ICML Paper Search MCP

面向 6,341 篇 ICML 2026 论文的开源 MCP 检索服务。它把论文语料和检索索引保存在本地，以 Chroma dense retrieval 与 SQLite FTS5 BM25 做 weighted RRF 融合，并用持久化 capability session 避免多轮调研重复返回同一篇论文。

无需 Milvus、GPU、本地 embedding 模型或额外数据库服务。自托管只需要 Python、磁盘与 DashScope API key；也可以直接连接公共实例试用。

为什么使用它

• 为 agent 而设计：通过 MCP 暴露检索、精确取回、过滤和会话状态工具。

• 混合检索：语义召回负责概念相关性，BM25 保留术语和专有名词的精确命中。

• 多轮不重复：session 在服务重启后仍可继续，同一 session 的并发检索也不会重复提交论文。

• 本地持久化：论文快照、Chroma、FTS5 与 runtime SQLite 均由单机管理。

• 费用有边界：建库必须显式确认 Token 上限；在线搜索有缓存、并发限制和日/月预算。

• 适合公共服务：提供限流、排队上限、健康检查、可信代理和脱敏错误契约。

Related MCP server: nesift-mcp

直接连接公共服务

公共 MCP 端点：

https://icml.agent4sci.com:20441/mcp

注册到 Claude Code：

claude mcp add --transport http icml-papers --scope user https://icml.agent4sci.com:20441/mcp

等价的 MCP 客户端配置：

{
  "mcpServers": {
    "icml-papers": {
      "type": "http",
      "url": "https://icml.agent4sci.com:20441/mcp"
    }
  }
}

公共实例匿名、免费且有共享额度，不提供可用性保证。新的检索 query 会发送到 DashScope 生成 embedding；不要在 query 或 session 标签中放入密钥、个人信息或未公开内容。

本地快速开始

运行要求：Python 3.12+、uv 和已开通 qwen3.7-text-embedding 的 DashScope API key。

uv sync
cp .env.example .env

在 .env 中配置 key。直接值与 secret 文件二选一，文件优先：

ICML_PAPERS_DASHSCOPE_API_KEY=your-dashscope-api-key
# ICML_PAPERS_DASHSCOPE_API_KEY_FILE=/absolute/path/to/dashscope_api_key

先执行零云调用预检：

uv run icml-papers info
uv run icml-papers build

build 默认只输出稳定 build_id、论文数、语料哈希和保守的 Token 上界。确认预算后显式建库：

uv run icml-papers build --execute --max-input-tokens <TOKEN_CAP>

网络或额度问题中断后，可在语料、模型、维度和 batch size 未改变时恢复：

uv run icml-papers build --execute --max-input-tokens <TOKEN_CAP> --resume

启动 Streamable HTTP MCP 服务：

uv run icml-paper-search-mcp
curl -fsS http://127.0.0.1:20441/health/ready

默认 MCP 地址是 http://127.0.0.1:20441/mcp。注册到当前项目：

claude mcp add --transport http icml-papers --scope project http://127.0.0.1:20441/mcp

完整的建库契约、本地目录和故障恢复步骤见本地部署文档。

推荐的调研流程

open_search_session(label="diffusion for language models")
  -> search_papers("discrete diffusion language models", session_id=...)
  -> search_papers("masked diffusion text generation", session_id=...)
  -> search_session_status(session_id=...)
  -> close_search_session(session_id=...)

session_id 是至少 256-bit 的 bearer capability。拿到它的人即可访问对应会话；服务端只保存其 SHA-256 摘要，不能列举或找回原始 id。默认空闲 24 小时过期。

MCP 工具

参数、上下限和错误码见 MCP Tools Reference。

检索语义

每个 query 对 dense 与 BM25 各执行一次固定深度召回，再做 weighted RRF。默认 search_depth = top_k × 4，不会为了补满 top_k 自动下探到弱相关区域。

结果中的 score 是归一化到 [0, 1] 的融合排名分，不是余弦相似度、概率或跨 query 可比较的绝对相关度。它适合当前结果内排序和 min_score 粗过滤。

CLI

uv run icml-papers info
uv run icml-papers search "discrete diffusion language models"
uv run icml-papers search --session

交互检索支持 --area、--type、--spotlight、--top-k 和 --depth。完整说明见 CLI Reference。

数据与运行边界

• data/ 保存 6,341 篇论文的静态元数据、摘要与领域快照。

• .data/index/ 保存版本化 Chroma、FTS5、manifest 与原子 current 指针。

• .data/state/runtime.sqlite3 保存 session、限流、预算和 query embedding cache。

• Chroma 持久化目录只允许一个应用进程打开；不要用多个 worker 或容器共享该目录扩容。

• 服务启动与 readiness 不访问 DashScope；首次未命中缓存的 query 才生成在线 embedding。

Docker 部署

镜像包含程序和语料，不包含 DashScope key、构建索引或 runtime state。生产参考位于 deploy/compose.yaml，包含显式 build-index job、单进程应用、持久化目录、Docker secret 与 TLS sidecar。

docker build --build-arg VCS_REF=local -t icml-paper-search-mcp:local .
sh deploy/smoke-container.sh icml-paper-search-mcp:local

生产部署前必须替换示例域名、证书、Host/Origin 白名单和可信代理网段。详细步骤见容器部署。

开发

核心测试完全离线，不需要 key、网络、Docker、GPU 或外部数据库：

uv run python -m pytest

面向 agent 的架构边界与变更检查见 AGENTS.md。

文档站

Fumadocs 文档站位于 docs/，包含概念、教程、指南、Reference、部署运维、排障和 AI-readable delivery。

在线文档：https://keta1930.github.io/icml2026-mcp/

cd docs
pnpm install
pnpm dev

开发站点默认运行在 http://127.0.0.1:20440，文档入口为 /docs，同时提供 /llms.txt 和每个页面的 .md 版本。

License

本项目使用 MIT License。