Scholarly MCP Server

Vad gör “Scholarly” MCP Server?

Scholarly MCP Server är utformad för att koppla AI-assistenter till en kraftfull sökfunktion för akademiska artiklar. Genom integration med olika vetenskapliga leverantörer (med fler som tillkommer i framtiden) ger denna server utvecklare möjlighet att förbättra sina AI-arbetsflöden genom att erbjuda direkt tillgång till korrekta och aktuella vetenskapliga artiklar. Den fungerar som en bro mellan AI-agenter och externa akademiska datakällor, vilket möjliggör uppgifter såsom att söka forskningsartiklar, hämta publikationmetadata och hitta relevant akademiskt innehåll. Detta verktyg är särskilt värdefullt för forskningsassistenter, utbildningsplattformar och kunskapscentrerade applikationer som kräver smidig åtkomst till högkvalitativa akademiska resurser.

Lista över promptmallar

Inga promptmallar nämndes uttryckligen i arkivet.

Lista över resurser

Inga resurser listades eller beskrevs uttryckligen i arkivfilerna.

Lista över verktyg

Inga explicita verktygsdefinitioner eller poster (t.ex. funktioner som search_articles, get_metadata, etc.) hittades i den tillgängliga arkivstrukturen eller dokumentationen. Arkivet beskrivs som en “server för att söka korrekta akademiska artiklar”, så det inkluderar sannolikt ett sökverktyg för vetenskapliga artiklar, men inga konkreta verktygsnamn eller beskrivningar finns med.

Användningsområden för denna MCP Server

• Assistans vid akademisk forskning
  Möjliggör för AI-assistenter att hämta vetenskapliga artiklar för litteraturöversikter eller forskningsfrågor, vilket effektiviserar forskningsprocessen för studenter och akademiker.
• Berikning av utbildningsinnehåll
  Integreras med e-lärandeplattformar för att ge studenter direktlänkar till relevanta, granskade artiklar och därmed berika kursmaterialet med aktuell forskning.
• Utökning av kunskapsbaser
  Stödjer skapandet av dynamiska kunskapsbaser genom att hämta aktuella akademiska artiklar, vilket möjliggör för organisationer att underhålla och utöka sina informationsresurser.
• Generering av citationer
  Hjälper till att skapa citationer och bibliografier genom att hämta publikationmetadata för akademiskt skrivande och referenshantering.
• Faktagranskning och verifiering
  Underlättar faktagranskning genom att låta AI-agenter hänvisa till vetenskapliga källor, vilket förbättrar tillförlitligheten och trovärdigheten i genererat innehåll.

Så här sätter du upp det

Windsurf

1. Kontrollera att du har alla nödvändiga förutsättningar (t.ex. Python, Docker eller Node.js, beroende på vad som krävs).
2. Lokalisera din Windsurf-konfigurationsfil.
3. Lägg till Scholarly MCP Server genom att inkludera följande JSON-snutt i avsnittet mcpServers:

   {
     "scholarly-mcp": {
       "command": "mcp-scholarly",
       "args": []
     }
   }
   

4. Spara konfigurationsfilen och starta om Windsurf.
5. Kontrollera att servern körs och är åtkomlig.

Claude

1. Se till att förutsättningar (såsom Python eller Docker) är installerade.
2. Öppna Claude-konfigurationsfilen.
3. Lägg till Scholarly MCP Server under mcpServers:

   {
     "scholarly-mcp": {
       "command": "mcp-scholarly",
       "args": []
     }
   }
   

4. Spara filen och starta om Claude.
5. Bekräfta att servern är åtkomlig från Claude.

Cursor

1. Installera nödvändiga beroenden (Python, Docker, etc.).
2. Redigera Cursor-konfigurationsfilen.
3. Infoga följande MCP-serverkonfiguration:

   {
     "scholarly-mcp": {
       "command": "mcp-scholarly",
       "args": []
     }
   }
   

4. Spara och starta om Cursor.
5. Kontrollera anslutningen till Scholarly MCP Server.

Cline

1. Kontrollera att alla förutsättningar är uppfyllda (Python, Node.js, etc.).
2. Gå till Cline-konfigurationsfilen.
3. Lägg till Scholarly MCP Server:

   {
     "scholarly-mcp": {
       "command": "mcp-scholarly",
       "args": []
     }
   }
   

4. Spara dina ändringar och starta om Cline.
5. Kontrollera att servern körs som den ska.

Skydda API-nycklar

För att skydda API-nycklar, använd miljövariabler i din konfiguration. Exempel:

{
  "scholarly-mcp": {
    "command": "mcp-scholarly",
    "env": {
      "API_KEY": "your_api_key_here"
    },
    "inputs": {
      "api_key": "${API_KEY}"
    }
  }
}

Så använder du denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion anger du din MCP-serverinformation med detta JSON-format:

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

När detta är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra “scholarly-mcp” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Vår åsikt

Scholarly MCP Server har ett tydligt syfte och klara användningsområden, men dokumentationen och arkivinnehållet är sparsamt när det gäller explicita promptar, resurser och verktygsdefinitioner. Installationsinstruktioner kan härledas generellt men är inte detaljerade i koden. För en utvecklare som vill ha en plug-and-play-lösning för akademisk sökning är det lovande, men skulle vinna på fylligare dokumentation och tydligare gränssnittsdetaljer.

MCP-poäng