Scholar Feed MCP 服务器

通过 Claude Code、Cursor 或任何 MCP 客户端，搜索超过 560,000 篇计算机科学/人工智能/机器学习研究论文，并获取基于 LLM 的创新性分析。

Scholar Feed 每日索引 arXiv 论文，并使用多信号评分系统（时效性、引用速度、机构声誉、代码可用性）进行排名。每篇论文都有 LLM 生成的摘要和创新性评分。

快速开始

npx scholar-feed-mcp init

此交互式向导将：

询问您的 API 密钥（可在 scholarfeed.org/settings 获取）
检测您的 MCP 客户端（Claude Code、Cursor 或 Claude Desktop）
写入配置并验证连接

就是这样。 试着问：“搜索关于测试时计算扩展（test-time compute scaling）的最新论文”

您可以做什么

技术侦察 — “本月发表了哪些关于检索增强生成（RAG）的创新研究？”

文献综述 — “查找与 2401.04088 类似的论文并导出它们的 BibTeX”

趋势监测 — “本周 cs.CV 领域的热门趋势是什么？总结前 3 名。”

深度研究 — “对‘大语言模型中的推理’进行深度研究会话”

基准测试跟踪 — “向我展示 MMLU 排行榜，并比较 GPT-4 和 LLaMA-3”

作者发现 — “谁是致力于高效 LLM 推理的顶尖研究人员？”

手动安装

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" }
    }
  }
}

项目范围 (.mcp.json)

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

Windows 注意事项： 使用 "command": "cmd" 和 "args": ["/c", "npx", "-y", "scholar-feed-mcp"]。

可用工具 (23)

核心搜索与发现

工具	描述	关键参数
`search_papers`	带过滤器的全文关键词搜索	`q`, `category`, `novelty_min`, `days`, `method_category`, `task`, `dataset`, `contribution_type`, `task_category`, `has_results`, `cursor`, `limit`
`get_paper`	通过 arXiv ID 获取论文详情	`arxiv_id`, `fields`
`find_similar`	通过嵌入 + 文献耦合查找相似论文	`arxiv_id`, `limit`, `days`
`get_citations`	引用图（引出参考文献或引入引用）	`arxiv_id`, `direction`, `limit`, `fields`
`whats_trending`	今日基于综合评分的热门论文	`category`, `limit`, `fields`, `exclude_ids`
`batch_lookup`	一次查找多篇论文	`arxiv_ids` (最多 50), `fields`

论文内容

工具	描述	关键参数
`fetch_fulltext`	从 LaTeX 源码提取结果/实验	`arxiv_id`
`fetch_repo`	获取 GitHub 仓库 README + 文件树	`arxiv_id`
`export_bibtex`	导出论文的 BibTeX	`arxiv_ids` (最多 50)
`get_paper_results`	论文中的结构化基准测试结果	`arxiv_id`

基准测试与方法

工具	描述	关键参数
`search_benchmarks`	按名称查找数据集/基准测试	`q`, `limit`
`get_leaderboard`	数据集的 SOTA 排行榜	`dataset`, `metric`, `limit`
`get_benchmark_stats`	评分分布统计（最小值、最大值、中位数等）	`dataset`, `metric`
`get_benchmark_timeline`	随时间变化的原始评分数据点	`dataset`, `metric`
`search_by_method`	按技术名称搜索（LoRA, YOLO, DPO 等）	`q`, `contribution_type`, `task_category`, `limit`
`compare_methods`	跨基准测试的模型并排比较	`models` (2-10), `dataset`, `metric`

作者

工具	描述	关键参数
`discover_authors`	按主题或名称查找研究人员	`q`, `field`, `limit`
`get_author`	详细作者资料（h-index, 主题, 顶级论文）	`author_id`
`get_author_papers`	作者的所有论文（分页）	`author_id`, `limit`, `page`

研究

工具	描述	关键参数
`get_research_landscape`	主题的聚合景观统计	`q`, `limit`
`deep_research`	多轮研究综合 (30-120秒)	`topic`, `depth`
`refine_research`	对已完成的研究报告进行后续提问	`report_id`, `question`, `date_from`, `date_to`

实用工具

工具	描述	关键参数
`check_connection`	验证 API 密钥，显示计划和使用情况	—

创新性评分

每篇论文都有一个 0.0 到 1.0 的 llm_novelty_score：

范围	含义	示例
0.7+	范式转移或广泛的 SOTA	改变该领域的新架构
0.5-0.7	具有显著结果的创新方法	具有明确增益的新训练技术
0.3-0.5	增量改进	将已知方法应用于新领域
<0.3	综述、数据集或微小扩展	文献综述、基准测试发布

在 search_papers 中使用 novelty_min: 0.5 来筛选真正创新的工作。

速率限制

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

响应包含 X-RateLimit-Limit、X-RateLimit-Remaining 和 X-RateLimit-Reset 标头。

响应示例

带有 q: "attention mechanism" 的 search_papers 返回：

{
  "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=="
}

将 next_cursor 传回以获取下一页（键集分页 — 对于大型结果集比页码更稳定）。

验证安装

设置完成后，让您的 AI 助手运行 check_connection。您应该看到：

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

环境变量

变量	必需	默认	描述
`SF_API_KEY`	是	—	您的 Scholar Feed API 密钥（以 `sf_` 开头）
`SF_API_BASE_URL`	否	生产 URL	覆盖 API 基础 URL

开发

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

贡献

请参阅 CONTRIBUTING.md 获取指南。

故障排除

“SF_API_KEY environment variable is required” 您的 MCP 客户端未传递环境变量。请仔细检查配置中的 env 块是否与上述示例匹配。

“Authentication failed: your SF_API_KEY is invalid” 密钥可能已被撤销。请在 scholarfeed.org/settings 生成一个新的。

工具调用超时或静默失败 确保已安装 Node.js 18+ (node --version)。旧版本缺少原生的 fetch API。

过时的 npx 缓存 如果您在更新后卡在旧版本：npx --yes scholar-feed-mcp@latest

Windows: “command not found” 在您的 MCP 配置中使用 "command": "cmd" 和 "args": ["/c", "npx", "-y", "scholar-feed-mcp"]。

许可证

MIT

Scholar Feed MCP Server