📚 Paper Distill MCP Server

学术论文搜索、智能筛选、多平台推送 —— 基于 MCP 协议。

兼容所有 MCP 客户端：Claude Desktop、Claude Code、Cursor、Trae、Codex CLI、Gemini CLI、OpenClaw、VS Code、Zed 等。

⚠️ 项目仍处于早期开发阶段，很多功能尚未充分验证，可能存在 bug 或不稳定之处。 如遇问题，请多多海涵，欢迎通过下方联系方式反馈！

---

✨ 核心特性

• 🔍 9 源并行搜索 — OpenAlex、Semantic Scholar、PubMed、arXiv、Papers with Code、CrossRef、Europe PMC、bioRxiv、DBLP
• 🤖 AI 自适应推送 — Agent 在对话中感知你的研究方向变化，自动调整搜索关键词和推送内容
• 📊 4 维加权排序 — 相关性 × 新近度 × 影响力 × 新颖度，权重完全可自定义
• 👥 双 AI 盲审 — 两个 AI 独立初选，主审综合终审决定推送、溢出或丢弃（可选）
• 🧹 Scraper 代理 — 将论文摘要提取任务委托给低成本 agent 或 API，大幅减少 token 消耗
• 🌐 论文库网站 — Astro + Vercel 自动部署，每次推送后 30 秒内网站更新
• 📬 多平台推送 — Telegram / Discord / 飞书 / 企业微信
• 📦 Zotero 集成 — 一键收藏论文到 Zotero 文献管理器
• 📝 Obsidian 集成 — 自动生成论文笔记卡片，带 Zotero 反向链接，支持摘要模式和模板模式

---

🚀 一键安装

uvx paper-distill-mcp

搞定。AI 客户端会自动发现所有工具，基础论文搜索无需 API 密钥。

没有 uv？→ curl -LsSf https://astral.sh/uv/install.sh | sh 或 brew install uv

其他安装方式

<details> <summary>pip / Homebrew / Docker / 源码安装</summary>

pip:

pip install paper-distill-mcp

国内用户加清华源加速：pip install paper-distill-mcp -i https://pypi.tuna.tsinghua.edu.cn/simple

Homebrew:

brew tap Eclipse-Cj/tap
brew install paper-distill-mcp

Docker:

docker run -i --rm ghcr.io/eclipse-cj/paper-distill-mcp

国内用户建议使用 pip 安装（清华源），Docker 镜像暂不支持国内加速。

从源码安装（开发者）:

git clone https://github.com/Eclipse-Cj/paper-distill-mcp.git
cd paper-distill-mcp
python3 -m venv .venv && .venv/bin/pip install --upgrade pip && .venv/bin/pip install -e .

</details>

---

🔗 连接 AI 客户端

Claude Desktop

添加到 claude_desktop_config.json（Settings → Developer → Edit Config）：

{
  "mcpServers": {
    "paper-distill": {
      "command": "uvx",
      "args": ["paper-distill-mcp"]
    }
  }
}

Claude Code

claude mcp add paper-distill -- uvx paper-distill-mcp

或添加到 .mcp.json：

{
  "mcpServers": {
    "paper-distill": {
      "command": "uvx",
      "args": ["paper-distill-mcp"]
    }
  }
}

Trae

设置 → MCP → 添加 MCP Server，JSON 配置同上。

Codex CLI (OpenAI)

添加到 ~/.codex/config.toml：

[mcp_servers.paper-distill]
command = "uvx"
args = ["paper-distill-mcp"]

Gemini CLI (Google)

添加到 ~/.gemini/settings.json：

{
  "mcpServers": {
    "paper-distill": {
      "command": "uvx",
      "args": ["paper-distill-mcp"]
    }
  }
}

OpenClaw

mcporter config add paper-distill --command uvx --scope home -- paper-distill-mcp
mcporter list  # 验证

卸载：mcporter config remove paper-distill

<details> <summary>从源码安装（PyPI 发布前）</summary>

# 1. 克隆
git clone https://github.com/Eclipse-Cj/paper-distill-mcp.git ~/.openclaw/tools/paper-distill-mcp

# 2. 安装（uv 自动处理 Python 版本）
cd ~/.openclaw/tools/paper-distill-mcp
uv venv .venv && uv pip install .

# 3. 注册到 mcporter
mcporter config add paper-distill \
  --command ~/.openclaw/tools/paper-distill-mcp/.venv/bin/python3 \
  --scope home \
  -- -m mcp_server.server

# 4. 验证
mcporter list

卸载：rm -rf ~/.openclaw/tools/paper-distill-mcp && mcporter config remove paper-distill

</details>

其他客户端 (Cursor, VS Code, Windsurf, Zed)

同样的 JSON 格式，不同配置路径：

客户端	配置路径
Claude Desktop	claude_desktop_config.json
Trae	设置 → MCP → 添加
Cursor	~/.cursor/mcp.json
VS Code	.vscode/mcp.json
Windsurf	~/.codeium/windsurf/mcp_config.json
Zed	settings.json

HTTP 传输（远程 / 托管）

paper-distill-mcp --transport http --port 8765

---

🎯 首次使用

安装连接客户端后，告诉 Agent「初始化 paper-distill」，Agent 会自动调用 setup() 并引导你完成配置：

1. 研究方向 — 用自然语言描述你的兴趣，AI 提取关键词
2. 推送平台 — 设置 Telegram / Discord / 飞书 / 企业微信（可选）
3. 论文库网站 — 建立个人论文库网页，每次推送后自动更新（可选）
4. Scraper 代理 — 设置低成本 agent 做信息提取，大幅节省 token（推荐）
5. 个性化偏好 — 论文数量、排序权重、评审模式等
6. 首次搜索 — pool_refresh() 填充论文池

所有设置都可以随时通过和 AI 对话修改，例如：

• "改成每次推 8 篇"
• "加一个方向：RAG 检索增强"
• "开启双 AI 盲审"
• "新近度权重调高一些"

---

⚙️ 完整配置参数

所有参数都可通过 configure() 或 add_topic() 工具修改。 直接告诉 AI 你想要什么 — 无需手动编辑配置文件。

研究方向 (add_topic / manage_topics)

参数	说明	默认值
key	方向标识符（如 "llm-reasoning"）	—
label	显示名称（如 "LLM Reasoning"）	—
keywords	搜索关键词，建议 3-5 个	—
weight	方向优先级 0.0-1.0（越高 = 越多相关论文）	1.0
blocked	暂时停用某方向（不删除）	false

论文数量与评审 (configure)

参数	选项	默认值	说明
paper_count_value	任意整数	6	每次推送的论文数
paper_count_mode	"at_most" / "at_least" / "exactly"	"at_most"	数量模式
picks_per_reviewer	任意整数	5	每个 reviewer 初选的论文数
review_mode	"single" / "dual"	"single"	单 AI 评审 / 双 AI 盲审
custom_focus	自由文本	""	自定义筛选标准

💡 双 AI 盲审：两个 AI 各自独立初选 5 篇，主审综合终审决定推送（≤6 篇）或溢出，不推送的论文留到下一天而非丢弃。 适合对推送质量要求高的场景。通过 configure(review_mode="dual") 开启。

排序权重 (configure)

控制论文评分，四项权重之和应约等于 1.0。

参数	衡量内容	默认值
w_relevance	关键词与方向的匹配度	0.55
w_recency	发表时间的新近程度	0.20
w_impact	引用量（对数归一化）	0.15
w_novelty	是否为首次出现	0.10

示例："更看重最新论文" → configure(w_recency=0.35, w_relevance=0.40)

Scraper / 摘要提取代理 (configure)

论文摘要提取（从 abstract 中提取结构化信息）是最消耗 token 的步骤。 默认由主 agent 完成 — 但可以委托给更便宜的 agent 或 API 来大幅节约成本。

参数	选项	说明
summarizer	"self"	主 agent 处理（最贵，用主模型 token）
	agent 名称（如 "scraper"）	委托给低成本 agent
	API URL	调用外部 LLM API（如 DeepSeek、本地 Ollama）

🔧 强烈建议设置 scraper。对 30+ 篇论文做摘要提取时，用前沿模型成本很高， 而 $0.14/M-token 的模型完全胜任。如果你有 scraper agent 或便宜 API， 务必通过 configure(summarizer="scraper") 配置。

论文池与扫描批次 (configure)

参数	说明	默认值
scan_batches	将论文池分为 N 批，N+1 天内评审完毕	2（3 天）

扫描批次工作原理：pool_refresh() 搜索 9 个 API 后，所有结果进入论文池。 论文池被分成若干批次供 AI 逐日评审 — 避免一次性甩出 60+ 篇论文。

• scan_batches=2（默认）：第 1 天评审前半、第 2 天评审后半、第 3 天汇总
• scan_batches=3：第 1-3 天各评审 1/3、第 4 天汇总

全部批次评审完毕后，论文池耗尽，下次运行自动触发新一轮 API 搜索。

推送平台（环境变量）

平台	环境变量	platform 参数
Telegram	TELEGRAM_BOT_TOKEN + TELEGRAM_CHAT_ID	"telegram"
Discord	DISCORD_WEBHOOK_URL	"discord"
飞书	FEISHU_WEBHOOK_URL	"feishu"
企业微信	WECOM_WEBHOOK_URL	"wecom"

推送消息格式（固定）：

1. 论文标题 (年份)
   期刊名称
   - 一句话摘要
   - 推荐理由
   https://doi.org/...

论文库网站 (configure)

个人论文库网站，每次推送后自动更新。基于 Astro + Vercel（免费）。

参数	说明
site_deploy_hook	Vercel deploy hook URL（触发网站重建）
site_repo_path	本地 paper-library 仓库路径

配置步骤（AI agent 会引导你完成）：

1. 使用 paper-library-template 模板创建仓库（点击 "Use this template"）
2. 连接 Vercel → 部署
3. 在 Vercel 创建 deploy hook（Settings > Git > Deploy Hooks）
4. 告诉 agent hook URL → 保存到 configure(site_deploy_hook=...)

配置完成后，每次 finalize_review() 会自动推送 digest JSON 到网站仓库并触发 Vercel 重建。 网站在约 30 秒内更新。

⚠️ 注意：Vercel.app 域名在中国大陆可能无法直接访问。建议绑定自定义域名，或使用 Cloudflare Pages 作为替代。

集成 & 环境变量

变量	说明	是否必需
OPENALEX_EMAIL	提高 OpenAlex API 速率	可选
DEEPSEEK_API_KEY	增强搜索（DeepSeek）	可选
ZOTERO_LIBRARY_ID + ZOTERO_API_KEY	保存论文到 Zotero	可选
SITE_URL	论文库网站地址	可选
PAPER_DISTILL_DATA_DIR	数据目录	默认 ~/.paper-distill/

---

🛠️ 工具列表（19 个）

初始化 & 配置

工具	说明
setup()	首次调用 — 检测全新安装，返回引导式初始化指令
add_topic(key, label, keywords)	添加研究方向及搜索关键词
configure(...)	更新任意设置：论文数量、排序权重、评审模式等

搜索 & 筛选

工具	说明
search_papers(query)	9 源并行搜索
rank_papers(papers)	4 维加权评分
filter_duplicates(papers)	与已推送论文去重

每日流水线（论文池模式）

工具	说明
pool_refresh(topic?)	搜索 9 个 API，构建论文池
prepare_summarize(custom_focus?)	生成 AI 摘要提取提示
prepare_review(dual?)	生成评审提示 — AI 做 push/overflow/discard 决策
finalize_review(selections)	处理 AI 决策，更新论文池，输出推送消息
pool_status()	论文池状态：数量、扫描日、是否耗尽
collect(paper_indices)	收藏论文到 Zotero + Obsidian 笔记

会话 & 输出

工具	说明
init_session	检测推送平台，加载研究上下文
load_session_context	加载历史研究上下文
generate_digest(papers, date)	生成输出文件（JSONL、网站、Obsidian）
send_push(date, papers, platform)	推送到 Telegram / Discord / 飞书 / 企业微信
collect_to_zotero(paper_ids)	通过 DOI 保存到 Zotero
manage_topics(action, topic)	列出 / 停用 / 启用 / 设置权重
ingest_research_context(text)	跨会话研究上下文继承

---

🏗️ 架构

AI 客户端（Claude Code / Codex CLI / Gemini CLI / Cursor / ...）
    ↓ MCP（stdio 或 HTTP）
paper-distill-mcp
    ├── search/         — 9 源学术搜索
    ├── curate/         — 评分 + 去重
    ├── generate/       — 输出（JSONL、Obsidian、网站）
    ├── bot/            — 推送格式化（4 平台）
    └── integrations/   — Zotero API

服务器内部不调用 LLM。搜索、排序、去重都是纯数据操作。 智能来自你的 AI 客户端。

---

🧑‍💻 开发

git clone https://github.com/Eclipse-Cj/paper-distill-mcp.git
cd paper-distill-mcp
python3 -m venv .venv && .venv/bin/pip install --upgrade pip && .venv/bin/pip install -e .
python tests/test_mcp_smoke.py   # 9 个测试，无需网络

---

📄 许可证

本项目采用 AGPL-3.0 许可证，详见 LICENSE。

禁止未经授权的商业使用。 如需商业授权，请联系作者。

---

📬 联系方式

• 邮箱：vertex.cj@gmail.com
• 小红书：回声Echo（小红书号 1101579039）

如遇 bug 或有功能建议，欢迎提 Issue 或直接联系。 项目仍处于早期开发和测试阶段，感谢你的理解和支持 🙏