Scholar Feed MCP 서버

Claude Code, Cursor 또는 모든 MCP 클라이언트에서 LLM 기반의 참신성 분석을 통해 56만 건 이상의 CS/AI/ML 연구 논문을 검색하세요.

Scholar Feed는 매일 arXiv 논문을 색인화하고 다중 신호 점수 시스템(최신성, 인용 속도, 기관 평판, 코드 가용성)을 사용하여 순위를 매깁니다. 각 논문에는 LLM이 생성한 요약과 참신성 점수가 포함되어 있습니다.

빠른 시작

npx scholar-feed-mcp init

이 대화형 마법사는 다음을 수행합니다:

API 키 요청 (scholarfeed.org/settings에서 발급)
MCP 클라이언트 감지 (Claude Code, Cursor 또는 Claude Desktop)
구성 작성 및 연결 확인

끝입니다. 다음과 같이 질문해 보세요: "test-time compute scaling에 관한 최근 논문 검색해 줘"

활용 방법

기술 스카우팅 — "이번 달에 발표된 검색 증강 생성(RAG)에 관한 참신한 연구는 무엇인가요?"

문헌 검토 — "2401.04088과 유사한 논문을 찾아서 BibTeX으로 내보내 줘"

트렌드 모니터링 — "이번 주 cs.CV 분야의 트렌드는 무엇인가요? 상위 3개를 요약해 줘."

심층 분석 — "'거대 언어 모델의 추론'에 관한 심층 연구 세션을 실행해 줘"

벤치마크 추적 — "MMLU 리더보드를 보여주고 GPT-4와 LLaMA-3를 비교해 줘"

저자 발견 — "효율적인 LLM 추론 분야에서 활동하는 상위 연구자는 누구인가요?"

수동 설치

Claude Code

claude mcp add scholar-feed -e SF_API_KEY=sf_your_key_here -- npx -y scholar-feed-mcp

Cursor (.cursor/mcp.json)

{
  "mcpServers": {
    "scholar-feed": {
      "command": "npx",
      "args": ["-y", "scholar-feed-mcp"],
      "env": { "SF_API_KEY": "sf_your_key_here" }
    }
  }
}

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "scholar-feed": {
      "command": "npx",
      "args": ["-y", "scholar-feed-mcp"],
      "env": { "SF_API_KEY": "sf_your_key_here" }
    }
  }
}

프로젝트 범위 (.mcp.json)

{
  "mcpServers": {
    "scholar-feed": {
      "command": "npx",
      "args": ["-y", "scholar-feed-mcp"],
      "env": { "SF_API_KEY": "${SF_API_KEY}" }
    }
  }
}

Windows 참고: "command": "cmd"와 "args": ["/c", "npx", "-y", "scholar-feed-mcp"]를 사용하세요.

사용 가능한 도구 (23개)

핵심 검색 및 발견

도구	설명	주요 매개변수
`search_papers`	필터를 포함한 전체 텍스트 키워드 검색	`q`, `category`, `novelty_min`, `days`, `method_category`, `task`, `dataset`, `contribution_type`, `task_category`, `has_results`, `cursor`, `limit`
`get_paper`	arXiv ID로 논문 상세 정보 가져오기	`arxiv_id`, `fields`
`find_similar`	임베딩 + 서지 결합을 통해 유사 논문 찾기	`arxiv_id`, `limit`, `days`
`get_citations`	인용 그래프 (발신 참조 또는 수신 인용)	`arxiv_id`, `direction`, `limit`, `fields`
`whats_trending`	복합 점수 기준 오늘의 트렌드 논문	`category`, `limit`, `fields`, `exclude_ids`
`batch_lookup`	여러 논문을 한 번에 조회	`arxiv_ids` (최대 50개), `fields`

논문 콘텐츠

도구	설명	주요 매개변수
`fetch_fulltext`	LaTeX 소스에서 결과/실험 추출	`arxiv_id`
`fetch_repo`	GitHub 저장소 README + 파일 트리 가져오기	`arxiv_id`
`export_bibtex`	논문 BibTeX 내보내기	`arxiv_ids` (최대 50개)
`get_paper_results`	논문의 구조화된 벤치마크 결과	`arxiv_id`

벤치마크 및 방법론

도구	설명	주요 매개변수
`search_benchmarks`	이름으로 데이터셋/벤치마크 찾기	`q`, `limit`
`get_leaderboard`	데이터셋에 대한 SOTA 리더보드	`dataset`, `metric`, `limit`
`get_benchmark_stats`	점수 분포 통계 (최소, 최대, 중앙값 등)	`dataset`, `metric`
`get_benchmark_timeline`	시간에 따른 원시 점수 데이터 포인트	`dataset`, `metric`
`search_by_method`	기술 이름으로 검색 (LoRA, YOLO, DPO 등)	`q`, `contribution_type`, `task_category`, `limit`
`compare_methods`	벤치마크 전반에 걸친 모델 비교	`models` (2-10개), `dataset`, `metric`

저자

도구	설명	주요 매개변수
`discover_authors`	주제나 이름으로 연구자 찾기	`q`, `field`, `limit`
`get_author`	상세 저자 프로필 (h-index, 주제, 주요 논문)	`author_id`
`get_author_papers`	저자의 모든 논문 (페이지네이션)	`author_id`, `limit`, `page`

연구

도구	설명	주요 매개변수
`get_research_landscape`	주제에 대한 집계된 환경 통계	`q`, `limit`
`deep_research`	다중 라운드 연구 합성 (30-120초)	`topic`, `depth`
`refine_research`	완료된 연구 보고서에 대한 후속 질문	`report_id`, `question`, `date_from`, `date_to`

유틸리티

도구	설명	주요 매개변수
`check_connection`	API 키 확인, 플랜 및 사용량 표시	—

참신성 점수

모든 논문은 0.0에서 1.0 사이의 llm_novelty_score를 가집니다:

범위	의미	예시
0.7+	패러다임 전환 또는 광범위한 SOTA	분야를 바꾸는 새로운 아키텍처
0.5-0.7	확실한 결과가 있는 새로운 방법	명확한 이득이 있는 새로운 학습 기법
0.3-0.5	점진적 개선	알려진 방법을 새로운 도메인에 적용
<0.3	설문, 데이터셋 또는 사소한 확장	문헌 검토, 벤치마크 릴리스

search_papers에서 novelty_min: 0.5를 사용하여 진정으로 참신한 연구를 필터링하세요.

속도 제한

엔드포인트	제한
`check_connection`	60/분
`search_papers`	30/분
`get_paper`	60/분
`find_similar`	20/분
`get_citations`	30/분
`whats_trending`	30/분
`fetch_fulltext`	10/분
`batch_lookup`	20/분
`fetch_repo`	10/분
`export_bibtex`	20/분
`deep_research`	5/분
`refine_research`	5/분
`search_benchmarks`	30/분
`get_leaderboard`	30/분
`get_benchmark_stats`	30/분
`get_benchmark_timeline`	30/분
`search_by_method`	30/분
`compare_methods`	20/분
`discover_authors`	20/분
`get_author`	60/분
`get_author_papers`	30/분
`get_research_landscape`	10/분
`get_paper_results`	30/분

응답에는 X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset 헤더가 포함됩니다.

응답 예시

q: "attention mechanism"을 사용한 search_papers 결과:

{
  "papers": [
    {
      "arxiv_id": "2401.04088",
      "title": "Attention Is All You Need (But Not All You Get)",
      "authors": ["A. Researcher", "B. Scientist"],
      "year": 2024,
      "categories": ["cs.LG", "cs.AI"],
      "primary_category": "cs.LG",
      "arxiv_url": "https://arxiv.org/abs/2401.04088",
      "has_code": true,
      "github_url": "https://github.com/example/repo",
      "citation_count": 42,
      "rank_score": 0.73,
      "llm_summary": "Proposes a sparse attention variant that reduces compute by 60% while matching dense attention accuracy on 5 benchmarks.",
      "llm_novelty_score": 0.55
    }
  ],
  "total": 1847,
  "page": 1,
  "limit": 20,
  "next_cursor": "eyJzIjogMC43MywgImlkIjogIjI0MDEuMDQwODgifQ=="
}

next_cursor를 다시 전달하여 다음 페이지를 가져오세요 (키셋 페이지네이션 — 대규모 결과 세트의 경우 페이지 번호보다 안정적입니다).

설치 확인

설정 후 AI 어시스턴트에게 check_connection을 실행하도록 요청하세요. 다음과 같이 표시되어야 합니다:

{
  "status": "ok",
  "plan": "free",
  "key_name": "my-key",
  "usage_today": 0
}

환경 변수

변수	필수	기본값	설명
`SF_API_KEY`	예	—	Scholar Feed API 키 (`sf_`로 시작)
`SF_API_BASE_URL`	아니요	프로덕션 URL	API 기본 URL 재정의

개발

npm install
npm run build      # Build to build/
npm run dev        # Watch mode
npm run typecheck  # Type check without emitting
npm test           # Run tests

기여

지침은 CONTRIBUTING.md를 참조하세요.

문제 해결

"SF_API_KEY environment variable is required" MCP 클라이언트가 환경 변수를 전달하지 않고 있습니다. 구성의 env 블록이 위의 예시와 일치하는지 다시 확인하세요.

"Authentication failed: your SF_API_KEY is invalid" 키가 취소되었을 수 있습니다. scholarfeed.org/settings에서 새 키를 생성하세요.

도구 호출 시간 초과 또는 조용히 실패 Node.js 18+가 설치되어 있는지 확인하세요 (node --version). 이전 버전에는 기본 fetch API가 없습니다.

오래된 npx 캐시 업데이트 후 이전 버전에 머물러 있는 경우: npx --yes scholar-feed-mcp@latest

Windows: "command not found" MCP 구성에서 "command": "cmd"와 "args": ["/c", "npx", "-y", "scholar-feed-mcp"]를 사용하세요.

라이선스

MIT

Scholar Feed MCP Server