CampusIntel MCP

CampusIntel ist ein Server für das Model Context Protocol, der KI-Assistenten strukturierten Zugriff auf universitäre Forschung, Forschende, akademische Studiengänge und institutionelle Daten bietet. Er kombiniert den OpenAlex-Wissenschaftsgraphen mit dem College Scorecard des U.S. Department of Education und bewahrt dabei in jedem Ergebnis die Quellengprachen und Einschränkungen.

Das Projekt ist für die Forschungsentdeckung und die Untersuchung von Hochschulen gedacht – nicht für Zulassungsvorhersagen oder eindimensionale Rankings.

Was ist ein MCP-Server?

Ein MCP-Server ist ein kleines Stück Infrastruktur, das einem KI-Host – wie Claude Desktop, VS Code oder dem MCP Inspector – erlaubt, zuverlässige Tools aufzurufen, statt zu raten. Stellen Sie ihn sich als sicheren Adapter zwischen einem KI-Assistenten und externen Datenquellen vor.

CampusIntel ist kein Chatbot für Studienberatung und nutzt kein LLM, um Hochschulfakten zu erfinden. Er stellt klar benannte Funktionen wie search_research und list_academic_programs bereit. Der KI-Host entscheidet, wann diese aufgerufen werden; CampusIntel validiert die Anfrage, lädt Live-Daten aus der jeweiligen Quelle und gibt strukturierte, quellenverknüpfte Ergebnisse zurück, die der Host den Nutzenden erklären kann.

Related MCP server: OpenAlex Author Disambiguation MCP Server

Wie eine Anfrage abläuft

sequenceDiagram
    participant User
    participant Host as AI host
    participant CI as CampusIntel
    participant Data as Data provider
    User->>Host: "Find AI-safety research at a university"
    Host->>CI: Call a typed MCP tool
    CI->>CI: Validate inputs and check cache
    CI->>Data: Request live, scoped data
    Data-->>CI: Structured response
    CI-->>Host: Normalized result with source URL
    Host-->>User: Grounded answer with limitations

Ein KI-Host ruft beispielsweise zunächst search_universities auf, um einen Namen in eine OpenAlex-Institutions-ID aufzulösen. Diese ID übergibt er anschließend an search_research oder find_topic_researchers. Dieses Zwei-Schritte-Muster vermeidet mehrdeutige Namensabgleiche und hält die Forschungsergebnisse einer bestimmten Institution zugeordnet.

Funktionsumfang

CampusIntel stellt außerdem eine Ressource campusintel://methodology und einen wiederverwendbaren Prompt research_university_fit bereit.

Architektur

flowchart TD
    Host["AI host or MCP Inspector"] --> Server["CampusIntel MCP server"]
    Server --> Service["Validation and orchestration"]
    Service --> OA["OpenAlex client"]
    Service --> CS["College Scorecard client"]
    OA --> Research["Institutions, works, authors"]
    CS --> Federal["Programs, costs, outcomes"]

Die Provider-Clients umfassen typisierte Normalisierung, begrenzte Wiederholungsversuche, Timeouts und einen In-Memory-TTL-Cache. Das abteilungsübergreifende Zusammenführen ist bewusst in der Dienstschicht isoliert, damit Rohdaten des Anbieters und abgeleitete Beziehungen niemals verwechselt werden.

Woher die Informationen kommen

CampusIntel scrapen keine Dozierendenseiten, verwendet keine privaten Studierendendaten und behauptet nicht, den Zulassungsausgang eines Bewerbenden vorhersagen zu können. Mit jedem zurückgegebenen Datensatz bleibt die Provider-URL erhalten, sodass Nutzende die Primärdaten zur Untersuchung der Primäquelle überprüfen können.

Schnellstart

1. Installieren

Installieren Sie uv und klonen Sie das Projekt, anschließend synchronisieren:

git clone https://github.com/acestein13/campusintel-mcp.git
cd campusintel-mcp
uv sync --all-extras --dev

Wenn Befehle mit uv run beginnen, ist keine Aktivierung der virtuellen Umgebung erforderlich.

2. Provider-Schlüssel konfigurieren

Kopieren Sie .env.example nach .env und fügen Sie Ihre Schlüssel hinzu:

• OPENALEX_API_KEY: für den normalen Gebrauch empfohlen; erstellen Sie einen kostenlosen Schlüssel in den OpenAlex settings.

• COLLEGE_SCORECARD_API_KEY: erforderlich für US-Institutions- und Studienprogramm-Tools; fordern Sie einen kostenlosen data.gov-API-Schlüssel an.

OpenAlex unterstützt auch begrenzte Anfragen ohne Schlüssel. CampusIntel funktioniert auch ohne College Scorecard, aber die US-College- und-Programm-Tools geben einen klaren Konfigurationsfehler zurück, und Profile ohne Scorecard-Anreicherung werden übersprungen.

Schlüssel privat halten

Ein echtes Schlüsselbit darf niemals in README.md, Code, einer committeten .env-Datei, einem Screenshot oder einer MCP-Konfigurationsdatei sein, die Sie teilen möchten. Dieses Repository enthält .env.example nur mit leeren Platzhalterwerten, und .gitignore schließt .env aus.

Setzen Sie OPENALEX_API_KEY und COLLEGE_SCORECARD_API_KEY als lokale Umgebungsvariable oder speichern Sie ihre Werte ausschließlich in Ihrer nicht committeten .env-Datei; führen Sie dann uv run campusintel-mcp aus. health_check berichtet nur an, ob ein Provider konfiguriert ist; geheime Werte werden nie zurückgegeben.

3. Mit MCP Inspector testen

macOS/Linux:

set -a && source .env && set +a
uv run mcp dev src/campusintel_mcp/server.py

Windows PowerShell:

uv run mcp dev src/campusintel_mcp/server.py

Vor der Ausführung des Windows-Befehls definieren Sie bei OPENALEX_API_KEY und COLLEGE_SCORECARD_API_KEY in Ihrer lokalen PowerShell-Sitzung oder in einer nicht committeten .env-Datei.

The Inspector öffnet sich in einem Browser. Beginnen Sie mit search_universities, behalten Sie die zurückgegebene OpenAlex-ID und übergeben Sie sie an die Forschungstools.

MCP-Host verbinden

Das Repository enthält direkt anpassbare Beispiele für Claude Desktop und VS Code. Ersetzen Sie den absoluten Pfad und bewahren Sie echte Schlüssel außerhalb von Dateien auf, die Sie committen oder teilen.

Ein generischer stdio-Eintrag lautet:

{
  "command": "uv",
  "args": ["--directory", "/ABSOLUTE/PATH/TO/campusintel-mcp", "run", "campusintel-mcp"]
}

Streamable HTTP und Docker

Lokales stdio ist die Standardeinstellung. Um denselben Server über Streamable HTTP auszuführen:

CAMPUSINTEL_TRANSPORT=streamable-http uv run campusintel-mcp

Der Endpunkt ist http://127.0.0.1:8000/mcp. Host und Port können mit CAMPUSINTEL_HOST und CAMPUSINTEL_PORT geändert werden.

docker build -t campusintel-mcp .
docker run --rm -p 8000:8000 \
  -e OPENALEX_API_KEY \
  -e COLLEGE_SCORECARD_API_KEY \
  campusintel-mcp

Beispiel für einen Arbeitsablauf

Um die KI-Sicherheitsforschung an einer Universität zu untersuchen, kann ein MCP-Client:

1. search_universities(query="Carnegie Mellon University", country_code="US") aufrufen.

2. Die zurückgegebene ID an search_research(topic="AI safety", institution_id="I...", from_year=2022) übergeben.

3. find_topic_researchers mit demselben Thema und der Institutions-ID aufzurufen.

4. Die amerikanische Schul-ID mit search_us_colleges ermitteln und dann list_academic_programs(query="computer science", credential_level=3) aufzurufen.

5. Die zurückgegebenen Quellen-URLs und die, methodischen Hinweise in der endgültigen Antwort beibehalten.

Beispiel-Prompts für einen KI-Host

• Vergleichen Sie die aktuelle Robotikforschung zwischen Georgia Tech und Carnegie Mellon. Verlinken Sie die jeweiligen Publikationen.

• Finden Sie Forschende, die an dieser Universität zu KI-Sicherheit arbeiten, und zeigen Sie danach die Publikationen, die jede Person für diese Suite relevant gemacht haben.

• Listen Sie für diese US-Hochschule auf Bachelor-Niveau Informatik-Studiengänge auf und trennen Sie Studiendaten klar von den Forschungsmetriken.

Der Host sollte die Tools aufzurufen, nicht davon ausgehen, dass ein Hochschulname ausreicht, um eine einzelne Institution zu identifizieren. Die von CampusIntel zurückgegebenen IDs machen nachfolgende Aufrufe präzise und reproduzierbar.

Werkzeugverhalten und Schutz

• Eingabevalidierung: Leere Abfragen, ungültige Verweise, ungültige Jahre, doppelte Vergleichs-IDs und ungültige Credential-Ebenen werden mit einer verwandten Tool-Fehlermeldung abgelehnt.

• Zuverlässige Anfragen: Provider-Aufrufe verwenden Timeouts, begrenzte Wiederholungsversuche bei vorübergehenden Fehlern und einen kurzlebigen integrierten Speicher-Cache, um wiederholte Anfragen zu verringern.

• Transparente fehlende Daten: Nicht verfügbare Felder bleiben null; CampusIntel füllt sie nicht mit Schätzungen oder Nullen.

• Quellenbewusste Anreicherung: US-Bundesmetriken werden nur ergänzt, wenn eine OpenAlex-Institution sinnvoll über den Namen mit einem Scorecard-Datensatz abgeglichen wird, und das Ergebnis wird entsprechend gekennzeichnet.

• Keine versteckten Rankings: Zitationszahlen, h-Index-Werte und Ergebnisse sind beschreibende Kontexte, niemals eine Gesamtpunktzahl oder Zulassungsprognose.

Datenverantwortlichkeit

• OpenAlex-Metriken beruhten auf einem indexierten wissenschaftlichen Korpus; das Zitationsaufkommen variiert stark je nach Fachgebiet, Alter der Publikation und Abdeckung.

• Die College Scorecard latest-Felder können aus unterschiedlichen Berichtsjahren stammen.

• Ergebnisse zu thematischen Forschern werden innerhalb einer Relevanzcodierung gruppiert – sie sind weder vollständig Fernseherverzeichnisse noch Evaluationen der Qualität.

• Ein fehlender Wert bleibt null; CampusIntel schätzt ihn nicht.

• Namensbasierte OpenAlex-to-Scorecard-Anreicherung ist entsprechend vermerkt und sollte für bedeutende Entscheidungen vorab verifiziert werden.

Weitere Hinweise in MCP-Clients finden Sie in der kapitelweiten Ressource campusintel://methodology.

Entwicklung

uv run ruff format .
uv run ruff check .
uv run mypy src
uv run pytest --cov

Die Testsuite verwendet ein simuliertes HTTP-Transport und den , em-In-Cache-Client des MCP SDKs. CI führt Formatierung, Linting, strikte Typprüfung und Tests auf Python 3.11 und 3.12 aus.

Lizenz

Veröffentlicht unter der MIT License.