mcp-scholar
"mcp\_scholar" 是一个基于 Python 的工具，用于搜索和分析 Google Scholar 论文，支持诸如基于关键词的搜索以及与 MCP 客户端和 Cherry Studio 集成的功能。它提供诸如从 Scholar 个人资料中获取引用次数最高的论文以及总结研究热点等功能。
Tools
scholar_search
搜索谷歌学术并返回论文摘要 Args: keywords: 搜索关键词 count: 返回结果数量，默认为5 fuzzy_search: 是否使用模糊搜索，默认为False sort_by: 排序方式，可选值: - "relevance": 按相关性排序（默认） - "citations": 按引用量排序 - "date": 按发表日期排序（新到旧） - "title": 按标题字母顺序排序 year_start: 开始年份，可选 year_end: 结束年份，可选 Returns: Dict: 包含论文列表的字典
adaptive_search
自适应搜索谷歌学术，先尝试精确搜索，如果结果太少则自动切换到模糊搜索 Args: keywords: 搜索关键词 count: 返回结果数量，默认为5 min_results: 最少需要返回的结果数量，少于此数量会触发模糊搜索，默认为3 sort_by: 排序方式，可选值: - "relevance": 按相关性排序（默认） - "citations": 按引用量排序 - "date": 按发表日期排序（新到旧） - "title": 按标题字母顺序排序 year_start: 开始年份，可选 year_end: 结束年份，可选 Returns: Dict: 包含论文列表和搜索模式的字典
paper_detail
获取论文详细信息 Args: paper_id: 论文ID Returns: Dict: 论文详细信息
paper_references
获取引用指定论文的文献列表 Args: paper_id: 论文ID count: 返回结果数量，默认为5 sort_by: 排序方式，可选值: - "relevance": 按相关性排序（默认） - "citations": 按引用量排序 - "date": 按发表日期排序（新到旧） - "title": 按标题字母顺序排序 Returns: Dict: 引用论文列表
profile_papers
获取学者的论文 Args: profile_url: 谷歌学术个人主页URL count: 返回结果数量，默认为5 sort_by: 排序方式，可选值: - "relevance": 按相关性排序（默认） - "citations": 按引用量排序 - "date": 按发表日期排序（新到旧） - "title": 按标题字母顺序排序 Returns: Dict: 论文列表
summarize_papers
搜索并总结特定主题的论文 Args: topic: 研究主题 count: 返回结果数量，默认为5 sort_by: 排序方式，可选值: - "relevance": 按相关性排序（默认） - "citations": 按引用量排序 - "date": 按发表日期排序（新到旧） - "title": 按标题字母顺序排序 year_start: 开始年份，可选 year_end: 结束年份，可选 Returns: str: 论文总结的Markdown格式文本
health_check
健康检查端点，用于验证服务是否正常运行 Returns: str: 服务状态信息
README
MCP Scholar
基于MCP协议的谷歌学术搜索和分析服务。
功能特点
- 谷歌学术论文搜索：根据关键词搜索相关论文，并按引用量排序
- 学者主页分析：分析谷歌学术个人主页，提取引用量最高的论文
- 支持与所有支持MCP客户端集成
- 支持与Cherry Studio集成：可以作为插件在Cherry Studio中使用
安装方法
启动服务器
# 方式一：使用uvx启动
uvx mcp-scholar
# 方式二：clone仓库后使用uv run启动
uv --directory 路径\到\mcp_scholar run mcp-scholar
在Cherry Studio中使用
- 「参照官方教程：https://vaayne.com/posts/2025/mcp-guide 」
示例用法
在Cherry Studio中，可以使用以下提示：
- 「总结5篇关于人工智能的论文」
- 「分析学者主页 https://scholar.google.com/citations?user=xxxxxx 的前10篇高引论文」
开发说明
本项目使用MCP协议开发，基于Python SDK实现。详细信息请参考MCP Python SDK。
许可证
MIT
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议，是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器，它使大型语言模型能够通过结构化的可访问性快照与网页进行交互，而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具，可以从自然语言描述生成现代化的用户界面组件，并与流行的集成开发环境（IDE）集成，从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互，从而促进营销洞察和受众数据的提取和分析，包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具，连接你所有喜爱的工具：Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外，还可以将任何内容（从 Slack 到 Gmail 再到播客订阅源）导入到 Graphlit 项目中，然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器，集成了 Kagi 搜索功能和 Claude AI，使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议（MCP）服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。