🧠 arXiv Research Assistant MCP Server

该项目是一个MCP（模型上下文协议）服务器，旨在与庞大的arXiv.org论文数据库进行交互。

它允许像Claude AI这样的客户端高效地搜索、探索和比较arXiv论文——所有这些都通过一个自定义构建的本地服务器实现。该服务器使用Python和FastMCP框架构建，并使用uv进行轻量级包管理。

<table> <tr> <td> <a href="https://glama.ai/mcp/servers/@daheepk/arxiv-mcp-server"> <img width="380" height="200" src="https://gips0.baidu.com/it/u=1840474558,747313823&fm=3081&app=3081&f=PNG?w=760&h=400" alt="arXiv Research Assistant Server MCP server" /> </a> </td> <td style="vertical-align: top; padding-left: 10px;"> <a href="https://mseep.ai/app/daheepk-arxiv-paper-mcp"> <img src="https://gips2.baidu.com/it/u=1004294299,3866966544&fm=3081&app=3081&f=PNG?w=462&h=180" alt="MseeP.ai Security Assessment Badge" width="140" /> </a> </td> </tr> </table>

✨ 特性

• 🔍 关键词论文搜索
  根据关键词搜索arXiv论文，可以选择按相关性或最新日期排序。

• 📚 按类别获取最新论文
  指定arXiv类别代码（例如：cs.AI，math.AP）以获取该领域的最新论文。

• 📄 论文详情查询
  使用论文的arXiv ID获取详细元数据：标题、作者、摘要、类别、DOI、PDF链接等。

• 🧑‍🔬 基于作者的论文搜索
  获取特定作者发表的所有论文列表。

• 📊 趋势分析（实验功能）
  获取基于某一类别中最近论文的趋势关键词或主题概览（当前使用模拟数据）。

• 📝 摘要提示生成器
  动态生成帮助LLMs更有效地总结选定论文的提示。

• 🆚 对比提示生成器
  提供两个论文ID以生成用于对比其内容的结构化提示。

---

🛠️ 技术栈

• Python 3.11+
• FastMCP
• uv（用于依赖项和环境管理）
• requests（用于API通信）
• xml.etree.ElementTree（用于解析XML响应）

---

🚀 快速开始

通过Smithery安装

要通过Smithery自动安装arXiv Research Assistant MCP Server到Claude Desktop：

npx -y @smithery/cli install arxiv-paper-mcp --client claude

从PyPI安装

uv pip install arxiv-paper-mcp

🔧 克隆仓库（开发用途）

git clone https://github.com/daheepk/arxiv-mcp-server.git
cd arxiv-mcp-server

🔧 安装依赖项（开发用途）

使用uv以可编辑模式安装所有依赖项：

uv pip install -e .

⚙️ 如何运行

▶️ 运行服务器（本地）

arxiv-paper-mcp

🔌 与Claude配合使用

要将此MCP服务器与Claude配合使用，请在Claude的MCP设置中添加以下JSON配置：

{
  "mcpServers": {
    "arXivPaper": {
      "command": "uv",
      "args": [
        "tool",
        "run",
        "arxiv-paper-mcp"
      ]
    }
  }
}

项目结构

arxiv-mcp-server/
├── arxiv_mcp/              # 主包
│   ├── __init__.py
│   ├── app.py              # FastMCP应用设置
│   ├── server.py           # 服务器入口点
│   ├── utils.py            # arXiv API通信逻辑
│   ├── resources/          # MCP资源（类别、作者等）
│   ├── tools/              # MCP工具（搜索、详情查询、趋势）
│   └── prompts/            # 提示模板（总结、对比）
├── pyproject.toml          # 项目配置及依赖项
└── README.md               # 本文件