CSL MCP Server

一个基于 Python + SQLite 的本地 MCP Server，用于把 CSL 中文科学文献数据集 封装成可被 Trae、MCP Inspector 或其他 MCP Client 调用的文献检索工具。

功能

当前版本提供以下 MCP Tools：

Tool	说明
search_papers	根据标题、摘要、关键词检索论文，支持门类和学科过滤
get_paper	根据论文 ID 获取单篇论文详情
list_categories	列出 CSL 数据库中的门类及数量
list_disciplines	列出 CSL 数据库中的学科及数量，可按门类过滤
get_dataset_statistics	查看本地 SQLite 数据库中的论文、门类、学科统计

当前版本还提供一个 MCP Resource：

Resource	说明
csl://dataset/info	查看 CSL 数据集和当前 MCP Server 的简要说明

项目结构

.
├── data/
│   └── csl.sqlite              # 导入后生成的本地 SQLite 数据库
├── src/
│   └── csl_mcp/
│       ├── __init__.py
│       ├── config.py           # 数据库路径配置
│       ├── database.py         # SQLite schema、连接和数据转换
│       ├── ingest.py           # CSL 数据导入脚本
│       ├── server.py           # MCP Server 入口和 tools 定义
│       └── service.py          # 文献检索和统计服务
├── mcp_config.example.json     # MCP Client 配置示例
├── pyproject.toml
└── README.md

环境要求

• Python 3.10+
• SQLite，Python 标准库已内置
• MCP Python SDK

安装依赖：

cd D:\xm\CSL
pip install -e .

如果需要单独安装 MCP SDK：

pip install "mcp>=1.0.0"

下载 CSL Benchmark 数据

CSL benchmark 数据在官方仓库中，可以克隆完整仓库：

cd D:\xm
git clone https://github.com/ydli-ai/CSL.git CSL-source

benchmark 数据目录通常是：

D:\xm\CSL-source\benchmark

也可以只拉取 benchmark 目录：

cd D:\xm
git clone --filter=blob:none --sparse https://github.com/ydli-ai/CSL.git CSL-source
cd CSL-source
git sparse-checkout set benchmark

导入数据

将 CSL 数据导入到本地 SQLite：

cd D:\xm\CSL
python -m csl_mcp.ingest "D:\xm\CSL-source\benchmark" --db "D:\xm\CSL\data\csl.sqlite"

导入成功后会看到类似输出：

Imported 10000 records into D:\xm\CSL\data\csl.sqlite

导入脚本支持：

• .json
• .jsonl
• .tsv
• 包含以上文件的目录

对于 CSL benchmark 中的 text2text 格式，导入脚本会根据 prompt 做基础字段映射：

prompt	映射逻辑
to title	text_a 作为摘要，text_b 作为标题
to keywords	text_a 作为摘要，text_b 作为关键词
to category	text_a 作为标题，text_b 作为门类
to discipline	text_a 作为摘要，text_b 作为学科

在 MCP Inspector 中使用

启动 MCP Inspector 后，按以下方式配置：

配置项	值
Transport Type	STDIO
Command	python
Arguments	-m csl_mcp.server

环境变量：

Name	Value
PYTHONPATH	D:\xm\CSL\src
CSL_DB_PATH	D:\xm\CSL\data\csl.sqlite

然后点击 Connect。

连接成功后可以测试：

{}

调用 get_dataset_statistics，或调用 search_papers：

{
  "query": "文本分类",
  "limit": 5
}

在 Trae 中配置

可以参考 mcp_config.example.json：

{
  "mcpServers": {
    "csl": {
      "command": "D:/xm/CSL/.venv/Scripts/python.exe",
      "args": [
        "-m",
        "csl_mcp.server"
      ],
      "env": {
        "PYTHONPATH": "D:/xm/CSL/src",
        "CSL_DB_PATH": "D:/xm/CSL/data/csl.sqlite"
      }
    }
  }
}

如果不使用虚拟环境，也可以把 command 改成：

"python"

配置完成后，可以在 Trae 中直接提问：

请用 csl 搜索“文本分类”相关论文，返回 5 篇。

请列出 CSL 数据库中的门类。

请查看 CSL 数据库统计信息。

直接启动说明

本项目的 MCP Server 使用 stdio transport。它不是普通命令行交互程序。

因此直接执行：

python -m csl_mcp.server

如果没有 MCP Client 向 stdin 发送合法 JSON-RPC 消息，可能会看到类似错误：

Invalid JSON: EOF while parsing a value

这是 stdio MCP Server 的正常表现。正确方式是由 Trae、MCP Inspector 或其他 MCP Client 启动它。

Tool 参数示例

search_papers

{
  "query": "文本分类",
  "limit": 5,
  "category": "工学",
  "discipline": "计算机科学与技术"
}

其中 category 和 discipline 可选。

get_paper

{
  "paper_id": "csl_00026194"
}

list_categories

{}

list_disciplines

{
  "category": "工学"
}

get_dataset_statistics

{}

当前实现说明

• 使用 SQLite 保存论文元数据。
• 使用 SQLite FTS5 建立基础全文检索索引。
• 对 category 和 discipline 建立普通索引。
• keywords 在 SQLite 中以 JSON 字符串保存，返回时转换为数组。
• limit 最大限制为 50，避免一次返回过多内容。
• 查询结果统一使用：

{
  "ok": true,
  "data": {},
  "error": null
}

失败时：

{
  "ok": false,
  "data": null,
  "error": {
    "code": "PAPER_NOT_FOUND",
    "message": "Paper not found: csl_xxx"
  }
}

局限性

当前版本是本地 MVP，主要用于验证 MCP Server、SQLite 数据导入和基础检索流程。

已知限制：

• SQLite FTS5 对中文分词能力有限。
• 当前没有向量检索和语义召回。
• 当前没有远程 HTTP/SSE transport。
• 当前没有鉴权、审计和权限控制。
• 当前主要面向 CSL benchmark 数据，完整 396k 数据需要额外下载后导入。

后续计划

• 增加 --reset 导入参数和更详细导入统计。
• 增加 sample_papers 工具。
• 增加 similar_papers 工具。
• 接入 FAISS / Qdrant 做语义检索。
• 增加 hybrid search，将关键词检索和向量检索结合。
• 增加 HTTP/SSE 部署模式。
• 增加企业内部场景所需的鉴权、审计、限流和权限过滤。

参考

• CSL: A Large-scale Chinese Scientific Literature Dataset
• Model Context Protocol