Plugin für akademische Forschung

Dieses Repository ist eine wiederverwendbare Open-Source-Referenzimplementierung für ein privates/Developer-Mode-Plugin für akademische Forschung. Es bietet einen nachvollziehbaren Workflow für wissenschaftliche Suche und Evidenz über einen stdio-MCP-Server und eine Codex-Fähigkeit.

Dies ist keine öffentliche Bereitstellung im OpenAI-Plugin-Verzeichnis. Ein Entwickler muss seinen eigenen OpenAI-Platform-Tunnel, Laufzeit-Anmeldedaten, ChatGPT-Developer-Mode-MCP-Verbindung und lokale .app.json-Verdrahtung erstellen. Diese Werte sind in diesem Repository bewusst nicht enthalten.

V0.1.0-Status

Die veröffentlichte V0.1.0-Plugin-Funktionalität ist eingefroren. Die Implementierung bewahrt die Anbieterverträge, Schemata, Such- und Ranking-Regeln, Evidenzstufen, Herkunftsanforderungen, Sicherheitsgrenzen, das MCP-Protokollverhalten und den Fähigkeits-Workflow des Designdokuments.

Die vom Betreiber genehmigte V0.1.0-Änderung macht den ScholarRead-Direktvergleich optional und aufgeschoben. Die Release-Validierung bleibt nicht-vergleichend und umfasst Unit-, Anbietervertrags-, Integrations-, Sicherheits-, deterministische Wiedergabe-, MCP-Protokoll- sowie Fähigkeitsaktivierungs-/Ausgabetests, zusammen mit den eigenständigen Korrektheits-, Identifikator-, Evidenz-, Herkunfts-, Degradations- und Sicherheitsvorkehrungen. Siehe docs/SPEC_AMENDMENT_V0.1.0.md.

Related MCP server: Academic Paper MCP HTTP/SSE Server

Was das Plugin tut

• Durchsucht unterstützte wissenschaftliche Anbieter unter Verwendung deterministischer Anfrage- und Fusionsregeln.

• Kanonisiert und löst wissenschaftliche Identifikatoren konservativ auf, ohne Identifikatoren zu erfinden oder stillschweigend unscharfe Zusammenführungen vorzunehmen.

• Ruft begrenzten, unterstützten Volltext ab und meldet Evidenzstufe sowie nicht verfügbare/nicht unterstützte Inhalte ausdrücklich.

• Durchläuft Zitationsbeziehungen mit herkunftserhaltenden Ergebnissen.

• Stellt die eingefrorenen MCP-Tools über den gebauten Server unter dist/src/server.js bereit.

• Aktiviert die evidenzbasierte Literaturrecherche-Fähigkeit für prüfbare Forschungsworkflows.

Repository-Inhalt

• ACADEMIC_RESEARCH_PLUGIN_DESIGN.md — normative Implementierungsspezifikation.

• SOURCE_AUDIT.md — historischer Verifikationsnachweis; es ist keine alternative Designautorität.

• src/ — TypeScript-MCP-Server, Anbieter, Suche, Volltext, Herkunft und Sicherheitscode.

• skills/ — die gebündelte akademische Literaturrecherche-Fähigkeit.

• .codex-plugin/plugin.json — eingefrorenes V0.1.0-Plugin-Manifest.

• .app.json.example — sichere lokale Verdrahtungsvorlage. Die echte .app.json wird ignoriert.

• docs/PUBLIC_SETUP.md — unabhängige Reproduktionsanleitung.

• tests/ — Unit-, Vertrags-, Sicherheits-, Integrations- und Benchmark-Testvorrichtungen.

Die offizielle OpenAI-tunnel-client-Quelle und -Binärdatei sind nicht enthalten. Beziehen Sie sie aus den aktuellen OpenAI-Platform-Tunneleinstellungen oder dem offiziellen openai/tunnel-client-Repository, wenn Sie eine private MCP-Verbindung benötigen.

Voraussetzungen

• Git.

• Node.js 24.19.0 und npm 11.17.0, wie vom Design festgelegt.

• Ein OpenAI-Konto mit Zugriff auf den ChatGPT-Developer-Modus und die relevanten Platform-Tunnelberechtigungen für private Tests.

• Anbieter-Anmeldedaten nur für die Anbieter, die Sie verwenden möchten. Die deterministischen Tests verwenden Testvorrichtungen und benötigen keine Live-Anbieter-Anmeldedaten.

• Der offizielle tunnel-client nur für private ChatGPT-/Codex-MCP-Konnektivität; er wird für lokale Unit- oder Vertragstests nicht benötigt.

Die aktuelle OpenAI-Dokumentation besagt, dass der Secure MCP Tunnel den MCP-Server privat hält, eine ausgehende Verbindung verwendet und Developer-Mode-Tests, aber keine öffentliche Plugin-Einreichung unterstützt. Secure MCP Tunnel

Installation aus einem frischen Klon

Aus einem sauberen Klon:

git clone <your-repository-url>
cd academic-research-plugin
npm ci
cp .env.example .env

Verwenden Sie unter Windows PowerShell Copy-Item .env.example .env anstelle von cp. Behalten Sie .env lokal bei; es wird von Git ignoriert.

Umgebungsvariablen

.env.example enthält nur Namen. Setzen Sie nur die Werte, die für die Anbieter und lokalen Integrationen benötigt werden, die Sie aktivieren:

Die Anwendung benötigt keinen generischen öffentlichen HTTP-Listener. Der MCP-Server ist stdio-only, und der Tunnel-Client leitet Anfragen an das exakte gebaute Artefakt dist/src/server.js weiter.

Build und Test

Das Design legt die Laufzeit- und Abhängigkeitsversionen fest. Führen Sie die entsprechenden Prüfungen aus dem Repository-Stammverzeichnis aus:

npm run verify:env
npm run verify:contracts
npm run build
npm run test:unit
npm run test:contract
npm run test:security
npm run test:integration
npm run verify:plugin

Das Build-Artefakt, das vom Design benötigt wird, ist:

dist/src/server.js

npm run benchmark ist eine optionale Bewertung nach der Veröffentlichung. Es darf nicht als V0.1.0-Release-Tor behandelt werden, wenn es den aufgeschobenen ScholarRead-Direktvergleich erfordert; erstellen Sie keine synthetisierten Vergleichsergebnisse.

Erstellen eines privaten Secure MCP Tunnels

1. Erstellen oder wählen Sie in den OpenAI-Platform-Tunneleinstellungen einen Tunnel und kopieren Sie dessen eigene tunnel_id.

2. Erstellen oder erhalten Sie den Laufzeit-API-Schlüssel, der von tunnel-client benötigt wird. Bewahren Sie ihn lokal über den offiziellen Geheimnis-/Umgebungsmechanismus als CONTROL_PLANE_API_KEY auf. Fügen Sie ihn niemals in ein Issue, einen Chat, eine Repository-Datei, .env.example, .app.json oder einen Befehl ein, der im Verlauf aufgezeichnet wird.

3. Bauen Sie dieses Repository und stellen Sie sicher, dass dist/src/server.js existiert.

4. Laden Sie den aktuellen offiziellen tunnel-client herunter oder bauen Sie ihn gemäß der offiziellen Secure-MCP-Tunnel-Anleitung. Kopieren Sie die Binärdatei oder Quelle nicht zur Veröffentlichung in dieses Repository.

5. Konfigurieren Sie das offizielle benannte stdio-Profil. Der Befehl und das Ziel unten folgen dem designgemäßen Pfad; ersetzen Sie nur die Platzhalter durch die auf Ihrem Rechner erstellten Werte:

export CONTROL_PLANE_API_KEY="<set-locally-through-your-secret-mechanism>"

tunnel-client init \
  --sample sample_mcp_stdio_local \
  --profile academic-research-local \
  --tunnel-id "<YOUR_TUNNEL_ID>" \
  --mcp-command "node /ABSOLUTE/PATH/TO/academic-research-plugin/dist/src/server.js"

tunnel-client doctor --profile academic-research-local --explain
tunnel-client run --profile academic-research-local

Verwenden Sie unter Windows PowerShell die PowerShell-Befehlszeilensyntax der ausführbaren Datei und dieselben Argumente. Lassen Sie das Profil laufen, während Sie die ChatGPT-Verbindung erstellen oder testen. Die offizielle Anleitung dokumentiert die lokalen Health-Endpunkte /healthz, /readyz, /metrics und /ui; bestätigen Sie den Healthy- und Ready-Status vor dem Testen.

Für eine langlebige Bereitstellung führen Sie dieses offizielle Profil über den Dienst-/Supervisormechanismus aus, der zu Ihrem Host passt, und bewahren Sie dieselbe reine-Ausgehend-Grenze. Ersetzen Sie den offiziellen Tunnelablauf nicht durch einen Ad-hoc-öffentlichen Listener.

Registrieren Ihrer eigenen ChatGPT-Developer-Mode-Verbindung

Der OpenAI-Developer-Mode-Workflow ist getrennt von der Platform-Tunnelberechtigung. Der aktuelle dokumentierte Ablauf ist:

1. Öffnen Sie in ChatGPT Einstellungen → Sicherheit und Anmeldung und aktivieren Sie den Entwicklermodus, wenn die Richtlinie Ihres Kontos/Arbeitsbereichs dies zulässt.

2. Öffnen Sie die ChatGPT-Plugins-/Developer-Mode-Verbindungsoberfläche und wählen Sie die Schaltfläche +.

3. Geben Sie Ihren eigenen benutzerfreundlichen Namen und Ihre eigene Beschreibung ein.

4. Wählen Sie unter Verbindung die Option Tunnel und wählen Sie dann Ihren eigenen verfügbaren Tunnel aus oder geben Sie Ihre eigene tunnel_id ein.

5. Erstellen Sie die Verbindung und überprüfen Sie die erkannten Tools und Metadaten.

Dies ist eine private/Developer-Mode-Verbindung, keine Einreichung im öffentlichen Plugin-Verzeichnis. Die offizielle Verbindungsanleitung dokumentiert dieselben Developer-Mode- und Tunnel-Schritte: Verbinden und Testen Sie Ihr Plugin.

Der Design-Packaging-Vertrag erfordert, dass die technische ID, die vom Verbindungs-Workflow zurückgegeben wird, mit plugin_asdk_app beginnt. Kopieren Sie die genaue ID, die Ihr eigener Verbindungs-/Packaging-Workflow anzeigt; erfinden Sie niemals eine. Erstellen Sie dann die ignorierte lokale Verdrahtungsdatei:

cp .app.json.example .app.json

Ersetzen Sie nur plugin_asdk_app_REPLACE_WITH_YOUR_REGISTERED_TECHNICAL_ID durch Ihre eigene registrierte technische ID. Validieren Sie sie lokal, ohne sie in Git offenzulegen:

node scripts/verify-plugin.mjs --expected-app-id "<YOUR_PLUGIN_ASDK_APP_ID>"

Der öffentliche Klon besteht npm run verify:plugin im Vorlagenmodus ohne .app.json. Die Angabe von --expected-app-id erfordert absichtlich die echte lokale .app.json. Die .app.json-Datei wird ignoriert und muss benutzerlokal bleiben.

Verwendung im privaten/Developer-Modus

Nachdem der Tunnel healthy/ready meldet und ChatGPT die MCP-Tools erkannt hat, starten Sie eine neue Konversation, fügen Sie die private Verbindung über das Tools-Menü hinzu und führen Sie repräsentative wissenschaftliche Anfragen aus. Prüfen Sie Anbieter-Degradation, Evidenzstufen, Herkunft, Identifikatorverhalten, Meldung nicht unterstützter Inhalte und Tool-Ergebnisse gegen das Design.

Verwenden Sie für lokale Codex- oder andere stdio-MCP-Clients den exakten gebauten Befehl:

node /ABSOLUTE/PATH/TO/academic-research-plugin/dist/src/server.js

Der Integrationstest übt die MCP-Initialisierung und die eingefrorene Tool-Liste. Setzen Sie diesen stdio-Server nicht als unabhängig erreichbaren öffentlichen HTTP-Dienst ein.

Grenze der öffentlichen Veröffentlichung

Dieses Repository ist als Open-Source-GitHub-Referenz-/Vorlagenprojekt zur Veröffentlichung bestimmt. Die Veröffentlichung auf GitHub veröffentlicht keine OpenAI-App, registriert kein öffentliches Plugin, erstellt keinen Tunnel oder gewährt irgendjemandem Zugriff. Jeder Entwickler muss seine eigenen OpenAI-Ressourcen erstellen und schützen und den privaten/Developer-Modus verwenden.

Führen Sie vor der Veröffentlichung die in docs/PUBLIC_SETUP.md beschriebenen Geheimnis- und Verlaufsprüfungen des Repositorys aus, überprüfen Sie das vollständige Diff und bestätigen Sie, dass keine lokale .app.json, .env, kein Tunnelmaterial, keine generierte Build-Ausgabe und keine maschinenspezifischen Dateien getrackt werden.

Referenzen

• Normative Repository-Spezifikation: ACADEMIC_RESEARCH_PLUGIN_DESIGN.md.

• Historischer Vertragsnachweis: SOURCE_AUDIT.md.

• OpenAI Secure MCP Tunnel: https://developers.openai.com/api/docs/guides/secure-mcp-tunnels.

• OpenAI-Plugin-Verbindung/-Test: https://developers.openai.com/plugins/deploy/connect-chatgpt.

• Offizielle tunnel-client-Quelle: https://github.com/openai/tunnel-client.