This server provides high-performance academic literature search and analysis capabilities through integration with Europe PMC, arXiv, and other databases.
Search academic literature using keyword filtering, date ranges, and complex query syntax across Europe PMC and arXiv preprints
Retrieve detailed article information using PMID, DOI, or PMCID identifiers with optimized caching
Find and enrich references with bulk processing capabilities for up to 20 DOIs simultaneously
Discover related content through similar articles, citing articles, and literature relations using PubMed's algorithms
Evaluate journal quality with impact factors, SCI quartiles, and other metrics from local cache or EasyScholar API
High-performance features including parallel processing, 24-hour caching, automatic retries, and batch optimization
Multiple integration options with Claude Desktop, Cherry Studio, and other AI assistants via stdio, SSE, or HTTP transport modes
Allows searching arXiv preprints with filtering by keywords, date ranges, and result limits.
Enables retrieving and enriching reference information using DOI identifiers, including batch processing of multiple DOIs.
Supports deployment from GitHub repositories, allowing users to easily install and run the MCP server from source.
Provides PubMed search capabilities and retrieval of article details using PMIDs.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Europe PMC Literature Search MCP Server search for recent articles about CRISPR gene editing in cancer"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
基于 FastMCP v2.13+ 的异步文献搜索工具，集成 Europe PMC、PubMed、arXiv、CrossRef、OpenAlex 等数据源。
# 安装
uvx article-mcp
# 或本地开发
git clone https://github.com/gqy20/article-mcp.git && cd article-mcp
uv sync
uv run python -m article_mcpRelated MCP server: PubMed MCP Server
{
"mcpServers": {
"article-mcp": {
"command": "uvx",
"args": ["article-mcp"],
"env": {
"EASYSCHOLAR_SECRET_KEY": "your_key_here"
}
}
}
}EASYSCHOLAR_SECRET_KEY 为可选项，访问 EasyScholar 注册获取。
同上，如遇 Unicode 问题添加 env: {"PYTHONIOENCODING": "utf-8"}
工具 | 功能 | 数据源 | 主要参数 |
| 多源文献搜索 | Europe PMC, PubMed, arXiv, CrossRef, OpenAlex |
|
| 获取文献详情（支持参数容错） | Europe PMC, CrossRef, OpenAlex, arXiv, PubMed |
|
| 获取参考文献 | Europe PMC, CrossRef, PubMed |
|
| 文献关系分析 | Europe PMC, PubMed, CrossRef, OpenAlex |
|
| 期刊质量评估 | EasyScholar, OpenAlex |
|
内容：生物医学文献全文、摘要
限制：1 req/s
用途：搜索、全文获取、参考文献
内容：生物医学文献摘要
限制：无严格限制
用途：搜索补充
内容：预印本论文
限制：3 req/request
用途：预印本搜索
内容：跨出版社元数据
限制：50 req/s
用途：参考文献查询
内容：开放学术图谱
限制：无限制
用途：引用关系、h 指标
内容：期刊质量指标
限制：建议配置密钥
用途：影响因子、分区
// 搜索（默认使用 Europe PMC + PubMed）
{"keyword": "machine learning", "max_results": 10}
// 指定数据源搜索
{"keyword": "cancer", "sources": ["europe_pmc", "arxiv"]}
// 获取全文
{"pmcid": "PMC1234567"}
// 获取指定章节
{"pmcid": "PMC1234567", "sections": ["methods", "results"]}
// 批量获取
{"pmcid": ["PMC123", "PMC456"]}
// 获取参考文献（默认 Europe PMC + CrossRef）
{"identifier": "10.1038/nature12373", "max_results": 20}
// 文献关系分析
{"identifiers": "10.1038/nature12373", "relation_types": ["references", "similar"]}
// 期刊质量（EasyScholar + OpenAlex 双源）
{"journal_name": "Nature", "include_metrics": ["impact_factor", "h_index"]}get_article_details 工具会自动修正以下格式错误：
输入 | 自动修正为 |
|
|
|
|
API | 限制 | 用途 |
Europe PMC | 1 req/s | 全文、参考文献 |
Crossref | 50 req/s | 参考文献 |
arXiv | 3 req/request | 预印本 |
OpenAlex | 无限制 | 引用关系、指标 |
EasyScholar | 建议配置密钥 | 期刊质量 |
问题 | 解决方案 |
|
|
MCP 服务器启动失败 | 检查配置中的路径是否使用绝对路径 |
API 请求失败 | 检查网络连接 |
期刊质量数据缺失 | 配置 |
MIT License
批量补全多个DOI的参考文献信息（超高性能版本）
功能说明：
同时处理多个DOI的参考文献补全
使用Europe PMC的批量查询API一次性获取多个DOI的详细信息
比逐个查询快10-15倍，适合大规模文献数据处理
自动去重和信息完整性检查
支持最多20个DOI的批量处理
参数说明：
dois: 必需，DOI列表，最多支持20个DOI同时处理
示例: ["10.1126/science.adf6218", "10.1038/nature12373"]
email: 可选，联系邮箱，用于获得更高的API访问限制
返回值说明：
enriched_references: 补全信息的参考文献字典，以DOI为键
total_dois_processed: 处理的DOI总数
successful_enrichments: 成功补全的DOI数量
failed_dois: 补全失败的DOI列表
processing_time: 总处理时间（秒）
performance_metrics: 性能指标
使用场景：
大规模文献数据分析
学术数据库构建
批量文献信息补全
高性能文献处理系统
性能特点：
超高性能：10-15倍速度提升
智能批量：自动分批处理大量DOI
并发优化：充分利用API并发能力
数据一致性：自动去重和完整性检查
Inputs: dois (required), email. Returns: object
批量评估文献的期刊质量
功能说明：
为文献列表中的每篇文献评估其期刊质量
先从本地缓存查询，没有则调用EasyScholar API
返回包含期刊质量信息的完整文献列表
参数说明：
articles: 必需，文献列表（来自搜索结果）
secret_key: 可选，EasyScholar API密钥（可从环境变量EASYSCHOLAR_SECRET_KEY获取）
返回值说明：
evaluated_articles: 包含期刊质量信息的文献列表
total_count: 评估的文献总数
message: 处理信息
error: 错误信息（如果有）
使用场景：
批量评估搜索结果的期刊质量
文献质量筛选
学术研究质量评估
Inputs: articles (required), secret_key. Returns: object
获取特定文献的详细信息（高性能优化版本）
功能说明：
使用异步方式根据PMID获取文献的完整详细信息
支持并发处理，性能更优
集成缓存机制，重复查询响应更快
自动重试和错误恢复
参数说明：
pmid: 必需，PubMed ID（如："37769091"）
返回值说明：
包含与同步版本相同的字段
额外提供：
processing_time: 处理耗时（秒）
cache_hit: 是否命中缓存
performance_info: 性能统计信息
retry_count: 重试次数
使用场景：
需要高性能的文献详情获取
批量文献详情查询
大规模数据处理
性能特点：
比同步版本快20-40%
支持智能缓存
自动重试机制
并发控制
Inputs: pmid (required). Returns: object
获取引用该文献的文献信息
处理流程：
使用 PubMed elink+efetch 获取引用 PMID 列表及详情。
如 PubMed 未返回结果，则回退到 Europe PMC /citations 接口。
返回统一结构：citing_articles、total_count、message、error。
Inputs: pmid (required), email, max_results. Returns: object
获取期刊质量评估信息（影响因子、分区等）
功能说明：
先从本地缓存（journal_info.json）查询期刊信息
如果本地没有且提供了API密钥，则调用EasyScholar API获取
返回期刊的影响因子、分区、JCI等质量指标
参数说明：
journal_name: 必需，期刊名称
secret_key: 可选，EasyScholar API密钥（可从环境变量EASYSCHOLAR_SECRET_KEY获取）
返回值说明：
journal_name: 期刊名称
source: 数据来源（local_cache 或 easyscholar_api）
quality_metrics: 质量指标字典
impact_factor: 影响因子
sci_quartile: SCI分区
sci_zone: SCI大区
jci: JCI指数
impact_factor_5year: 5年影响因子
error: 错误信息（如果有）
使用场景：
评估期刊质量
选择投稿期刊
文献质量评估
Inputs: journal_name (required), secret_key. Returns: object
通过DOI获取参考文献列表（批量优化版本 - 基于Europe PMC批量查询能力）
功能说明：
利用Europe PMC的批量查询能力获取参考文献
使用OR操作符将多个DOI合并为单个查询
相比传统方法可实现10倍以上的性能提升
特别适用于大量参考文献的快速获取
集成了发现的Europe PMC批量查询特性
参数说明：
doi: 必需，数字对象标识符（如："10.1126/science.adf6218"）
返回值说明：
包含与其他版本相同的基础字段
额外提供：
optimization: 优化类型标识
batch_info: 批量处理信息
batch_size: 批量大小
batch_time: 批量查询耗时
individual_time: 单个查询预估耗时
performance_improvement: 性能提升倍数
europe_pmc_batch_query: 使用的批量查询语句
使用场景：
大规模参考文献获取
高性能批量数据处理
时间关键的研究任务
文献数据库构建
性能特点：
比传统方法快10-15倍
利用Europe PMC原生批量查询能力
减少API请求次数
降低网络延迟影响
最适合处理大量参考文献的场景
技术原理：
使用DOI:"xxx" OR DOI:"yyy"的批量查询语法
一次请求获取多个DOI的信息
显著减少API调用次数和网络开销
Inputs: doi (required). Returns: object
根据DOI获取相似文章（基于PubMed相关文章算法）
功能说明：
基于PubMed的相关文章算法查找与给定DOI相似的文献
使用NCBI eLink服务查找相关文章
自动过滤最近5年内的文献
批量获取相关文章的详细信息
参数说明：
doi: 必需，数字对象标识符（如："10.1126/science.adf6218"）
email: 可选，联系邮箱，用于获得更高的API访问限制
max_results: 可选，返回的最大相似文章数量，默认20篇
返回值说明：
original_article: 原始文章信息
title: 文章标题
authors: 作者列表
journal: 期刊名称
publication_date: 发表日期
pmid: PubMed ID
pmcid: PMC ID（如果有）
abstract: 摘要
similar_articles: 相似文章列表（格式同原始文章）
total_similar_count: 总相似文章数量
retrieved_count: 实际获取的文章数量
message: 处理信息
error: 错误信息（如果有）
使用场景：
文献综述研究
寻找相关研究
学术调研
相关工作分析
技术特点：
基于PubMed官方相关文章算法
自动日期过滤（最近5年）
批量获取详细信息
完整的错误处理
Inputs: doi (required), email, max_results. Returns: object
搜索arXiv文献数据库（基于arXiv官方API）
功能说明：
基于arXiv官方API搜索预印本论文
支持关键词搜索和日期范围过滤
自动重试和错误恢复机制
分页获取，支持大量结果检索
参数说明：
keyword: 必需，搜索关键词，支持复杂查询语法
email: 可选，联系邮箱，用于获得更好的API服务
start_date: 可选，开始日期，格式：YYYY-MM-DD
end_date: 可选，结束日期，格式：YYYY-MM-DD
max_results: 可选，最大返回结果数量，默认10，最大1000
返回值说明：
articles: arXiv文章列表
arxiv_id: arXiv标识符
title: 文章标题
authors: 作者列表
category: arXiv分类
publication_date: 发表日期
abstract: 摘要
arxiv_link: arXiv摘要页链接
pdf_link: PDF下载链接
total_count: 实际获取的文章数量
search_info: 搜索信息
message: 处理信息
error: 错误信息（如果有）
使用场景：
预印本文献搜索
最新研究发现
计算机科学、物理学、数学等领域文献检索
跟踪最新研究动态
技术特点：
基于arXiv官方API
支持复杂查询语法
自动分页获取
完整的错误处理
支持日期范围过滤
Inputs: keyword (required), email, end_date, max_results, +1 more. Returns: object
搜索 Europe PMC 文献数据库（高性能优化版本）
功能说明：
使用异步方式在 Europe PMC 数据库中搜索学术文献
支持并发请求处理，性能比同步版本更优
集成缓存机制，重复查询响应更快
支持复杂搜索语法（如："cancer AND therapy"）
参数说明：
keyword: 必需，搜索关键词，支持布尔运算符（AND、OR、NOT）
email: 可选，提供邮箱地址以获得更高的API速率限制
start_date: 可选，开始日期，格式：YYYY-MM-DD
end_date: 可选，结束日期，格式：YYYY-MM-DD
max_results: 可选，最大返回结果数量，默认10，最大100
返回值说明：
articles: 文献列表，包含完整的文献信息
total_count: 总结果数量
search_time: 搜索耗时（秒）
cache_hit: 是否命中缓存
performance_info: 性能统计信息
message: 处理信息
error: 错误信息（如果有）
使用场景：
大批量文献检索
需要高性能的搜索任务
复杂的搜索查询
频繁的重复查询
性能特点：
比同步版本快30-50%
支持24小时智能缓存
自动重试机制
并发控制和速率限制
Inputs: keyword (required), email, end_date, max_results, +1 more. Returns: object
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 9 tools
Most tools have distinct purposes (e.g., batch_enrich_references_by_dois for bulk DOI enrichment, search_europe_pmc for searching, get_similar_articles for similarity), but there is some overlap between get_article_details and batch_enrich_references_by_dois, as both can retrieve article details via DOI/PMID, which might cause confusion. However, descriptions clarify that batch_enrich_references_by_dois is optimized for bulk processing, while get_article_details is for single PMIDs with caching.
Naming is mixed with no clear pattern: some use snake_case (batch_enrich_references_by_dois, get_article_details), others use camelCase (evaluate_articles_quality), and some are inconsistent (get_references_by_doi vs. get_citing_articles). While all names are descriptive, the lack of a uniform convention (e.g., all snake_case or all camelCase) reduces predictability.
With 9 tools, the count is well-scoped for a literature search server covering Europe PMC, arXiv, and quality assessment. Each tool serves a specific function (searching, enrichment, quality evaluation, citation analysis), and none seem redundant or excessive for the domain.
The toolset covers core literature search and analysis tasks well: searching (Europe PMC, arXiv), article details retrieval, reference/citation handling, quality assessment, and similarity finding. A minor gap is the lack of tools for user-specific operations like saving searches or managing collections, but this is not essential for the stated purpose.
Search arXiv/Semantic Scholar/OpenAlex + medical evidence (PubMed/Europe PMC) + LaTeX/PDF tools.
Rivul is a free, read-only remote MCP server for searching scholarly literature. It runs semantic search over more than 300 million paper records from a dated OpenAlex snapshot, so an agent can find papers by meaning rather than exact keywords, then open the full record for any result. Tools: - search_papers: semantic search with optional filters for publication year range, minimum citation count, open access only, topic and field. Sort by relevance, most cited, newest or oldest. - get_paper_details: the full record for one work by its OpenAlex ID: title, every author, venue, work type, topic, field, publication date, citation count, DOI and open-access links. - usage_status: the workspace's MCP usage for the current day. Results come only from the index, never from a model. Each result carries a stable OpenAlex ID so the source can be checked, and every response states the snapshot date. Useful for literature reviews, scoping reviews, finding highly cited or open-access papers on a topic, citation chasing, and checking that a cited paper exists. Free for every account, with no plans or payment. Sign in with Google through OAuth 2.1 (PKCE, dynamic client registration), or use an MCP key from rivul.ai. Endpoint: https://rivul.ai/mcp (Streamable HTTP). Setup and docs: https://rivul.ai/features/atlas
Search PubMed/Europe PMC, fetch articles and full text (PMC/EPMC/Unpaywall), citations, MeSH terms.
Research paper search with real citations and reference formatting for AI assistants
