ScholarFetch

ScholarFetch — это мультидвижковая академическая исследовательская среда для:

• исследования литературы в первую очередь через терминал

• агентских рабочих процессов на базе MCP

• создания курируемых списков чтения и экспортируемых исследовательских корпусов

Он объединяет:

• богатый интерактивный CLI для людей

• классический MCP-сервер (stdio)

• FastMCP-сервер (stdio, sse, streamable-http)

Основная идея проста: начните с ключевых слов, DOI или авторов, просматривайте статьи и ссылки, изучайте аннотации и полные тексты, сохраняйте важное, а затем экспортируйте компактный корпус для синтеза.

Что делает ScholarFetch

• Выполняет параллельный поиск по нескольким научным движкам

• Разрешает неоднозначные авторские идентичности и расширяет списки статей авторов

• Просматривает ссылки как полноценные исследовательские узлы

• Получает аннотации и машиночитаемые полные тексты, когда они доступны

• Отслеживает сохранённый набор статей во время интерактивной исследовательской сессии

• Экспортирует цитаты, аннотации, BibTeX или корпуса полных текстов

• Предоставляет тот же исследовательский рабочий процесс MCP-агентам

• Поддерживает сохраняемые коллекции статей в рамках одной MCP-сессии

Related MCP server: Academic Research Intelligence MCP

Движки

• Elsevier (получение Scopus / аннотаций / статей)

• OpenAlex

• Crossref

• arXiv

• Europe PMC

• Springer Nature (метаданные + открытый доступ)

• Semantic Scholar (путь обогащения DOI)

Установка

git clone https://github.com/laibniz/scholarfetch.git
cd scholarfetch
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
scholarfetch

Консольные скрипты:

• scholarfetch

• scholarfetch-mcp

• scholarfetch-fastmcp

Альтернатива:

python3 scholarfetch.py

Учётные данные

ScholarFetch загружает учётные данные провайдеров на стороне сервера / клиента из окружения.

Файл окружения по умолчанию:

• .scholarfetch.env

Типичные переменные:

ELSEVIER_API_KEY=...
ELSEVIER_INSTTOKEN=...
SPRINGER_META_API_KEY=...
SPRINGER_OPENACCESS_API_KEY=...

Примечания:

• ELSEVIER_INSTTOKEN необязателен

• права провайдера и ограничения скорости по-прежнему действуют

• инструменты MCP не принимают API-ключи в аргументах инструментов

Исследовательский рабочий процесс CLI

CLI ScholarFetch предназначен для исследовательского обхода.

Типичный поток:

1. Начните с темы, DOI или автора.

2. Изучите статьи.

3. Прочитайте аннотации или полные тексты.

4. Разверните ссылки.

5. Перейдите к связанным авторам.

6. Сохраните перспективные статьи.

7. Экспортируйте корпус для последующей работы.

Пример:

/search graph neural networks
/author Albert Einstein
/papers 1 has:abstract
/article 1
/refs 1
/saved
/export fulltext dummy corpus.txt

Возможности CLI

• Интерактивный выбор с навигацией по дереву

• Хлебные крошки для текущей исследовательской позиции

• Панель действий для OPEN, ABSTRACT, TEXT, REFS и AUTHOR

• Backspace для перехода к родительскому узлу

• Esc для возврата к приглашению

• S для сохранения статьи из списков статей или списков ссылок

• X для удаления из сохранённого списка

• Действие AUTHOR из статьи теперь позволяет выбрать:

  • одного автора

  • ALL AUTHORS

• Списки ссылок ведут себя как списки статей:

  • open

  • abstract

  • text

  • refs

  • author

• Автоматические подсказки о доступности статей:

  • доступность аннотации

  • доступность полного текста

• Индикация прогресса для дорогостоящих переходов

• Прерываемое построение предпросмотра ссылок с сохранением частичных результатов

Основные команды CLI

• /search <keywords|doi|person name>

• /author <name>

• /papers <author name|index> [filters]

• /doi <doi>

• /open <index>

• /abstract <doi|index>

• /article <doi|index>

• /refs <doi|index>

• /ref <index>

• /saved

• /export [format style path ...]

• /import [path]

• /pick [mode]

• /config

• /engines

• /help

Фильтры статей

Используйте с /papers:

• year>=YYYY, year<=YYYY, year=YYYY

• has:abstract, has:doi, has:pdf, has:fulltext

• venue:<text>, title:<text>, doi:<text>

Примеры:

/papers 1 year>=2020 has:abstract
/papers 1 has:fulltext
/papers andrea de mauro venue:marketing

Режимы экспорта

ScholarFetch поддерживает четыре режима экспорта из сохранённого набора статей.

• bib

  • BibTeX для менеджеров цитат и библиографических инструментов

• citations

  • экспорт только цитат в форматах harvard, apa или ieee

• abstracts

  • метаданные + аннотация для каждой сохранённой статьи

• fulltext

  • метаданные + аннотация + полный текст, если доступен

  • опциональное включение ссылок

Это делает ScholarFetch полезным как конструктор корпусов для последующих агентов синтеза.

MCP-сервер

ScholarFetch предоставляет ту же исследовательскую модель через MCP.

Режимы:

• Классический MCP (stdio): python3 scholarfetch_mcp.py

• FastMCP stdio: python3 scholarfetch_fastmcp.py --transport stdio

• FastMCP SSE: python3 scholarfetch_fastmcp.py --transport sse --host 127.0.0.1 --port 8000

• FastMCP streamable HTTP: python3 scholarfetch_fastmcp.py --transport streamable-http --host 127.0.0.1 --port 8000 --http-path /mcp

Проверка:

python3 scholarfetch_mcp.py --self-test
python3 scholarfetch_fastmcp.py --self-test

Публичные демонстрационные конечные точки:

• Веб-интерфейс: https://huggingface.co/spaces/Laibniz/ScholarFetch_Web

• Публичная MCP-конечная точка: https://laibniz-scholarfetch-web.hf.space/mcp/

• Список в реестре MCP: io.github.laibniz/scholarfetch

Исследовательская модель MCP

MCP-сервер предназначен для агентских рабочих процессов, а не только для разовых вызовов.

Агент может:

1. Искать статьи

2. Разрешать авторов

3. Расширять до статей автора

4. Читать аннотации / полные тексты

5. Расширять ссылки

6. Сохранять перспективные статьи в именованный список чтения в памяти

7. Экспортировать список чтения как:

   • цитаты

   • аннотации

   • BibTeX

   • корпус полных текстов

Это позволяет агенту собрать сфокусированный исследовательский набор в рамках одной MCP-сессии, а затем передать экспортированный артефакт на следующий этап синтеза.

См. MCP_SERVER.md для подробной модели инструментов.

Файлы репозитория

• scholarfetch.py: точка входа CLI

• scholarfetch_cli.py: основной CLI + логика получения данных

• scholarfetch_mcp.py: классический MCP-сервер

• scholarfetch_fastmcp.py: FastMCP-сервер

• MCP_SERVER.md: руководство по использованию MCP

• AGENTS.md: руководство по рабочим процессам для агентов

• SKILL.md: структурированное руководство по исследовательским навыкам

• SKILLS.md: индекс документации по навыкам для агентов

• CONTRIBUTING.md: заметки для участников

Для агентов

Если вы запускаете ScholarFetch из MCP-совместимой системы, прочтите:

• AGENTS.md

• SKILL.md

• SKILLS.md

Эти документы объясняют, как использовать ScholarFetch как среду для литературных исследований, а не как плоский поисковый API.

Участие

См. CONTRIBUTING.md.

Безопасность

См. SECURITY.md.

Лицензия

Лицензия MIT. См. LICENSE.