ArXiv MCP Server: MCP-Server zum Suchen und Analysieren von arXiv-Papieren
Was ist der ArXiv MCP Server?
Der ArXiv MCP Server ist ein MCP-Server, der KI-Assistenten Funktionen zum Suchen und Analysieren von arXiv-Papers bietet. Über die Model Context Protocol (MCP)-Schnittstelle ermöglicht es KI-Modellen, auf programmatische Weise nach Papers zu suchen, sie herunterzuladen, anzuzeigen und zu lesen. Darüber hinaus stellt es Forschungsprompts zur Analyse bereit. Es unterstützt die lokale Speicherung von Papers für einen schnellen Zugriff und kann in Szenarien wie akademischer Forschungsunterstützung und der Integration in KI-Assistenten eingesetzt werden.

Funktionsmerkmale des ArXiv MCP Server
Paper-Suche: Ermöglicht die Abfrage von arXiv-Papers mit präzisen Filteroptionen wie Datumsbereich und Kategorien, zum Beispiel: result = await call_tool("search_papers", {"query": "transformer architecture", "max_results": 10, "date_from": "2023-01-01", "categories": ["cs.AI", "cs.LG"]}).
Paper-Download: Lädt Papers anhand der arXiv-ID herunter, z. B. result = await call_tool("download_paper", {"paper_id": "2401.12345"}).
Paper-Listenansicht: Zeigt alle heruntergeladenen Papers an, einfach durch result = await call_tool("list_papers", {}).
Lokale Speicherung: Heruntergeladene Papers werden lokal gespeichert, um einen schnellen Zugriff zu ermöglichen. Der Speicherort kann über die Umgebungsvariable ARXIV_STORAGE_PATH konfiguriert werden und lautet standardmäßig ~/.arxiv-mcp-server/papers.
Forschungsprompts: Stellt spezielle Prompts bereit, die bei der Analyse akademischer Papers helfen, wie z. B. result = await call_prompt("deep-paper-analysis", {"paper_id": "2401.12345"}). Dieser Prompt enthält detaillierte Anweisungen, einen systematischen Analyseablauf und eine umfassende Analysestruktur, die eine Zusammenfassung, den Forschungshintergrund, die Methodenanalyse, die Ergebnisbewertung, praktische und theoretische Implikationen, zukünftige Forschungsrichtungen sowie breitere Auswirkungen abdeckt.
Anwendungsszenarien des ArXiv MCP Server
Unterstützung der akademischen Forschung: Bietet Forschenden einen bequemen Kanal zur Paper-Suche und -Beschaffung, hilft ihnen, benötigte akademische Ressourcen schnell zu finden, spart Zeit bei der Literaturrecherche und ermöglicht so eine effizientere Durchführung von Forschungsarbeiten.
Integration in KI-Assistenten: Dient als Brücke zwischen KI-Assistenten und der arXiv-Paper-Datenbank und ermöglicht es KI-Assistenten, über eine einfache MCP-Schnittstelle auf arXiv-Papers zuzugreifen und sie zu analysieren. So erhalten Nutzer umfassenderes Wissen und bessere Informationsunterstützung, beispielsweise kann ein KI-Assistent bei der Beantwortung akademischer Fragen schnell relevante Papers abrufen und genaue Informationen liefern.
Wissensmanagement und -teilung: Erleichtert Teams oder Einzelpersonen die Verwaltung und gemeinsame Nutzung von Papers. Durch die lokale Speicherung und die Listenansichtsfunktion können Nutzer heruntergeladene Papers einfach organisieren und erneut aufrufen, was die Wissensansammlung und -verbreitung fördert.
Anleitung zur Nutzung des ArXiv MCP Server
Installation:
Installation über Smithery: npx -y @smithery/cli install arxiv-mcp-server --client claude.
Manuelle Installation: Installation mit dem Tool uv, der Befehl lautet uv tool install arxiv-mcp-server; in einer Entwicklungsumgebung muss zunächst der Projektcode geklont, eine virtuelle Umgebung erstellt und aktiviert und anschließend die Testabhängigkeiten installiert werden. Die konkreten Schritte sind:
git clone https://github.com/blazickjp/arxiv-mcp-server.git cd arxiv-mcp-server uv venv source .venv/bin/activate uv pip install -e ".[test]"
MCP-Integration:
Fügen Sie die folgende Konfiguration in die Konfigurationsdatei des MCP-Clients ein:
{
"mcpServers": {
"arxiv-mcp-server": {
"command": "uv",
"args": [
"tool",
"run",
"arxiv-mcp-server",
"--storage-path", "/path/to/paper/storage"
]
}
}
}In einer Entwicklungsumgebung muss in der Konfiguration args um "--directory", "path/to/cloned/arxiv-mcp-server" ergänzt werden.
Verwendung der Tools:
Die verschiedenen Funktionen werden durch den Aufruf der entsprechenden Tool-Funktionen realisiert, wie z. B. die bereits erwähnten search_papers, download_paper, list_papers und read_paper.
Tests:
Führen Sie die Test-Suite aus, um die korrekte Funktion sicherzustellen. Der Befehl lautet python -m pytest.
GitHub-Projekt: https://github.com/blazickjp/arxiv-mcp-server
Drehbuch-Assistent▸
AI Apps
AI Nachrichten 