//// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction ////

Literature Review MCP Server

一个面向研究生论文级别文献综述的学术论文管理与分析工具。支持 Model Context Protocol (MCP) 标准，提供多源学术搜索、智能压缩、批量分析、跨文献综述生成等功能。

专为研究生论文级别的文献综述设计，确保学术严谨性和高质量输出！

核心功能

📚 完整文献综述工作流

多源学术搜索：跨 DBLP、OpenReview、Papers With Code 等数据源智能搜索
批量下载与分析：并发下载 PDF，生成单篇深度综述（低温度，学术严谨）
跨文献综述生成：基于单篇综述生成详细的跨论文综合分析（≥4000字）
综述导出：导出单篇/跨文献综述为 Markdown 文件
Notion 集成：自动生成 Notion 友好格式（需配合 Notion MCP）

🗜️ 智能压缩系统

精确 Token 计算：使用 tiktoken 精确计算
章节识别与分级压缩：Abstract/Method 100% 保留，Reference 0% 保留
滚动压缩：逐步合并，避免一次性处理超长文本
语义压缩：LLM 智能压缩，非简单截断
实测效果：138K tokens → 38K tokens（压缩率 72.3%）

🤖 多 LLM Provider 支持

SiliconFlow：默认，支持 Qwen 系列
Deepseek：高性价比（128K context, 8K output）
OpenAI：GPT-4o, GPT-4-turbo
自定义 API：任何 OpenAI 兼容 API

📊 智能质量评估

基于引用数、会议等级、作者声誉、机构等级的综合评分
自动识别 A*/A 类会议、顶级学者、名校机构
特别关注最近 30 天的新论文

致谢

本项目 Fork 自 arxiv-mcp-server，感谢原作者 @yzfly 的开源贡献。在原项目基础上进行了大量重构和功能扩展（v2.0.0 完全模块化架构）。

安装使用

NPX 方式（推荐）

npx -y @ydzat/literature-review-mcp@latest

全局安装

npm install -g @ydzat/literature-review-mcp@latest
literature-review-mcp

本地开发

# 克隆项目
git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp

# 安装依赖
npm install

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，配置你的 LLM Provider
# vim .env

# 开发模式运行（使用 tsx 直接运行 TypeScript）
npm run dev

# 构建（编译 TypeScript 到 build/ 目录）
npm run build

# 运行构建版本（必须先执行 npm run build）
npm start
# 或直接运行
node build/index.js

# 运行测试
npm run build && node build/tests/test-literature-review.js

⚠️ 重要提示：

如果在 MCP 客户端配置中使用本地路径，必须先运行 npm run build 编译项目
本地路径必须指向 build/index.js，而不是 src/index.ts
每次修改代码后，需要重新运行 npm run build

配置要求

环境变量

支持通过环境变量或 .env 文件配置：

# LLM Provider 配置（必需）
LLM_PROVIDER=siliconflow  # 可选: siliconflow, openai, custom
LLM_API_KEY=your_api_key_here

# 可选配置
LLM_BASE_URL=https://api.siliconflow.cn/v1  # 自定义 API 端点
LLM_MODEL=Qwen/Qwen2.5-7B-Instruct          # 指定模型
LLM_TEMPERATURE=0.3                         # 温度参数（默认 0.7）

支持的 LLM Provider

Provider	LLM_PROVIDER	LLM_BASE_URL	推荐模型
SiliconFlow（默认）	`siliconflow`	自动设置	`Qwen/Qwen2.5-7B-Instruct`
Deepseek	`custom`	`https://api.deepseek.com/v1`	`deepseek-chat`
OpenAI	`openai`	自动设置	`gpt-4o`
其他	`custom`	你的 API 端点	你的模型名

获取 API Key：

SiliconFlow: https://cloud.siliconflow.cn/i/TxUlXG3u
Deepseek: https://platform.deepseek.com/
OpenAI: https://platform.openai.com/

数据存储

所有数据自动存储在 ~/.arxiv-mcp/ 目录：

arxiv-mcp.db - SQLite 数据库（论文、作者、机构、综述）
pdfs/ - 下载的 PDF 文件
texts/ - 提取的文本内容
generated/ - 生成的综述文件

MCP 客户端配置

Claude Desktop 配置

配置文件位置：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

方式 1：使用 NPX（推荐）

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "npx",
      "args": ["-y", "@ydzat/literature-review-mcp@latest"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

其他 Provider 配置：

Deepseek: 设置 LLM_PROVIDER="custom", LLM_BASE_URL="https://api.deepseek.com/v1", LLM_MODEL="deepseek-chat"
OpenAI: 设置 LLM_PROVIDER="openai", LLM_MODEL="gpt-4o"

方式 2：使用本地开发版本

# 先编译项目
cd /path/to/literature-review-mcp
npm install && npm run build

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/literature-review-mcp/build/index.js"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

注意：路径必须是绝对路径，指向 build/index.js（不是 src/index.ts）

使用示例

完整工作流程

graph LR
    A[搜索论文] --> B[批量下载]
    B --> C[批量分析]
    C --> D[生成综述]
    D --> E[导出文件/Notion]

1. 搜索论文

请搜索关于 "transformer attention" 的高质量论文，
要求：DBLP + OpenReview，最多 20 篇，质量评分≥60

2. 批量下载与分析

请下载并分析以下论文：
- arXiv:1706.03762 (Attention Is All You Need)
- arXiv:2010.11929 (ViT)
- arXiv:2005.14165 (GPT-3)

自动处理：

下载 PDF → 提取文本 → 智能压缩（如需）→ 生成单篇综述（2000-3000字）

3. 生成跨文献综述

请基于这 3 篇论文生成统一的文献综述，
重点关注：方法演进、对比分析、未来方向

生成内容：

8 个详细章节（研究领域概述、动机对比、方法论对比、实验分析、创新点、局限性、未来方向、批判性讨论）
≥4000 字的深度分析
自动保存到 ~/.arxiv-mcp/generated/

4. 导出综述

请将单篇综述导出为 Markdown 文件

时间估算：搜索 10s + 下载 30s + 分析 5-10min + 综述 3-5min = 10-15 分钟

主要工具

学术搜索与分析

search_academic_papers - 多源学术搜索（DBLP、OpenReview、Papers With Code）
batch_download_papers - 批量下载论文 PDF
batch_analyze_papers - 批量生成单篇深度综述

综述生成与导出

generate_unified_literature_review - 生成跨文献综述（≥4000字）
export_individual_review_to_md - 导出单篇综述为 Markdown
batch_export_individual_reviews - 批量导出所有单篇综述

传统工具

search_arxiv - 搜索 arXiv 论文
download_arxiv_pdf - 下载 PDF
parse_pdf_to_markdown - 解析为中文 Markdown
convert_to_wechat_article - 生成微信文章
process_arxiv_paper - 完整流程处理

Notion 集成

export_to_notion_full - 完整导出到 Notion
export_to_notion_update - 增量更新 Notion

完整工具列表和参数说明请参考源码中的 src/tools/tool-registry.ts

开发指南

本地开发

git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp
npm install
cp .env.example .env  # 配置 LLM Provider
npm run dev           # 开发模式
npm run build         # 构建
npm start             # 运行

项目架构（v2.0.0）

src/
├── core/              # 核心功能（PDF、arXiv、处理）
├── tools/             # 工具封装（按功能分类）
├── llm/               # LLM 抽象（Provider + 智能压缩）
├── storage/           # 存储管理（文件 + 数据库）
├── database/          # SQLite 数据库
├── sources/           # 学术数据源（DBLP、OpenReview 等）
├── reputation/        # 质量评分系统
└── index.ts           # MCP 服务器入口（89 行）

技术栈

Node.js >= 18.0.0, TypeScript, MCP
SQLite (better-sqlite3) - 数据库
LLM: SiliconFlow / OpenAI / Deepseek / 自定义
智能压缩: tiktoken + pdfjs-dist
学术数据源: arXiv / DBLP / OpenReview / Papers With Code

故障排除

问题	解决方案
API Key 错误	检查 `.env` 文件中的 `LLM_API_KEY` 配置
论文下载失败	检查 arXiv ID 是否正确，确保网络连接正常
数据库权限问题	确保 `~/.arxiv-mcp/` 目录有写入权限
Notion 集成不工作	需要单独配置 Notion MCP Server

贡献指南

欢迎贡献！请遵循：

Fork 项目 → 创建特性分支 → 提交更改 → 推送分支 → 创建 PR
使用 TypeScript，遵循 ESLint 规范
添加适当的错误处理和测试
保持代码简洁，避免过度设计

详细设计文档见 docs/ 目录。

更新日志

v2.0.0 (2025-10-20) - 重大重构

架构重构：

🏗️ 完全模块化设计（index.ts 从 1210 行 → 89 行，减少 93%）
✅ 向后兼容（所有工具名称和参数保持不变）
🧪 完整测试（单元 + 集成 + 兼容性，57 项全部通过）
🗜️ 智能压缩集成（所有 LLM 调用自动使用）
🐛 Bug 修复（作者信息、PDF 提取、Markdown 生成等）

新增功能：

📝 跨文献综述生成（≥4000字详细分析）
📤 综述导出工具（单篇/批量导出为 Markdown）
🔧 工具注册表（配置化管理）
� 增强 LLMProvider（新增便捷方法）

v1.0.0 (2025-10-18) - 首次发布

Fork 自 arxiv-mcp-server，新增：

🚀 多 LLM Provider 支持
🗜️ 智能压缩系统（138K → 38K tokens）
✨ 多源学术搜索（DBLP、OpenReview、Papers With Code）
📊 智能质量评估
📥 批量并发处理
📚 Notion 集成
💾 SQLite 数据库

完整更新日志见 CHANGELOG.md

许可证

MIT License - 详见 LICENSE 文件

支持

如果觉得这个项目有用，请给它一个 ⭐！

有问题或建议？欢迎提 Issue！

//// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction //// //// 正在重构中 //// Under reconstruction ////

Literature Review MCP Server

专为研究生论文级别的文献综述设计，确保学术严谨性和高质量输出！

核心功能

📚 完整文献综述工作流

多源学术搜索：跨 DBLP、OpenReview、Papers With Code 等数据源智能搜索
批量下载与分析：并发下载 PDF，生成单篇深度综述（低温度，学术严谨）
跨文献综述生成：基于单篇综述生成详细的跨论文综合分析（≥4000字）
综述导出：导出单篇/跨文献综述为 Markdown 文件
Notion 集成：自动生成 Notion 友好格式（需配合 Notion MCP）

🗜️ 智能压缩系统

精确 Token 计算：使用 tiktoken 精确计算
章节识别与分级压缩：Abstract/Method 100% 保留，Reference 0% 保留
滚动压缩：逐步合并，避免一次性处理超长文本
语义压缩：LLM 智能压缩，非简单截断
实测效果：138K tokens → 38K tokens（压缩率 72.3%）

🤖 多 LLM Provider 支持

SiliconFlow：默认，支持 Qwen 系列
Deepseek：高性价比（128K context, 8K output）
OpenAI：GPT-4o, GPT-4-turbo
自定义 API：任何 OpenAI 兼容 API

📊 智能质量评估

基于引用数、会议等级、作者声誉、机构等级的综合评分
自动识别 A*/A 类会议、顶级学者、名校机构
特别关注最近 30 天的新论文

致谢

本项目 Fork 自 arxiv-mcp-server，感谢原作者 @yzfly 的开源贡献。在原项目基础上进行了大量重构和功能扩展（v2.0.0 完全模块化架构）。

安装使用

NPX 方式（推荐）

npx -y @ydzat/literature-review-mcp@latest

全局安装

npm install -g @ydzat/literature-review-mcp@latest
literature-review-mcp

本地开发

# 克隆项目
git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp

# 安装依赖
npm install

# 复制环境变量模板
cp .env.example .env

# 编辑 .env 文件，配置你的 LLM Provider
# vim .env

# 开发模式运行（使用 tsx 直接运行 TypeScript）
npm run dev

# 构建（编译 TypeScript 到 build/ 目录）
npm run build

# 运行构建版本（必须先执行 npm run build）
npm start
# 或直接运行
node build/index.js

# 运行测试
npm run build && node build/tests/test-literature-review.js

⚠️ 重要提示：

如果在 MCP 客户端配置中使用本地路径，必须先运行 npm run build 编译项目
本地路径必须指向 build/index.js，而不是 src/index.ts
每次修改代码后，需要重新运行 npm run build

配置要求

环境变量

支持通过环境变量或 .env 文件配置：

# LLM Provider 配置（必需）
LLM_PROVIDER=siliconflow  # 可选: siliconflow, openai, custom
LLM_API_KEY=your_api_key_here

# 可选配置
LLM_BASE_URL=https://api.siliconflow.cn/v1  # 自定义 API 端点
LLM_MODEL=Qwen/Qwen2.5-7B-Instruct          # 指定模型
LLM_TEMPERATURE=0.3                         # 温度参数（默认 0.7）

支持的 LLM Provider

Provider	LLM_PROVIDER	LLM_BASE_URL	推荐模型
SiliconFlow（默认）	`siliconflow`	自动设置	`Qwen/Qwen2.5-7B-Instruct`
Deepseek	`custom`	`https://api.deepseek.com/v1`	`deepseek-chat`
OpenAI	`openai`	自动设置	`gpt-4o`
其他	`custom`	你的 API 端点	你的模型名

获取 API Key：

SiliconFlow: https://cloud.siliconflow.cn/i/TxUlXG3u
Deepseek: https://platform.deepseek.com/
OpenAI: https://platform.openai.com/

数据存储

所有数据自动存储在 ~/.arxiv-mcp/ 目录：

arxiv-mcp.db - SQLite 数据库（论文、作者、机构、综述）
pdfs/ - 下载的 PDF 文件
texts/ - 提取的文本内容
generated/ - 生成的综述文件

MCP 客户端配置

Claude Desktop 配置

配置文件位置：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json

方式 1：使用 NPX（推荐）

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "npx",
      "args": ["-y", "@ydzat/literature-review-mcp@latest"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

其他 Provider 配置：

Deepseek: 设置 LLM_PROVIDER="custom", LLM_BASE_URL="https://api.deepseek.com/v1", LLM_MODEL="deepseek-chat"
OpenAI: 设置 LLM_PROVIDER="openai", LLM_MODEL="gpt-4o"

方式 2：使用本地开发版本

# 先编译项目
cd /path/to/literature-review-mcp
npm install && npm run build

{
  "mcpServers": {
    "literature-review-mcp": {
      "command": "node",
      "args": ["/absolute/path/to/literature-review-mcp/build/index.js"],
      "env": {
        "LLM_PROVIDER": "siliconflow",
        "LLM_API_KEY": "your_api_key_here"
      }
    }
  }
}

注意：路径必须是绝对路径，指向 build/index.js（不是 src/index.ts）

使用示例

完整工作流程

graph LR
    A[搜索论文] --> B[批量下载]
    B --> C[批量分析]
    C --> D[生成综述]
    D --> E[导出文件/Notion]

1. 搜索论文

请搜索关于 "transformer attention" 的高质量论文，
要求：DBLP + OpenReview，最多 20 篇，质量评分≥60

2. 批量下载与分析

请下载并分析以下论文：
- arXiv:1706.03762 (Attention Is All You Need)
- arXiv:2010.11929 (ViT)
- arXiv:2005.14165 (GPT-3)

自动处理：

下载 PDF → 提取文本 → 智能压缩（如需）→ 生成单篇综述（2000-3000字）

3. 生成跨文献综述

请基于这 3 篇论文生成统一的文献综述，
重点关注：方法演进、对比分析、未来方向

生成内容：

8 个详细章节（研究领域概述、动机对比、方法论对比、实验分析、创新点、局限性、未来方向、批判性讨论）
≥4000 字的深度分析
自动保存到 ~/.arxiv-mcp/generated/

4. 导出综述

请将单篇综述导出为 Markdown 文件

时间估算：搜索 10s + 下载 30s + 分析 5-10min + 综述 3-5min = 10-15 分钟

主要工具

学术搜索与分析

search_academic_papers - 多源学术搜索（DBLP、OpenReview、Papers With Code）
batch_download_papers - 批量下载论文 PDF
batch_analyze_papers - 批量生成单篇深度综述

综述生成与导出

generate_unified_literature_review - 生成跨文献综述（≥4000字）
export_individual_review_to_md - 导出单篇综述为 Markdown
batch_export_individual_reviews - 批量导出所有单篇综述

传统工具

search_arxiv - 搜索 arXiv 论文
download_arxiv_pdf - 下载 PDF
parse_pdf_to_markdown - 解析为中文 Markdown
convert_to_wechat_article - 生成微信文章
process_arxiv_paper - 完整流程处理

Notion 集成

export_to_notion_full - 完整导出到 Notion
export_to_notion_update - 增量更新 Notion

完整工具列表和参数说明请参考源码中的 src/tools/tool-registry.ts

开发指南

本地开发

git clone https://github.com/ydzat/literature-review-mcp.git
cd literature-review-mcp
npm install
cp .env.example .env  # 配置 LLM Provider
npm run dev           # 开发模式
npm run build         # 构建
npm start             # 运行

项目架构（v2.0.0）

src/
├── core/              # 核心功能（PDF、arXiv、处理）
├── tools/             # 工具封装（按功能分类）
├── llm/               # LLM 抽象（Provider + 智能压缩）
├── storage/           # 存储管理（文件 + 数据库）
├── database/          # SQLite 数据库
├── sources/           # 学术数据源（DBLP、OpenReview 等）
├── reputation/        # 质量评分系统
└── index.ts           # MCP 服务器入口（89 行）

技术栈

Node.js >= 18.0.0, TypeScript, MCP
SQLite (better-sqlite3) - 数据库
LLM: SiliconFlow / OpenAI / Deepseek / 自定义
智能压缩: tiktoken + pdfjs-dist
学术数据源: arXiv / DBLP / OpenReview / Papers With Code

故障排除

问题	解决方案
API Key 错误	检查 `.env` 文件中的 `LLM_API_KEY` 配置
论文下载失败	检查 arXiv ID 是否正确，确保网络连接正常
数据库权限问题	确保 `~/.arxiv-mcp/` 目录有写入权限
Notion 集成不工作	需要单独配置 Notion MCP Server

贡献指南

欢迎贡献！请遵循：

Fork 项目 → 创建特性分支 → 提交更改 → 推送分支 → 创建 PR
使用 TypeScript，遵循 ESLint 规范
添加适当的错误处理和测试
保持代码简洁，避免过度设计

详细设计文档见 docs/ 目录。

更新日志

v2.0.0 (2025-10-20) - 重大重构

架构重构：

🏗️ 完全模块化设计（index.ts 从 1210 行 → 89 行，减少 93%）
✅ 向后兼容（所有工具名称和参数保持不变）
🧪 完整测试（单元 + 集成 + 兼容性，57 项全部通过）
🗜️ 智能压缩集成（所有 LLM 调用自动使用）
🐛 Bug 修复（作者信息、PDF 提取、Markdown 生成等）

新增功能：

📝 跨文献综述生成（≥4000字详细分析）
📤 综述导出工具（单篇/批量导出为 Markdown）
🔧 工具注册表（配置化管理）
� 增强 LLMProvider（新增便捷方法）

v1.0.0 (2025-10-18) - 首次发布

Fork 自 arxiv-mcp-server，新增：

🚀 多 LLM Provider 支持
🗜️ 智能压缩系统（138K → 38K tokens）
✨ 多源学术搜索（DBLP、OpenReview、Papers With Code）
📊 智能质量评估
📥 批量并发处理
📚 Notion 集成
💾 SQLite 数据库

完整更新日志见 CHANGELOG.md

许可证

MIT License - 详见 LICENSE 文件

支持

如果觉得这个项目有用，请给它一个 ⭐！

有问题或建议？欢迎提 Issue！