Click on "Install 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., "@CSL MCP Server 搜索“文本分类”相关论文，返回5篇"
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.
一个基于 Python + SQLite 的本地 MCP Server，用于把 CSL 中文科学文献数据集 封装成可被 Trae、MCP Inspector 或其他 MCP Client 调用的文献检索工具。
当前版本提供以下 MCP Tools：
Tool | 说明 |
| 根据标题、摘要、关键词检索论文，支持门类和学科过滤 |
| 根据论文 ID 获取单篇论文详情 |
| 列出 CSL 数据库中的门类及数量 |
| 列出 CSL 数据库中的学科及数量，可按门类过滤 |
| 查看本地 SQLite 数据库中的论文、门类、学科统计 |
当前版本还提供一个 MCP Resource：
Resource | 说明 |
| 查看 CSL 数据集和当前 MCP Server 的简要说明 |
Related MCP server: academic-mcp
.
├── data/
│ └── csl.sqlite # 导入后生成的本地 SQLite 数据库
├── src/
│ └── csl_mcp/
│ ├── __init__.py
│ ├── config.py # 数据库路径配置
│ ├── database.py # SQLite schema、连接和数据转换
│ ├── ingest.py # CSL 数据导入脚本
│ ├── server.py # MCP Server 入口和 tools 定义
│ └── service.py # 文献检索和统计服务
├── mcp_config.example.json # MCP Client 配置示例
├── pyproject.toml
└── README.mdPython 3.10+
SQLite，Python 标准库已内置
MCP Python SDK
安装依赖：
cd D:\xm\CSL
pip install -e .如果需要单独安装 MCP SDK：
pip install "mcp>=1.0.0"CSL benchmark 数据在官方仓库中，可以克隆完整仓库：
cd D:\xm
git clone https://github.com/ydli-ai/CSL.git CSL-sourcebenchmark 数据目录通常是：
D:\xm\CSL-source\benchmark也可以只拉取 benchmark 目录：
cd D:\xm
git clone --filter=blob:none --sparse https://github.com/ydli-ai/CSL.git CSL-source
cd CSL-source
git sparse-checkout set benchmark将 CSL 数据导入到本地 SQLite：
cd D:\xm\CSL
python -m csl_mcp.ingest "D:\xm\CSL-source\benchmark" --db "D:\xm\CSL\data\csl.sqlite"导入成功后会看到类似输出：
Imported 10000 records into D:\xm\CSL\data\csl.sqlite导入脚本支持：
.json
.jsonl
.tsv
包含以上文件的目录
对于 CSL benchmark 中的 text2text 格式，导入脚本会根据 prompt 做基础字段映射：
prompt | 映射逻辑 |
|
|
|
|
|
|
|
|
启动 MCP Inspector 后，按以下方式配置：
配置项 | 值 |
Transport Type |
|
Command |
|
Arguments |
|
环境变量：
Name | Value |
|
|
|
|
然后点击 Connect。
连接成功后可以测试：
{}调用 get_dataset_statistics，或调用 search_papers：
{
"query": "文本分类",
"limit": 5
}可以参考 mcp_config.example.json：
{
"mcpServers": {
"csl": {
"command": "D:/xm/CSL/.venv/Scripts/python.exe",
"args": [
"-m",
"csl_mcp.server"
],
"env": {
"PYTHONPATH": "D:/xm/CSL/src",
"CSL_DB_PATH": "D:/xm/CSL/data/csl.sqlite"
}
}
}
}如果不使用虚拟环境，也可以把 command 改成：
"python"配置完成后，可以在 Trae 中直接提问：
请用 csl 搜索“文本分类”相关论文，返回 5 篇。请列出 CSL 数据库中的门类。请查看 CSL 数据库统计信息。本项目的 MCP Server 使用 stdio transport。它不是普通命令行交互程序。
因此直接执行：
python -m csl_mcp.server如果没有 MCP Client 向 stdin 发送合法 JSON-RPC 消息，可能会看到类似错误：
Invalid JSON: EOF while parsing a value这是 stdio MCP Server 的正常表现。正确方式是由 Trae、MCP Inspector 或其他 MCP Client 启动它。
{
"query": "文本分类",
"limit": 5,
"category": "工学",
"discipline": "计算机科学与技术"
}其中 category 和 discipline 可选。
{
"paper_id": "csl_00026194"
}{}{
"category": "工学"
}{}使用 SQLite 保存论文元数据。
使用 SQLite FTS5 建立基础全文检索索引。
对 category 和 discipline 建立普通索引。
keywords 在 SQLite 中以 JSON 字符串保存，返回时转换为数组。
limit 最大限制为 50，避免一次返回过多内容。
查询结果统一使用：
{
"ok": true,
"data": {},
"error": null
}失败时：
{
"ok": false,
"data": null,
"error": {
"code": "PAPER_NOT_FOUND",
"message": "Paper not found: csl_xxx"
}
}当前版本是本地 MVP，主要用于验证 MCP Server、SQLite 数据导入和基础检索流程。
已知限制：
SQLite FTS5 对中文分词能力有限。
当前没有向量检索和语义召回。
当前没有远程 HTTP/SSE transport。
当前没有鉴权、审计和权限控制。
当前主要面向 CSL benchmark 数据，完整 396k 数据需要额外下载后导入。
增加 --reset 导入参数和更详细导入统计。
增加 sample_papers 工具。
增加 similar_papers 工具。
接入 FAISS / Qdrant 做语义检索。
增加 hybrid search，将关键词检索和向量检索结合。
增加 HTTP/SSE 部署模式。
增加企业内部场景所需的鉴权、审计、限流和权限过滤。
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Academic research MCP server for paper search, citation checks, graphs, and deep research.
MCP server for Altmetric APIs - track research attention across news, policy, social media, and more
Semantic Scholar Academic Graph MCP.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/WJS-WEB/CSL_MCP'
If you have feedback or need assistance with the MCP directory API, please join our Discord server