MCP-DBLP

Un servidor de Protocolo de Contexto de Modelo (MCP) que proporciona acceso a la base de datos de bibliografía informática DBLP para modelos de lenguaje grandes.

Descripción general

El MCP-DBLP integra la API DBLP (Digital Bibliography & Library Project) con LLM a través del Protocolo de Contexto de Modelo, lo que permite que los modelos de IA:

• Busque y recupere publicaciones académicas de la base de datos DBLP

• Procesar citas y generar entradas BibTeX

• Realizar coincidencias difusas en títulos de publicaciones y nombres de autores

• Extraer y formatear información bibliográfica

• Procesar referencias incrustadas en documentos

• Exportación directa de BibTeX que omite el procesamiento LLM para lograr la máxima precisión

Related MCP server: YDB MCP

Características

• Capacidades de búsqueda integrales con consultas booleanas

• Coincidencia difusa de título y nombre del autor

• Recuperación de entradas BibTeX directamente desde DBLP

• Filtrado de publicaciones por año y lugar

• Análisis estadístico de datos de publicaciones

• Capacidad de exportación directa de BibTeX que omite el procesamiento LLM para lograr la máxima precisión

Herramientas disponibles

Comentario

Proporcione comentarios al autor a través de este formulario .

Requisitos del sistema

• Python 3.11+

• ultravioleta

Instalación

1. Instalar un cliente compatible con MCP (por ejemplo, la aplicación Claude Desktop )

2. Instalar el MCP-DBLP:

   git clone https://github.com/username/mcp-dblp.git
   cd mcp-dblp
   uv venv
   source .venv/bin/activate 
   uv pip install -e .  

3. Crear el archivo de configuración:

   Para macOS/Linux:

   ~/Library/Application/Support/Claude/claude_desktop_config.json

Para Windows:

   %APPDATA%\Claude\claude_desktop_config.json

Añade el siguiente contenido:

   {
     "mcpServers": {
       "mcp-dblp": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-dblp/",
           "run",
           "mcp-dblp",
           "--exportdir",
           "/absolute/path/to/bibtex/export/folder/"
         ]
       }
     }
   }

Windows: C:\\absolute\\path\\to\\mcp-dblp

Inmediato

Se incluye un mensaje de instrucciones que debe usarse junto con el texto que contiene las citas. En Claude Desktop, el mensaje de instrucciones está disponible mediante el icono del enchufe.

Detalles de la herramienta

buscar

Busque publicaciones en DBLP utilizando una cadena de consulta booleana.

Parámetros:

• query (cadena, obligatoria): una cadena de consulta que puede incluir los operadores booleanos 'y' y 'o' (sin distinguir entre mayúsculas y minúsculas)

• max_results (número, opcional): Número máximo de publicaciones a devolver. El valor predeterminado es 10.

• year_from (número, opcional): Límite inferior para el año de publicación

• year_to (número, opcional): Límite superior para el año de publicación

• venue_filter (cadena, opcional): filtro de subcadena que no distingue entre mayúsculas y minúsculas para lugares de publicación (por ejemplo, 'iclr')

• include_bibtex (booleano, opcional): Si se incluyen entradas BibTeX en los resultados. El valor predeterminado es falso.

búsqueda de título difuso

Busque en DBLP publicaciones con coincidencia de título aproximada.

Parámetros:

• title (cadena, obligatorio): título completo o parcial de la publicación (sin distinguir entre mayúsculas y minúsculas)

• similarity_threshold (número, obligatorio): un valor flotante entre 0 y 1, donde 1,0 significa una coincidencia exacta

• max_results (número, opcional): Número máximo de publicaciones a devolver. El valor predeterminado es 10.

• year_from (número, opcional): Límite inferior para el año de publicación

• year_to (número, opcional): Límite superior para el año de publicación

• venue_filter (cadena, opcional): filtro de subcadena que no distingue entre mayúsculas y minúsculas para lugares de publicación

• include_bibtex (booleano, opcional): Si se incluyen entradas BibTeX en los resultados. El valor predeterminado es falso.

obtener publicaciones de autor

Recupere detalles de publicación de un autor específico con coincidencia difusa.

Parámetros:

• author_name (cadena, obligatoria): nombre completo o parcial del autor (sin distinguir entre mayúsculas y minúsculas)

• similarity_threshold (número, obligatorio): un valor flotante entre 0 y 1, donde 1,0 significa una coincidencia exacta

• max_results (número, opcional): Número máximo de publicaciones a devolver. El valor predeterminado es 20.

• include_bibtex (booleano, opcional): Si se incluyen entradas BibTeX en los resultados. El valor predeterminado es falso.

obtener información del lugar

Recupere información detallada sobre un lugar de publicación.

Parámetros:

• venue_name (cadena, obligatoria): nombre del lugar o abreviatura (por ejemplo, 'ICLR' o nombre completo)

calcular_estadísticas

Calcular estadísticas a partir de una lista de resultados de publicaciones.

Parámetros:

• results (matriz, obligatorio): una matriz de objetos de publicación, cada uno con al menos 'título', 'autores', 'lugar' y 'año'

exportar_bibtex

Exporte entradas BibTeX directamente desde DBLP a un archivo local.

Parámetros:

• links

  (cadena, obligatoria): cadena HTML que contiene uno o más enlaces clave

  • Ejemplo: "<a href=https://dblp.org/rec/journals/example.bib>Smith2023</a>"

Comportamiento:

• Para cada enlace, la entrada BibTeX se obtiene directamente de DBLP

• Sólo la clave de cita se reemplaza con la clave especificada en el texto del enlace

• Todas las entradas se guardan en un archivo .bib con marca de tiempo en la carpeta especificada por --exportdir

• Devuelve la ruta completa al archivo guardado

Nota importante: Las entradas de BibTeX se obtienen directamente de DBLP con un tiempo de espera de 10 segundos y el LLM no las procesa, modifica ni procesa. Esto garantiza la máxima precisión y fiabilidad de los datos bibliográficos. Solo se modifican las claves de cita según lo especificado. Si se agota el tiempo de espera de una solicitud, se incluye un mensaje de error en la salida.

Ejemplo

Texto de entrada:

Nuestra exploración se centra en dos tipos de problemas de explicación, abductivos y contrastivos, en contextos locales y globales (Marques-Silva 2023). Las explicaciones abductivas (Ignatiev, Narodytska y Marques-Silva 2019), correspondientes a las explicaciones de implicancia principal (Shih, Choi y Darwiche 2018) y las explicaciones de razón suficiente (Darwiche y Ji 2022), aclaran instancias específicas de toma de decisiones, mientras que las explicaciones contrastivas (Miller 2019; Ignatiev et al. 2020), correspondientes a las explicaciones de razón necesaria (Darwiche y Ji 2022), explicitan las razones detrás de la no selección de alternativas. Por el contrario, las explicaciones globales (Ribeiro, Singh y Guestrin 2016; Ignatiev, Narodytska y Marques-Silva 2019) buscan desentrañar los patrones de decisión de los modelos a través de diversas entradas.

Texto de salida:

Nuestra exploración se centra en dos tipos de problemas de explicación, abductivos y contrastivos, en contextos locales y globales \cite{MarquesSilvaI23}. Las explicaciones abductivas \cite{IgnatievNM19}, correspondientes a las explicaciones de implicancia principal \cite{ShihCD18} y las explicaciones de razón suficiente \cite{DarwicheJ22}, aclaran instancias específicas de toma de decisiones, mientras que las explicaciones contrastivas \cite{Miller19}; \cite{IgnatievNA020}, correspondientes a las explicaciones de razón necesaria \cite{DarwicheJ22}, explicitan las razones detrás de la no selección de alternativas. Por el contrario, las explicaciones globales \cite{Ribeiro0G16}; \cite{IgnatievNM19} buscan desentrañar los patrones de decisión de los modelos a través de diversas entradas.

Salida Bibtex

Todas las referencias se han exportado correctamente a un archivo BibTeX en: /absolute/path/to/bibtex/20250305_231431.bib

@article{MarquesSilvaI23,
 author       = {Jo{\~{a}}o Marques{-}Silva and
                 Alexey Ignatiev},
 title        = {No silver bullet: interpretable {ML} models must be explained},
 journal      = {Frontiers Artif. Intell.},
 volume       = {6},
 year         = {2023},
 url          = {https://doi.org/10.3389/frai.2023.1128212},
 doi          = {10.3389/FRAI.2023.1128212},
 timestamp    = {Tue, 07 May 2024 20:23:47 +0200},
 biburl       = {https://dblp.org/rec/journals/frai/MarquesSilvaI23.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{IgnatievNM19,
 author       = {Alexey Ignatiev and
                 Nina Narodytska and
                 Jo{\~{a}}o Marques{-}Silva},
 title        = {Abduction-Based Explanations for Machine Learning Models},
 booktitle    = {The Thirty-Third {AAAI} Conference on Artificial Intelligence, {AAAI}
                 2019, The Thirty-First Innovative Applications of Artificial Intelligence
                 Conference, {IAAI} 2019, The Ninth {AAAI} Symposium on Educational
                 Advances in Artificial Intelligence, {EAAI} 2019, Honolulu, Hawaii,
                 USA, January 27 - February 1, 2019},
 pages        = {1511--1519},
 publisher    = {{AAAI} Press},
 year         = {2019},
 url          = {https://doi.org/10.1609/aaai.v33i01.33011511},
 doi          = {10.1609/AAAI.V33I01.33011511},
 timestamp    = {Mon, 04 Sep 2023 12:29:24 +0200},
 biburl       = {https://dblp.org/rec/conf/aaai/IgnatievNM19.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{ShihCD18,
 author       = {Andy Shih and
                 Arthur Choi and
                 Adnan Darwiche},
 editor       = {J{\'{e}}r{\^{o}}me Lang},
 title        = {A Symbolic Approach to Explaining Bayesian Network Classifiers},
 booktitle    = {Proceedings of the Twenty-Seventh International Joint Conference on
                 Artificial Intelligence, {IJCAI} 2018, July 13-19, 2018, Stockholm,
                 Sweden},
 pages        = {5103--5111},
 publisher    = {ijcai.org},
 year         = {2018},
 url          = {https://doi.org/10.24963/ijcai.2018/708},
 doi          = {10.24963/IJCAI.2018/708},
 timestamp    = {Tue, 20 Aug 2019 16:19:08 +0200},
 biburl       = {https://dblp.org/rec/conf/ijcai/ShihCD18.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{DarwicheJ22,
 author       = {Adnan Darwiche and
                 Chunxi Ji},
 title        = {On the Computation of Necessary and Sufficient Explanations},
 booktitle    = {Thirty-Sixth {AAAI} Conference on Artificial Intelligence, {AAAI}
                 2022, Thirty-Fourth Conference on Innovative Applications of Artificial
                 Intelligence, {IAAI} 2022, The Twelveth Symposium on Educational Advances
                 in Artificial Intelligence, {EAAI} 2022 Virtual Event, February 22
                 - March 1, 2022},
 pages        = {5582--5591},
 publisher    = {{AAAI} Press},
 year         = {2022},
 url          = {https://doi.org/10.1609/aaai.v36i5.20498},
 doi          = {10.1609/AAAI.V36I5.20498},
 timestamp    = {Mon, 04 Sep 2023 16:50:24 +0200},
 biburl       = {https://dblp.org/rec/conf/aaai/DarwicheJ22.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@article{Miller19,
 author       = {Tim Miller},
 title        = {Explanation in artificial intelligence: Insights from the social sciences},
 journal      = {Artif. Intell.},
 volume       = {267},
 pages        = {1--38},
 year         = {2019},
 url          = {https://doi.org/10.1016/j.artint.2018.07.007},
 doi          = {10.1016/J.ARTINT.2018.07.007},
 timestamp    = {Thu, 25 May 2023 12:52:41 +0200},
 biburl       = {https://dblp.org/rec/journals/ai/Miller19.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{IgnatievNA020,
 author       = {Alexey Ignatiev and
                 Nina Narodytska and
                 Nicholas Asher and
                 Jo{\~{a}}o Marques{-}Silva},
 editor       = {Matteo Baldoni and
                 Stefania Bandini},
 title        = {From Contrastive to Abductive Explanations and Back Again},
 booktitle    = {AIxIA 2020 - Advances in Artificial Intelligence - XIXth International
                 Conference of the Italian Association for Artificial Intelligence,
                 Virtual Event, November 25-27, 2020, Revised Selected Papers},
 series       = {Lecture Notes in Computer Science},
 volume       = {12414},
 pages        = {335--355},
 publisher    = {Springer},
 year         = {2020},
 url          = {https://doi.org/10.1007/978-3-030-77091-4\_21},
 doi          = {10.1007/978-3-030-77091-4\_21},
 timestamp    = {Tue, 15 Jun 2021 17:23:54 +0200},
 biburl       = {https://dblp.org/rec/conf/aiia/IgnatievNA020.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

@inproceedings{Ribeiro0G16,
 author       = {Marco T{\'{u}}lio Ribeiro and
                 Sameer Singh and
                 Carlos Guestrin},
 editor       = {Balaji Krishnapuram and
                 Mohak Shah and
                 Alexander J. Smola and
                 Charu C. Aggarwal and
                 Dou Shen and
                 Rajeev Rastogi},
 title        = {"Why Should {I} Trust You?": Explaining the Predictions of Any Classifier},
 booktitle    = {Proceedings of the 22nd {ACM} {SIGKDD} International Conference on
                 Knowledge Discovery and Data Mining, San Francisco, CA, USA, August
                 13-17, 2016},
 pages        = {1135--1144},
 publisher    = {{ACM}},
 year         = {2016},
 url          = {https://doi.org/10.1145/2939672.2939778},
 doi          = {10.1145/2939672.2939778},
 timestamp    = {Fri, 25 Dec 2020 01:14:16 +0100},
 biburl       = {https://dblp.org/rec/conf/kdd/Ribeiro0G16.bib},
 bibsource    = {dblp computer science bibliography, https://dblp.org}
}

Descargo de responsabilidad

Este MCP-DBLP se encuentra en fase de prototipo y debe utilizarse con precaución. Se anima a los usuarios a experimentar, pero cualquier uso en entornos críticos es bajo su propia responsabilidad.

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.