학술 문헌 및 인용 관리용 MCP-DBLP 서버

“MCP-DBLP” MCP 서버는 무엇을 하나요?

MCP-DBLP 서버는 Model Context Protocol(MCP)을 사용하여 대형 언어 모델(LLM)에 DBLP 컴퓨터 과학 서지 데이터베이스에 대한 원활한 접근을 제공합니다. DBLP API를 통합함으로써, MCP-DBLP는 AI 어시스턴트가 학술 논문을 검색 및 조회하고, 인용을 처리하며, BibTeX 항목을 생성하고, 논문 제목 및 저자명에 대해 퍼지 매칭을 수행할 수 있게 합니다. 또한, 서지 정보 추출 및 포맷팅, 임베디드 참조 처리, 고정확도의 인용 관리를 위한 BibTeX 직접 내보내기를 지원합니다. 강력한 검색 기능, 필터링, 통계 분석을 통해, MCP-DBLP는 개발자와 연구자가 학술 문헌, 서지 데이터, 학술 참조 작업을 더욱 효율적으로 할 수 있게 합니다.

프롬프트 목록

• 지침 프롬프트:
  instructions_prompt.md에 재사용 가능한 프롬프트 템플릿이 포함되어 있으며, 인용이 포함된 텍스트와 함께 사용할 수 있습니다. Claude Desktop에서는 전기 플러그 아이콘을 통해 이 프롬프트에 접근할 수 있습니다.

리소스 목록

• (제공된 문서 또는 코드에 명시적인 MCP 리소스 프리미티브가 언급되어 있지 않습니다. 서버가 리소스를 노출한다면 세부사항은 나와 있지 않습니다.)

도구 목록

• search
  불리언 쿼리를 사용하여 DBLP에서 논문을 검색합니다. ‘and’/‘or’ 연산자, 결과 제한, 연도 필터, 학술지 부분 문자열 필터링을 지원합니다.
• fuzzy_title_search
  논문 제목의 퍼지 매칭으로 논문을 검색합니다.
• get_author_publications
  특정 저자의 모든 논문을 조회합니다.
• get_venue_info
  논문 발표 학술지(venue)에 대한 상세 정보를 조회합니다.
• calculate_statistics
  논문 검색 결과로부터 통계를 생성합니다.
• export_bibtex
  BibTeX 항목을 DBLP에서 직접 파일로 내보내며, 인용 정확성을 위해 LLM 처리를 우회합니다.

MCP 서버 활용 사례

• 학술 문헌 검색
  개발자와 연구자는 고급 불리언 쿼리와 필터를 사용하여 DBLP 데이터베이스에서 관련 논문을 검색하여 문헌 리뷰와 지식 탐색을 효율화할 수 있습니다.
• 인용 관리
  학술 논문, 발표, 참고 문헌 관리 도구에서 바로 사용할 수 있도록 정확한 BibTeX 항목을 빠르게 생성 및 내보낼 수 있습니다.
• 저자 및 학술지 탐색
  특정 저자의 모든 논문을 조회하거나, 학술 대회 및 저널에 대한 상세 정보를 얻어 연구 분석 및 네트워킹에 활용할 수 있습니다.
• 서지 데이터 추출
  문서에서 서지 데이터를 추출 및 구조화하여, 원고 내 임베디드 인용이나 참고문헌 처리가 쉬워집니다.
• 논문 메트릭 및 통계
  논문 데이터를 통계적으로 분석하여, 특정 학술지나 기간 내 연구 동향, 연구 성과, 영향력 등을 파악할 수 있습니다.

설치 방법

Windsurf

1. 사전 준비: Python 3.11+ 및 uv가 설치되어 있어야 합니다.
2. 저장소 클론:
   git clone https://github.com/szeider/mcp-dblp.git
3. 환경 설정:

   cd mcp-dblp
   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

4. 설정: Windsurf MCP 설정 파일에 다음을 추가하세요:

   {
     "mcpServers": {
       "mcp-dblp": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-dblp/",
           "run",
           "mcp-dblp",
           "--exportdir",
           "/absolute/path/to/bibtex/export/folder/"
         ]
       }
     }
   }
   

5. 재시작 & 확인: 저장 후 Windsurf를 재시작하고 MCP-DBLP 서버가 도구 목록에 나타나는지 확인하세요.

Claude

1. 사전 준비: Claude Desktop 앱과 Python 3.11+을 설치하세요.
2. 클론 및 설정:

   git clone https://github.com/szeider/mcp-dblp.git
   cd mcp-dblp
   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

3. 설정 파일 수정:
   • macOS/Linux: ~/Library/Application/Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%\Claude\claude_desktop_config.json
4. MCP-DBLP 추가: 다음을 포함시키세요:

   {
     "mcpServers": {
       "mcp-dblp": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-dblp/",
           "run",
           "mcp-dblp",
           "--exportdir",
           "/absolute/path/to/bibtex/export/folder/"
         ]
       }
     }
   }
   

5. 저장 & 재시작: 설정을 저장하고 Claude를 재시작하여 서버가 사용 가능한지 확인하세요.

Cursor

1. 사전 준비 확인: Python 3.11+ 및 uv가 설치되어 있어야 합니다.
2. MCP-DBLP 설치:

   git clone https://github.com/szeider/mcp-dblp.git
   cd mcp-dblp
   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

3. Cursor 설정 파일 찾기: Cursor MCP 설정 파일을 여세요.
4. 항목 추가:

   {
     "mcpServers": {
       "mcp-dblp": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-dblp/",
           "run",
           "mcp-dblp",
           "--exportdir",
           "/absolute/path/to/bibtex/export/folder/"
         ]
       }
     }
   }
   

5. Cursor 재시작: 저장하고 Cursor를 재시작하여 MCP-DBLP가 활성화되는지 확인하세요.

Cline

1. 의존성 설치: Python 3.11+ 및 uv.
2. 클론 및 준비:

   git clone https://github.com/szeider/mcp-dblp.git
   cd mcp-dblp
   uv venv
   source .venv/bin/activate
   uv pip install -e .
   

3. Cline 설정 편집: MCP 서버 설정을 찾으세요.
4. MCP-DBLP 블록 삽입:

   {
     "mcpServers": {
       "mcp-dblp": {
         "command": "uv",
         "args": [
           "--directory",
           "/absolute/path/to/mcp-dblp/",
           "run",
           "mcp-dblp",
           "--exportdir",
           "/absolute/path/to/bibtex/export/folder/"
         ]
       }
     }
   }
   

5. 확인 & 재시작: 저장 후 Cline을 재시작하고 도구 사용 가능 여부를 확인하세요.

API 키 보안 설정:
API 키나 시크릿이 필요한 경우, 환경 변수를 통해 안전하게 제공하세요. 예시 설정:

{
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": [ ... ],
      "env": {
        "SOME_API_KEY": "${YOUR_API_KEY_ENV_VAR}"
      },
      "inputs": {
        "api_key": "${YOUR_API_KEY_ENV_VAR}"
      }
    }
  }
}

플로우 내에서 MCP 사용법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭해 구성 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같이 MCP 서버 정보를 JSON 형식으로 입력하세요:

{
  "mcp-dblp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면, AI 에이전트가 이 MCP를 도구로 사용하며 모든 기능과 능력에 접근할 수 있습니다. “mcp-dblp"라는 이름과 URL은 실제 MCP 서버 이름과 주소로 변경하세요.

개요

위 내용을 바탕으로, MCP-DBLP는 우수한 문서화 및 도구 지원을 제공하지만, 명시적인 리소스 및 샘플링 지원은 문서에서 확인되지 않습니다. 프롬프트 템플릿과 도구 커버리지는 뛰어나나, 리소스 프리미티브와 샘플링 부재로 인해 다소 포괄성이 떨어질 수 있습니다.

MCP 점수

의견:
MCP-DBLP는 학술 및 서지 워크플로에 특히 적합한 강력하고 특화된 MCP 서버입니다. DBLP 통합과 인용 관리를 위한 도구 세트가 매우 포괄적이며, 리소스 및 샘플링 지원은 아직 부족하지만 사용성 및 설치 문서화는 잘 되어 있습니다.

총점: 7.5/10