
- 具有排名策略的高级搜索
引文分析
- 引文网络探索
- 参考追踪
- 引用上下文和影响分析
作者信息
- 作者搜索和个人资料详情
- 出版历史
- 批量检索作者详细信息
高级功能
- 具有多种排名策略的复杂搜索
- 可自定义的字段选择
- 高效的批量操作
- 速率限制合规性
- 支持经过身份验证和未经身份验证的访问
- 优雅关机和错误处理
- 连接池和资源管理

系统要求

Python 3.8+
FastMCP 框架
API 密钥的环境变量（可选）

安装

通过 Smithery 安装

要通过Smithery自动为 Claude Desktop 安装 Semantic Scholar MCP Server：

npx -y @smithery/cli install semantic-scholar-fastmcp-mcp-server --client claude

手动安装

克隆存储库：

git clone https://github.com/YUZongmin/semantic-scholar-fastmcp-mcp-server.git
cd semantic-scholar-server

安装 FastMCP 和其他依赖项： https://github.com/jlowin/fastmcp
配置 FastMCP：

对于 Claude Desktop 用户，您需要在 FastMCP 配置文件中配置服务器。将以下内容添加到您的配置中（通常在~/.config/claude-desktop/config.json中）：

{
  "mcps": {
    "Semantic Scholar Server": {
      "command": "/path/to/your/venv/bin/fastmcp",
      "args": [
        "run",
        "/path/to/your/semantic-scholar-server/run.py"
      ],
      "env": {
        "SEMANTIC_SCHOLAR_API_KEY": "your-api-key-here"  # Optional
      }
    }
  }
}

请确保：

将/path/to/your/venv/bin/fastmcp替换为 FastMCP 安装的实际路径
将/path/to/your/semantic-scholar-server/run.py替换为机器上 run.py 的实际路径
如果您有 Semantic Scholar API 密钥，请将其添加到env部分。如果没有，您可以完全删除env部分。

开始使用服务器：

现在，您的 Claude Desktop 实例即可使用该服务器。无需手动运行任何命令 - Claude 会在需要时自动启动并管理服务器进程。

API 密钥（可选）

为了获得更高的速率限制和更好的性能：

从Semantic Scholar API获取 API 密钥
将其添加到 FastMCP 配置中，如上图所示，在env部分

如果未提供 API 密钥，服务器将使用速率限制较低的未经身份验证的访问。

配置

环境变量

SEMANTIC_SCHOLAR_API_KEY ：您的 Semantic Scholar API 密钥（可选）
- 从Semantic Scholar API获取密钥
- 如果未提供，服务器将使用未经身份验证的访问

速率限制

服务器自动调整适当的速率限制：

使用 API 密钥：

搜索、批处理和推荐端点：每秒 1 个请求
其他端点：每秒 10 个请求

没有 API 密钥：

所有端点：每 5 分钟 100 个请求
请求超时时间更长

可用的 MCP 工具

注意：所有工具均与Semantic Scholar API 官方文档保持一致。请参阅官方文档，了解详细的字段规范和最新更新。

论文搜索工具

paper_relevance_search ：使用相关性排名搜索论文
- 支持全面的查询参数，包括年份范围和引用计数过滤器
- 返回具有可自定义字段的分页结果
paper_bulk_search ：批量论文搜索，带有排序选项
- 与相关性搜索类似，但针对更大的结果集进行了优化
- 支持按引用次数、出版日期等排序。
paper_title_search ：按精确标题匹配查找论文
- 当你知道标题时，有助于查找特定论文
- 返回具有可自定义字段的详细论文信息
paper_details ：获取有关特定论文的全面详细信息
- 接受各种论文 ID 格式（S2 ID、DOI、ArXiv 等）
- 返回带有嵌套字段支持的详细论文元数据
paper_batch_details ：高效检索多篇论文的详细信息
- 每个请求最多接受 1000 个论文 ID
- 支持与单张纸质明细相同的ID格式和字段

引用工具

paper_citations ：获取引用特定论文的论文
- 返回引用论文的分页列表
- 包含可用的引用上下文
- 支持字段自定义和排序
paper_references ：获取特定论文引用的论文
- 返回参考论文的分页列表
- 包含参考上下文（如有）
- 支持字段自定义和排序

作者工具

author_search ：按姓名搜索作者
- 返回具有可自定义字段的分页结果
- 包括附属机构和出版物数量
author_details ：获取作者的详细信息
- 返回全面的作者元数据
- 包括 H 指数和引用计数等指标
author_papers ：获取作者撰写的论文
- 返回作者出版物的分页列表
- 支持字段自定义和排序
author_batch_details ：获取多个作者的详细信息
- 高效检索多达 1000 位作者的信息
- 返回与单个作者详细信息相同的字段

使用示例

基本论文搜索

results = await paper_relevance_search(
    context,
    query="machine learning",
    year="2020-2024",
    min_citation_count=50,
    fields=["title", "abstract", "authors"]
)

论文推荐

# Single paper recommendation
recommendations = await paper_recommendations_single(
    context,
    paper_id="649def34f8be52c8b66281af98ae884c09aef38b",
    fields="title,authors,year"
)

# Multi-paper recommendation
recommendations = await paper_recommendations_multi(
    context,
    positive_paper_ids=["649def34f8be52c8b66281af98ae884c09aef38b", "ARXIV:2106.15928"],
    negative_paper_ids=["ArXiv:1805.02262"],
    fields="title,abstract,authors"
)

批量操作

# Get details for multiple papers
papers = await paper_batch_details(
    context,
    paper_ids=["649def34f8be52c8b66281af98ae884c09aef38b", "ARXIV:2106.15928"],
    fields="title,authors,year,citations"
)

# Get details for multiple authors
authors = await author_batch_details(
    context,
    author_ids=["1741101", "1780531"],
    fields="name,hIndex,citationCount,paperCount"
)

错误处理

服务器提供标准化的错误响应：

{
    "error": {
        "type": "error_type",  # rate_limit, api_error, validation, timeout
        "message": "Error description",
        "details": {
            # Additional context
            "authenticated": true/false  # Indicates if request was authenticated
        }
    }
}

Semantic Scholar MCP Server