Provides tools for querying and searching arXiv papers (and Hacker News discussions) via SQL and full-text search, with live data refresh.
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., "@research-mcp-lab Find recent arXiv papers about machine learning"
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.
Hacker News × arXiv を横断する research intelligence エージェントの MCP サーバ。 自然文の問いを SQL / 全文検索に変換し、根拠（実行した SQL・検索ヒット）つきで答える。
MCP サーバ（Model Context Protocol）— Claude Code 等の AI クライアントから「道具」として呼べる。
DuckDB + FTS — HN/arXiv のメタデータを列指向 DB に格納し、BM25 で全文検索。
根拠を返す — どのツールを・どんな SQL / 検索で答えたかを併記する。
ライブ取得（スクレイピング） — refresh_data で最新の HN×arXiv を取得し、別ストア（data/live/）に保存。凍結スナップショット（data/snapshot/）は再現性のため不変。
Related MCP server: nl2sql-mcp
ツール | 役割 |
| テーブル/列の意味・FTS 対象を返す（AI が SQL/検索の前に読む） |
| 読み取り専用 SQL を実行し表形式で返す（＝根拠 SQL） |
| BM25 全文検索（ |
| HN×arXiv を取得して live ストアを更新（スクレイピング） |
live=True を付けると refresh_data 後の最新データに対して問い合わせる。
既定（live=False）は凍結スナップショット＝再現可能な基準データを見る。
uv sync --dev
# 凍結スナップショット(data/snapshot/*.csv)から DuckDB を構築
PYTHONPATH=src uv run python -c "from research_mcp.data import build_db; build_db()"
uv run pytest
# MCP サーバを stdio 起動
PYTHONPATH=src uv run python -m research_mcpclaude mcp add research-intelligence -s user \
-e PYTHONPATH="$PWD/src" \
-- uv run --directory "$PWD" python -m research_mcpdata/snapshot/*.csv — HN/arXiv の凍結スナップショット（公開データ）。eval / デモの再現性の基準。
data/live/ — refresh_data が再生成（.gitignore 済み）。
Hacker News API（Firebase）— https://hacker-news.firebaseio.com/v0/
arXiv API（Atom）— http://export.arxiv.org/api/query
src/research_mcp/
sources.py # HN/arXiv 取得・arxiv_id 抽出・サニタイズ・build_snapshot
data.py # スナップショット→DuckDB、メタデータ層、FTS、接続
server.py # MCP ツール(get_schema / run_sql / search_text / refresh_data)
__main__.py # `python -m research_mcp` で stdio 起動
tests/ # pytest（取得の純関数・MCP ツール・live ルーティング）テーブル/列の意味・FTS 対象を返す。AI が SQL/検索の前に読む。
live=True で refresh_data 後の最新データ(live ストア)のスキーマを見る。
Inputs: live. Returns: result
HN×ArXiv を今すぐ取得し、別の live ストア(data/live/)に保存する（スクレイピング）。
凍結スナップショット(data/snapshot=eval の基準)は変更しない。取得後は get_schema/run_sql/search_text に live=True を付けると最新データを検索できる。 top_n は HN topstories の取得上限（多いほど網羅的だが遅い）。
Inputs: top_n. Returns: result
読み取り専用 SQL を実行し結果を表形式文字列で返す（＝根拠 SQL）。
live=True で refresh_data 後の最新データ(live ストア)に対して実行する。
Inputs: sql (required), live. Returns: result
FTS 全文検索。target は 'papers'(abstract) か 'comments'(text)。
BM25 スコア順にヒット行を返す（＝どの文書がヒットしたかの根拠）。 live=True で refresh_data 後の最新データ(live ストア)を検索する。
Inputs: query (required), live, target. Returns: result
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 4 tools
Each tool targets a clearly distinct operation: schema introspection, read-only SQL execution, full-text search, and data refresh. There is no meaningful overlap between any two tools.
All tool names follow the same verb_noun snake_case pattern: get_schema, run_sql, search_text, refresh_data. The naming is perfectly consistent and predictable.
Four tools is an appropriate scope for a research data exploration server. Each tool covers a necessary part of the workflow without redundancy.
The set covers schema discovery, SQL querying, full-text search, and live data refresh, which forms a complete research workflow. A minor gap is the lack of an explicit refresh status or provenance tool, but this can be worked around via queries.
MCP server for searching Airweave collections with natural language queries.
Text-to-SQL MCP server: read-only queries on PostgreSQL, MySQL and SQL Server with your real schema
