google-scholar-labs-ajg-mcp
Google Scholar Labs Search (адаптированная версия AJG 2024 MCP)
Сервис Model Context Protocol (MCP) для локальных больших языковых моделей и AI-агентов (Agent). Выполняет поиск академических публикаций в Google Scholar Labs через локальную браузерную сессию пользователя, где уже выполнен вход, и строго фильтрует рецензируемые журналы в соответствии с авторитетным классификатором журналов AJG 2024 (Academic Journal Guide / ABS).
English | Китайский (упрощённый)
Офлайн-демонстрация Dry-Run в терминале

Related MCP server: Gemini Research MCP Server
Ключевые особенности
Строгая фильтрация по категориям журналов AJG 2024: строго сопоставляет издания (Venue) найденных публикаций с официальным каталогом AJG 2024 (по умолчанию ABS2+:
2,3,4,4*); поддерживает настраиваемый порог по звёздам и фильтрацию по категориям дисциплин (например,FINANCE,ACCOUNT,STRAT,ECON,ORMANи т. д.).Прозрачный журнал исключений (Exclusion Transparency): документы, не соответствующие критериям (например, препринты arXiv/SSRN, журналы, не входящие в AJG, звёзды ниже заданного порога или несоответствие дисциплине), полностью фиксируются в
exclusionsс указанием конкретной причины, что исключает ошибочное признание неосновных изданий подходящими.Полный вывод подходящих результатов: возвращает все статьи текущей страницы поиска, удовлетворяющие критериям рейтинга, без искусственного ограничения фиксированными первыми 3 статьями.
Безопасная передача человеку (Human-in-the-Loop Handoff): при появлении проверки входа Google или капчи (CAPTCHA) немедленно безопасно приостанавливает работу и возвращает
handoff_required: true; пользователь вручную завершает проверку в локальном интерфейсе браузера. Никогда не предпринимает попыток грубого обхода или кражи учётных данных.Локальный приоритет и нулевая телеметрия: полностью работает в локальной среде, взаимодействует через стандартный Stdio JSON-RPC 2.0 и не загружает учётные данные или историю поиска на сторонние серверы.
Разбор ядра без внешних зависимостей: встроенный каталог основных журналов и парсер XLSX на чисто стандартной библиотеке позволяют выполнять полные детерминированные тесты даже в CI или чистых средах без внешних Excel-файлов.
Архитектура и рабочий процесс
[ AI 智能体 (Codex / Claude / Cursor / Windsurf) ]
│
(Stdio JSON-RPC 2.0)
▼
[ ScholarLabsMCPServer ]
│ │
│ (Dry-Run / Mock) │ (浏览器自动化模式)
▼ ▼
[ 快速 Schema 验证 ] [ CloakBrowser 会话 ]
│ (本地持久化 Profile)
▼
[ Google Scholar Labs ]
│ (HTML DOM 卡片提取)
▼
[ 候选论文卡片 ]
│
▼
[ AJG 2024 匹配引擎 ]
┌──────────┴──────────┐
▼ ▼
[ 合格文献列表 ] [ 剔除记录 ]
└──────────┬──────────┘
▼
[ 结构化 JSON 响应结果 ]Установка и настройка
Требования к окружению
Python 3.10 или выше
(опционально для реального автоматизированного поиска) библиотека
cloakbrowserи среда браузера Chromium
1. Установка из исходного кода
git clone https://github.com/divenire990/Google-scholar-labs-ajg-mcp.git
cd Google-scholar-labs-ajg-mcp
pip install -e .Установка зависимостей для разработки и сборки:
pip install -e ".[dev]"
# 或者仅安装打包构建依赖:
pip install -e ".[build]"2. Сборка дистрибутивов (sdist и wheel)
Собрать исходный дистрибутив (.tar.gz) и бинарный Wheel (.whl):
pip install build
python -m buildСобранные файлы находятся в каталоге dist/ (автоматически игнорируются через .gitignore).
3. Настройка переменных окружения (опционально)
Скопируйте .env.example в .env или настройте переменные окружения в терминале:
# 本地浏览器持久化 Profile 路径(保存 Google 登录态)
export SCHOLAR_LABS_BROWSER_PROFILE="$HOME/.scholar-labs/browser-profile"
# 自定义 AJG2024.xlsx 数据文件路径(未设置时自动使用内置核心期刊或 data/AJG2024.xlsx)
export AJG_DATA_PATH="/path/to/AJG2024.xlsx"Конфигурация MCP-клиента
Добавьте google-scholar-labs-ajg-mcp в конфигурацию вашего AI-клиента:
Claude Desktop / Claude Code (claude_desktop_config.json)
{
"mcpServers": {
"google-scholar-labs-ajg-mcp": {
"command": "python",
"args": ["-m", "scholar_labs.mcp_server"],
"env": {
"SCHOLAR_LABS_BROWSER_PROFILE": "/path/to/your/browser-profile",
"AJG_DATA_PATH": "/path/to/AJG2024.xlsx"
}
}
}
}Codex / Windsurf / Cursor (mcp.json или .toml)
[mcp_servers.google_scholar_labs_ajg_mcp]
command = "python"
args = ["-m", "scholar_labs.mcp_server"]Описание интерфейса инструмента: scholar_labs_search
Входные параметры
Параметр | Тип | Значение по умолчанию | Описание |
|
| (обязательно) | Тема, вопрос или ключевые слова академического поиска, отправляемые в Google Scholar Labs. |
|
|
| Минимальный порог фильтрации по звёздам AJG ( |
|
|
| Опциональный список кодов дисциплин (например, |
|
|
| Максимальное количество карточек-кандидатов, извлекаемых при первом разборе. |
|
|
| Запускать ли браузер в безголовом режиме. |
|
|
| Путь к каталогу постоянного профиля Profile (переопределяет переменную окружения). |
|
|
| Режим dry-run: только проверка запроса и движка сопоставления с AJG, без запуска браузера. |
|
|
| Содержимое Mock HTML для офлайн-оценки и тестирования. |
Пример выходного ответа
{
"status": "ok | blocked | no_results | error",
"message": "执行结果摘要",
"query": "dynamic strategic deviation and earnings management",
"min_stars": "2",
"fields_filter": ["FINANCE", "ACCOUNT"],
"total_candidates_found": 8,
"qualified_count": 3,
"exclusion_count": 5,
"qualified_papers": [
{
"title": "Corporate Governance and Financial Reporting Quality",
"authors": "J Smith, A Taylor",
"year": 2022,
"venue": "Journal of Financial Economics",
"scholar_url": "https://doi.org/10.1016/j.jfineco.2022.01.001",
"annotation": "Investigates the causal link between strategic board adjustments and reporting accuracy.",
"citation_signal": "Cited by 142",
"position": 1,
"raw_text": "...",
"ajg_info": {
"official_title": "Journal of Financial Economics",
"ajg_star": "4*",
"field": "FINANCE",
"is_ft50": true,
"is_utd24": true,
"print_issn": "0304-405X"
},
"rank_score": 51.9
}
],
"exclusions": [
{
"title": "Machine Learning in Financial Forecasting",
"venue": "arXiv preprint arXiv:2104.01234",
"reason": "unmatched_venue",
"details": "Venue 'arXiv preprint' not found in AJG 2024 journal index",
"position": 3
}
],
"handoff_required": false,
"handoff_url": null
}Офлайн-тестирование и проверка
Запустите детерминированные модульные тесты:
python -m unittest discover -s tests -p "test_*.py"Заявление о конфиденциальности, безопасности и соответствии требованиям
Принцип безопасной передачи и нулевого обхода: инструмент никогда не пытается автоматически взламывать капчу Google CAPTCHA, не собирает, не экспортирует и не передаёт пароли учётных записей Google. При требовании проверки немедленно приостанавливает работу и предлагает пользователю обработать её вручную.
Локальная изоляция учётных данных: все файлы Cookie и сеансы входа сохраняются в указанном пользователем локальном каталоге Profile, без какой-либо удалённой синхронизации.
Уведомление о соответствии: Google Scholar Labs — экспериментальный академический продукт компании Google; пользователи обязаны самостоятельно соблюдать условия обслуживания Google и нормы академического поиска.
Атрибуция вышестоящего проекта и лицензия с открытым исходным кодом
Этот проект распространяется с открытым исходным кодом под лицензией MIT License. Подробнее см. в файле LICENSE.
Благодарность за атрибуцию
Этот проект является независимой адаптированной версией, развивающей и расширяющей концепцию оригинального проекта Scholar Labs Search, с добавлением:
Фильтрация по категориям академических журналов AJG 2024 (ABS) и взвешенная сортировка
Структурированный механизм классификации исключений (Exclusion Transparency)
Адаптация стандартного протокола Model Context Protocol (MCP) JSON-RPC
Детерминированный набор офлайн-тестов и архитектура безопасной передачи
Available Tools
1 toolscholar_labs_searchA
Search Google Scholar Labs through a logged-in CloakBrowser session and filter results strictly against the AJG (Academic Journal Guide) 2024 rankings. Returns all qualifying papers (default ABS2+: 2, 3, 4, 4*) and detailed exclusion records for unmatchable or sub-threshold candidates. Supports manual handoff if CAPTCHA or Google login is required.
Inputs: query (required), fields, dry_run, headless, +5 more.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 1 tool
With only a single tool, there is no possible confusion between competing choices. The tool's purpose is clear and distinct by default.
The name `scholar_labs_search` follows a consistent domain/action pattern. With only one tool, there are no naming conflicts or inconsistencies to evaluate.
A single tool is at the low end of the typical range, but it provides a comprehensive search-and-filter operation for a narrowly scoped server. It is slightly under the usual 3-15 tools yet reasonable for this focused purpose.
The tool covers the full search workflow including AJG filtering, exclusion records, and authentication/CAPTCHA handoff. Within the stated domain of AJG-filtered Google Scholar search, there are no obvious missing operations.
Maintenance
Related MCP Connectors
Search, read, and act on the web. The Stophy MCP server for agents.
One MCP server for all web data. Scrape, search, crawl, and AI research in one install.
Web search API and MCP server for developers building AI agents.
Scrape, crawl and search the web for AI agents via MCP.
Related MCP Servers
- AlicenseBqualityDmaintenanceA local MCP server that allows users to search Google Scholar for academic papers by topic, author, and year range without requiring API keys. It utilizes web scraping to provide paginated results for research and academic exploration through natural language.2MIT
- AlicenseAqualityBmaintenanceMCP server for AI-powered research using Gemini. Provides fast grounded web search, deep autonomous research, URL extraction, and session management.988 PyPI10MIT
- AlicenseAqualityDmaintenanceMCP server for the OpenAlex scholarly database, providing AI agents with tools to search and retrieve academic works, authors, and institutions via natural language queries.8MIT
- AlicenseAqualityBmaintenanceAn MCP server for searching Google Scholar, enabling paper search, author lookup, citation tracking, and BibTeX export for AI assistants and automation workflows.52MIT