tianshu-research
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., "@tianshu-researchFind recent open-access papers on graph neural networks."
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.
Tianshu-Research (天枢理工科研能力扩展包)
天枢理工科研能力扩展包(Tianshu-Research Overlay)。Tianshu-Research 并非孤立臃肿的第三方科研 Agent,亦非单纯外挂的 MCP Server,而是依附于 Tianshu-Harness(天枢智能体运行时)的第一方原生科研能力扩展包。
项目秉持天枢的核心哲学——“一套科研内核,两个交互表面;Harness 负责思考与编排,Research 负责测量、存证与科学验收”。通过收敛公开工具网关、结构化证据账本(Evidence Ledger)与双重科学门禁(Scientific Gate),在运行时严格杜绝「虚构 DOI、用普通网页搜索冒充学术库、未读全文编造页码与实验数据」等大模型科研幻觉。
一、五层科研工作流全景吸收与工程边界
本项目全面吸收了现代科研工作流体系的核心精髓,并将其与天枢原生架构深度融合:
flowchart TD
subgraph L1[第 1 层:科研业务流程层]
direction LR
P1[问题与文献] --> P2[创新与方案] --> P3[实验/代码验证] --> P4[分析与写作] --> P5[审稿与双重质控]
P5 -.->|发现问题·返回迭代| P1
end
subgraph L2[第 2 层:Agent 执行层]
direction LR
A1[Scout 学术侦察员] --> A2[Strategist 方案架构员] --> A3[Coder 实验复现员] --> A4[Writer 论文撰写员] --> A5[Council 双重门禁席]
end
subgraph L3[第 3 层:Skills 与工具层]
S1[单一高内聚 research-flow Skill<br>按需 References 展开]
T1[收敛的 4 大公开工具网关<br>query / evidence / palette / status]
end
subgraph L4[第 4 层:MCP 与协议层]
M1[Tianshu-Research stdio MCP]
M2[Zotero 开源标准导出<br>CSL-JSON / RIS 替代 EndNote]
M3[天枢原生能力面<br>Bash / Python / LSP / Office]
end
subgraph L5[第 5 层:知识与资源底座]
K1[云端学术图谱<br>OpenAlex 2.5 亿实体 + arXiv API]
K2[本地轻量结构化证据账本<br>sources / evidence / claims .jsonl]
K3[轻量章节切块<br>read_section 定向精读]
end
L1 === L2
L2 === L3
L3 === L4
L4 === L5深度研判:吸收什么 vs 坚决摒弃什么
架构层级 | 工作流核心吸收点 (YES) | 坚决摒弃的过度设计与陷阱 (NO) | 决策依据与工程边界 |
第 1 层:业务流程层 | 完全吸收五阶段闭环体系:从文献初筛、方案假说、代码实验、图表撰写到双重门禁质控,支持全生命周期闭环迭代。 | 摒弃“一刀切必须走完 5 阶段”的僵化流程;保留短用(秒查即弃)、中用(精读卡)、长用(账本门禁)三档弹性。 | 满足不同研究深度需求,避免轻量学术查询产生沉重流程包袱。 |
第 2 层:Agent 执行层 | 系统化映射为天枢原生的 WorkOrder 角色模板(Scout, Strategist, Coder, Writer, Gatekeeper),通过宿主原生的 | 坚决不在插件内新造 5 套割裂的 Agent 运行时;避免多进程重复通信开销与独立的调度器混乱。 | 宿主已具备顶级的认知虚拟机(CVM)与多智能体分波引擎,插件专注做好“量具与门禁”。 |
第 3 层:Skills 工具层 | 坚守单一高聚合 Skill( | 坚决不拆分成 8 个独立 Skill 塞入环境;严禁把细碎小动作暴露为公开顶级工具。 | 严格保护 DeepSeek 前缀缓存!过多的细碎工具会稀释模型注意力、打碎 KV Cache 前缀指纹。 |
第 4 层:MCP 协议层 | 1. 全面拥抱开源 Zotero:提供标准 CSL-JSON 与 RIS 导出动作,对接社区开源 | 坚决摒弃商业闭源的 EndNote;严禁在插件内重复造轮子实现 Code 或 Word 读写能力。 | 用户明确要求用 Zotero 替代 EndNote。宿主已有完备的系统级工具,保持插件纯净度。 |
第 5 层:知识与资源层 | 吸纳轻量 RAG 精髓:1. 全局检索依托 OpenAlex 2.5 亿学术图谱与 arXiv API;2. 本地依托 Git 友好的结构化 JSONL 证据账本;3. 章节切块( | 坚决不内嵌重型本地向量数据库(如 Chroma/LanceDB);严禁引入数百 MB 本地二进制 C++ / ONNX 依赖。 | 保持零外部二进制依赖与跨平台轻量性;结构化证据账本足以提供确定性物理定位与零幻觉 Grounding。 |
Related MCP server: OpenAlex MCP Server
二、收敛的 4 大公开工具网关
所有底层能力(检索、单篇解析、材料切块、证据账本、科学门禁、图表配色)统一收敛至 4 个 Discriminated Union 工具网关,公开工具 Schema 预算严格控制在约 850 tokens:
research_query(统一学术检索与单篇解析网关)action: "search_papers":并发检索 arXiv 与 OpenAlex 开放文献。action: "resolve_paper":按 arXiv ID、abs/pdf 链接或 DOI 查询单篇文献元数据,直链 OA PDF 与官方 HTML。
research_evidence(结构化证据账本、章节精读与科学门禁网关)action: "ingest_document":导入纯文本/HTML 论文材料至工作区(安全单段 docId,拒绝二进制 PDF 混入),建立全文 Grounding 基准。action: "read_section":按章节定向提取已入库材料(默认截断至 2000 字符内,支持 offset 分页),严格压制上下文暴涨,将单轮精读交互注入的 token 量从 2.5 万压制至 1000 以内。action: "add_source":录入参考文献元数据。action: "add_evidence":记录包含真实物理 Locator(章节、行号、字符区间或已核实页码)与原文摘录的证据片段。action: "add_claim":基于已录入证据创建科学主张,建立双向追踪链。action: "query_evidence":按来源、支持/反驳关系或关键词检索证据片段。action: "get_summary":统计当前工作区账本整体规模。action: "verify_ledger":执行科学门禁审查(默认 90% Locator 覆盖门槛、全文 Grounding 摘录匹配、小枚举支持关系、占位符拦截)。action: "export_csl_json":将账本数据导出为国际标准 Citation Style Language JSON 格式(.rivet/research/export/literature.csl.json)。action: "export_ris":将账本数据导出为通用 Research Information Systems 格式(.rivet/research/export/literature.ris),一键拖入 Zotero。
journal_palette(顶刊出版规范配色网关)查询 100 套顶刊出版规范配色(Nature, Science, IEEE, ColorBrewer, Okabe-Ito 色盲友好色板)。内存即时计算,零依赖。
research_status(科研工作区状态诊断)快速获取当前工作区路径、证据账本统计(Sources/Evidence/Claims)、检索引擎配置与顶刊色板角色目录。
三、真实实测四大隐患治理与生产级防护
在实机 DeepSeek-V4 长会话测试中,我们深入剖析了遥测日志,落地了四大针对性防护:
1. 防 20 万 Token 撑爆机制(DeepSeek 缓存友好)
现象:大模型对话历史具有单调累积性。若模型用 bash 或
read_file把上百 KB 的整篇论文全量回显至对话,单会话上下文十余轮即从 3.3 万暴涨至 20.7 万 tokens(Prompt 累计达 651 万 tokens),导致首字延迟(TTFT)恶化至 3.5s ~ 5.6s。治理:引入
read_section窄动作,并在 Skill 中确立纪律:长文必须静默存盘后定向读取目标章节(单次限 2000 字符),将单轮增量压缩 95% 以上,真正发挥 DeepSeek 95%~99% 前缀缓存命中率的高吞吐优势。
2. 外部学术源防风控与限流保护
OpenAlex 礼貌池接入:在
search.js中自动注入&mailto=参数(支持OPENALEX_MAILTO环境变量,缺省合规回退),接入官方 10 req/s 的 Polite Pool;可选支持OPENALEX_API_KEY。arXiv 3 秒节流调度器:内置基于内存 Promise 的队列调度器,强制发往 arXiv 的请求间隔严格
>= 3000ms,杜绝突发流量封禁。优雅降级:结构化捕获 429 与 403 异常并输出友好提示,保证并发检索时单源失败不崩溃。
3. TUN 代理 Fake-IP (198.18.0.0/15) 避坑
现象:Windows 下 Clash / Mihomo 等 TUN 代理会将境外学术域名解析为 198.18.x.x 假网段,触发宿主内核的 SSRF 安全防御。
治理:在学术卡片中自动提供 arXiv 原生在线阅读直链(
- html: https://arxiv.org/html/<id>);在 Skill 中规范静默脚本下载后导入,禁止盲目重试web_fetch。
4. 项目级配置隔离与日常使用零干扰 (Zero-Pollution Guide)
为什么不推荐全局常驻? 全局常驻会占用约 850 tokens 的 System Prompt 工具定义,分散常规编程注意力;若在会话中途开关 MCP,工具集的变动会打碎 System Prompt 前缀指纹,摧毁 DeepSeek KV 缓存。
推荐方案:遵循「项目级配置优先于全局配置」哲学,仅在科研工程根目录下配置
.rivet-config.json:{ "mcpServers": { "tianshu-research": { "command": "node", "args": ["D:/1_Research/Develop_Research/plugins/tianshu-research/mcp-server.js"] } } }日常通用编程项目保持纯净的 26 个核心工具面,实现 0 额外 Token 消耗、0 缓存抖动、0 注意力干扰。
四、Zotero 现代文献生态对接(替代 EndNote)
本项目全面对接开源 Zotero 生态,彻底告别商业闭源的 EndNote(详见 docs/zotero-integration.md):
一键导出标准格式:
导出 CSL-JSON:
research_evidence(action="export_csl_json")导出 RIS:
research_evidence(action="export_ris")
导入 Zotero 客户端:打开 Zotero 点击 文件 → 导入 → 选择 .rivet/research/export/literature.ris 即可秒级结构化入库。
对接社区
zotero-mcp:支持直接通过标准 MCP 协议与本地 Zotero 知识库进行双向检索与条目同步。
五、五阶段多 Agent 闭环与双重科学门禁
基于天枢原生的 /team 与 /council 编排器,提供开箱即用的五阶段协作流水线(详见 references/team-templates.md):
Wave 1: Scout (学术初筛员):初筛 OA 论文,提取真实 DOI 与 arXiv ID。
Wave 2: Strategist (方案架构员):分析 Research Gap,提炼创新假设与数值验证方案。
Wave 3: Coder (实验复现员):编写并运行仿真算法代码,验证 Exit 0。
Wave 4: Writer (学术撰写员):应用
journal_palette顶刊配色,撰写论文草稿并导出 CSL-JSON/RIS。Wave 5: Council Gatekeeper (双重科学门禁席):
一级证据链门禁:核验 100% Locator 覆盖与全文 Grounding 真实匹配。
二级代码复现门禁:独立复跑核心实验脚本验证数值一致性;未通过闭环打回前序 Wave 迭代。
六、Python 绘图伴生库
将 figure/journal_palette.py 与 figure/journal_palette.json 放置于用户绘图脚本同级目录:
import matplotlib.pyplot as plt
import numpy as np
from journal_palette import journal_palette, apply_journal_style
# 应用顶刊排版规范 (Nature / Science 风格)
apply_journal_style()
# 获取色盲友好色板 (Okabe-Ito)
colors = journal_palette('colorblind')
fig, ax = plt.subplots(figsize=(6, 4))
x = np.linspace(0, 10, 100)
for i in range(len(colors)):
ax.plot(x, np.sin(x + i * 0.5), color=colors[i], label=f'Series {i+1}')
ax.set_title("Journal Figure Demonstration")
ax.legend(loc='upper right', frameon=False)
plt.show()七、快速开始 (Quickstart)
方式 A:作为独立 stdio MCP 服务运行
# 启动 MCP 服务 (JSON-RPC 2.0 stdio)
node mcp-server.js方式 B:在天枢 CLI 中使用
# 1. 快捷检查科研工作区状态
/research-status
# 2. 启动科研检索初筛
/research physics-informed neural networks方式 C:在天枢桌面端 (Tauri) 启用
进入桌面端 Settings → MCP 服务 →「科研文献」→ 点击启用。
八、自动化测试与质量指标
项目包含严谨完备的自动化测试套件,坚守通过即止(Stop on Green)纪律:
# 运行全量 Node.js 单元测试(86 项测试全部 100% GREEN)
node --test test/*.test.js
# 运行 Python 色板插值与样式单测(6 项断言全部通过)
python test/test_journal_palette.py九、目录结构全景
Tianshu-Research/
├── .github/
│ └── workflows/
│ └── ci.yml # GitHub Actions 持续集成自动化测试
├── commands/
│ ├── research.md # /research 斜杠指令
│ └── research-status.md # /research-status 诊断指令
├── compute/
│ ├── compute-gateway.js # 渐进式科学计算网关
│ └── sympy_runner.py # SymPy 符号代数执行器
├── docs/
│ ├── smoke.md # 冒烟测试手册
│ ├── tianshu-research-capability-map.md # 顶层全景架构地图与全链路设计
│ ├── tianshu-research-plan.md # 架构规划案
│ └── zotero-integration.md # Zotero 与 zotero-mcp 现代文献对接指南
├── document/
│ └── document-parser.js # 科学文档章节切块与真实物理 Locator 解析
├── figure/
│ ├── journal_palette.json # 100 套顶刊出版色板数据
│ └── journal_palette.py # Python 顶刊绘图伴生库
├── gates/
│ └── scientific-verifier.js # 科学门禁审计器 (Evidence Ledger 闭环校验)
├── jobs/
│ └── job-manager.js # 异步长时间任务状态机
├── ledger/
│ └── evidence-ledger.js # 结构化证据账本核心读写与 CSL-JSON/RIS 导出
├── skills/
│ └── research-flow/
│ ├── SKILL.md # 智能体科研工作流技能规范 (防撑爆与避坑指南)
│ └── references/
│ ├── cvm-reflective-flow.md # CVM 反思型科研工作流实战模版
│ ├── reading-card.md # 精读卡规范
│ ├── polishing.md # 学术润色不变量保护规范
│ └── team-templates.md # 五阶段科研多 Agent 协作与双重门禁模版
├── test/
│ ├── arxiv-sample.xml # 离线 Atom 样卷
│ ├── compute.test.js # 符号计算单测
│ ├── document.test.js # 文档解析与真实定位单测
│ ├── gateway.test.js # 网关工具单测 (包含 read_section 与导出)
│ ├── job.test.js # 异步任务单测
│ ├── ledger.test.js # 证据账本、CSL-JSON 与 RIS 导出单测
│ ├── mcp-server.test.js # MCP JSON-RPC 2.0 协议一致性测试
│ ├── search.test.js # arXiv / OpenAlex 解析与 3s 节流单测
│ └── test_journal_palette.py # Python 色板单测
├── tools/
│ └── research-status.js # 状态诊断工具实现
├── figure.js # Node 端色板插值与角色查询
├── gateway-document.js # 文档解析网关内部实现
├── gateway-evidence.js # 证据账本与章节精读公开网关
├── gateway-job.js # 异步任务网关内部实现
├── gateway-query.js # 学术检索公开网关
├── index.js # 插件导出入口
├── mcp-server.js # 标准 stdio MCP 协议服务
├── package.json # 模块清单
├── search.js # 学术文献检索、礼貌池与节流实现
├── tool-contracts.js # 收敛的 4 大工具契约与 Schema 校验
├── HANDOFF.md # 综合交接文档 (写给无上下文的后续开发者)
├── THIRD_PARTY_NOTICES.md # 第三方开源声明
├── LICENSE # Apache-2.0
└── README.md # 项目全景说明十、许可证与致谢
本项目遵循 Apache-2.0 许可证。
色板数据整理自 ColorBrewer 2.0 (Apache 2.0)、Okabe-Ito (CC0) 及公开科研绘图规范,详见 THIRD_PARTY_NOTICES.md。
学术数据接口来自 arXiv API 与 OpenAlex API。
This server cannot be deployed
Maintenance
Related MCP Connectors
Search arXiv/Semantic Scholar/OpenAlex + medical evidence (PubMed/Europe PMC) + LaTeX/PDF tools.
Academic literature search, retrieval, and private library management on top of OpenAlex.
Find academic papers across major sources like arXiv, PubMed, bioRxiv, and more. Download PDFs whe…
Search and download academic papers from arXiv, PubMed, bioRxiv, medRxiv, Google Scholar, Semantic…
Related MCP Servers
- AlicenseAqualityCmaintenanceEnables retrieval of academic paper metadata, PDFs, full text, citations, and references by title via Semantic Scholar, arXiv, and other sources.630 PyPI1MIT
- FlicenseNot gradedqualityDmaintenanceProvides academic research tools via the OpenAlex API, enabling searches for papers, authors, concepts, institutions, and citation analysis.-
- AlicenseNot gradedqualityDmaintenanceEnables searching scholarly papers and authors via the OpenAlex API, with no API key required.MIT
- AlicenseNot gradedqualityBmaintenanceEnables searching academic papers, exploring citation graphs, and discovering related research via ArXiv and Semantic Scholar APIs.MIT