Skip to main content
Glama
arrogant-R

Google Scholar MCP Server

by arrogant-R
OverviewSchemaRelated ServersScoreDiscussions
Python
Local

Google Scholar MCP Server & Skill

🔍 让 AI 助手通过 MCP 协议或 OpenClaw Skill 搜索和访问 Google Scholar 学术论文。

本项目提供两种使用方式：

方式

适用场景

协议

MCP Server

Claude Desktop / Cursor / VS Code / Cline 等支持 MCP 的客户端

Model Context Protocol (stdio)

OpenClaw Skill

OpenClaw / QClaw 平台的 Agent 技能包

OpenClaw Skill 协议

✨ 核心功能

  • 🔎 论文搜索：支持关键词搜索、作者筛选、年份范围筛选

  • 📄 完整摘要：提供精确标题和作者时可获取完整摘要内容

  • 🛡️ 验证码处理：优化了 scholarly 库的 CAPTCHA 验证码处理机制，遇到验证码时自动弹出浏览器窗口供手动验证

  • 📚 BibTeX 支持：可获取论文的 BibTeX 引用格式

  • 🚀 高效检索：快速获取论文元数据

Related MCP server: CiteNexus MCP

📦 方式一：MCP Server

MCP 工具

search_google_scholar

搜索 Google Scholar 上的学术文章。

参数：

参数

类型

必填

说明

query

string

✅

搜索关键词（论文标题、主题或关键词）

author

string

❌

作者名称筛选

year_low

int

❌

起始年份

year_high

int

❌

结束年份

num_results

int

❌

返回结果数量（默认: 5）

返回结果：

{
  "bib": {
    "title": "论文标题",
    "author": "作者",
    "pub_year": "发表年份",
    "venue": "发表期刊/会议",
    "abstract": "摘要"
  },
  "pub_url": "论文链接",
  "num_citations": "被引用次数",
  "citedby_url": "引用链接",
  "eprint_url": "PDF 链接"
}

使用示例

关键词搜索：

result = await mcp.use_tool("search_google_scholar", {
    "query": "deep learning",
    "num_results": 5
})

带作者筛选：

result = await mcp.use_tool("search_google_scholar", {
    "query": "convolutional neural networks",
    "author": "Yann LeCun",
    "num_results": 3
})

带年份范围：

result = await mcp.use_tool("search_google_scholar", {
    "query": "transformer",
    "year_low": 2020,
    "year_high": 2024,
    "num_results": 5
})

组合搜索：

result = await mcp.use_tool("search_google_scholar", {
    "query": "neural networks",
    "author": "Geoffrey Hinton",
    "year_low": 2015,
    "year_high": 2023,
    "num_results": 10
})

🐍 作为 Python 包直接调用

from google_scholar_mcp import search_google_scholar

results = search_google_scholar(
    "attention is all you need",
    author="Vaswani",
    year_low=2017,
    year_high=2018,
    num_results=2
)
print(results)

安装

从 PyPI 安装

uv tool install google_scholar_mcp

从 GitHub 安装

uv tool install git+https://github.com/arrogant-R/google_scholar_mcp.git

本地安装 + 开发模式

git clone https://github.com/arrogant-R/google_scholar_mcp.git
cd Google-Scholar-MCP-Server

# 使用 uv（推荐）
uv venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
uv pip install -e .

# 或使用 pip
pip install -r requirements.txt

本地直接安装

pip install google_scholar_mcp
# 或
uv add google_scholar_mcp

启动服务（方式3/4）：

# 作为模块运行
python -m google_scholar_mcp

# 直接运行
google-scholar-mcp

⚙️ 配置 MCP 客户端

使用 uv（从 uv tool 安装后）

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": ["tool", "run", "google_scholar_mcp"]
    }
  }
}

本地开发模式（uv）

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/Google-Scholar-MCP-Server",
        "run",
        "google_scholar_mcp"
      ]
    }
  }
}

使用本地 Python

{
  "mcpServers": {
    "google-scholar": {
      "command": "/path/to/python",
      "args": ["-m", "google_scholar_mcp"]
    }
  }
}

VS Code (GitHub Copilot)

{
  "servers": {
    "google_scholar": {
      "type": "stdio",
      "command": "uv",
      "args": ["tool", "run", "google_scholar_mcp"]
    }
  }
}

Claude Desktop

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": ["tool", "run", "google_scholar_mcp"]
    }
  }
}

Windows:

{
  "mcpServers": {
    "google-scholar": {
      "command": "C:\\Users\\YOUR\\PATH\\python.exe",
      "args": ["-m", "google_scholar_mcp"]
    }
  }
}

Cursor

在 Settings → Cursor Settings → MCP → Add new server 中添加：

{
  "google-scholar": {
    "command": "uv",
    "args": ["tool", "run", "google-scholar-mcp"]
  }
}

Cline

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": ["tool", "run", "google-scholar-mcp"]
    }
  }
}

🧩 方式二：OpenClaw Skill

Skill 版本将搜索功能封装为 OpenClaw 技能包，Agent 可直接通过命令行脚本调用搜索能力，无需启动 MCP 服务器进程。

安装

方式一：对话安装

直接对 Agent 说：

「从 GitHub 仓库 arrogant-R/google_scholar_mcp 安装 google-scholar-search 技能」

Agent 会自动从仓库的 skill/google-scholar-search/ 目录下载并安装。

方式二：手动安装

Step 1：安装 CLI 工具

Skill 依赖 google-scholar 命令，需要先安装：

# Via uv (recommended — fast, no proxy issues)
uv tool install google_scholar_mcp

⚠️ Avoid pip install — pip is slow and may fail behind proxies. Use uv instead.

Step 2：复制 Skill 文件

将本仓库 skill/google-scholar-search 目录复制到 ~/.qclaw/skills/：

# Windows
Copy-Item -Recurse "./skill/google-scholar-search" "$env:USERPROFILE\.qclaw\skills\google-scholar-search"

# macOS/Linux
cp -r ./skill/google-scholar-search ~/.qclaw/skills/

使用方法

Skill 安装后，Agent 会在用户提及学术论文搜索、Google Scholar、文献检索等场景时自动触发。

Skill 内部调用 google-scholar CLI 命令（由 google_scholar_mcp 包提供），用法如下：

搜索论文

# 基本搜索
google-scholar search "deep learning" --num-results 5

# 带作者筛选
google-scholar search "convolutional neural networks" --author "Yann LeCun"

# 带年份范围
google-scholar search "transformer" --year-low 2020 --year-high 2024

# 组合搜索
google-scholar search "neural networks" --author "Geoffrey Hinton" --year-low 2015 --year-high 2023 --num-results 10

获取 BibTeX 引用

google-scholar bibtex "attention is all you need"

快速搜索（不填充详细信息）

google-scholar search "large language model" --no-fill --num-results 10

CLI 参数

search 命令

参数

类型

默认值

说明

query

str

必填

搜索关键词（论文标题、主题或关键词）

--author

str

None

作者名称筛选

--year-low

int

None

起始年份

--year-high

int

None

结束年份

--num-results

int

5

返回结果数量

--no-fill

flag

off

跳过详细信息填充（更快但数据较少）

bibtex 命令

参数

类型

默认值

说明

query

str

必填

搜索查询（论文标题）

--num-results

int

1

返回条目数量

安装 CLI 工具

google-scholar 命令由 google_scholar_mcp 包提供，安装方式：

# Via uv (recommended)
uv tool install google_scholar_mcp

# Via pip
pip install google_scholar_mcp

安装后即可在任意目录直接使用 google-scholar 命令。

🛡️ 优化特性

CAPTCHA 验证码处理

本项目对 scholarly 库进行了优化，解决了遇到 Google Scholar 验证码时程序卡住的问题：

  1. 自动检测验证码：当检测到验证码时，自动弹出浏览器窗口

  2. 手动验证：在弹出的浏览器中手动完成验证

  3. Cookie 同步：验证完成后后续请求使用自动同步的 Cookie，避免频繁触发验证

  4. Cookie 持久化：将 Cookie 保存到本地文件，下次启动时自动加载，减少验证码出现频率

⚠️ 如果遇到验证码，请在弹出的浏览器窗口中手动完成验证，程序会自动等待并继续执行。

📄 完整摘要获取

当 query 比较完整且精确时，系统会自动获取论文的完整 abstract，而不仅仅是截断的摘要片段。这对于需要详细了解单篇论文内容的场景非常有用。

📁 项目结构

Google-Scholar-MCP-Server/
├── src/
│   └── google_scholar_mcp/        # MCP Server 核心代码
│       ├── __init__.py            # 包入口
│       ├── __main__.py            # 主入口
│       ├── server.py              # MCP 服务器实现
│       ├── search.py              # 搜索逻辑
│       └── scholarly/             # 修改版 scholarly 库
│           ├── _navigator.py
│           ├── _proxy_generator.py
│           ├── _scholarly.py
│           └── ...
├── skill/
│   └── google-scholar-search/     # OpenClaw Skill 版本
│       └── SKILL.md               # 技能描述与使用指南
├── dist/
│   └── google-scholar-search.skill # 打包好的技能文件
├── requirements.txt               # 依赖列表
└── pyproject.toml                 # 项目配置（支持 uv/pip 安装）

🔧 依赖

  • Python 3.10+

  • mcp

  • requests

  • beautifulsoup4

  • selenium

  • httpx

  • fake_useragent

  • 等（详见 requirements.txt）

🤝 贡献

欢迎提交 Pull Request 和 Issue！

📄 许可证

本项目采用 MIT 许可证。

⚠️ 免责声明

本工具仅供学术研究使用。请遵守 Google Scholar 的服务条款，合理使用本工具。

This server cannot be installed

A
license - permissive license
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/arrogant-R/google_scholar_mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server