MCP-DBLP 学术文献与引文管理服务器

通过 MCP-DBLP，将学术文献检索与引文管理流程集成到您的 LLM 智能体中，这是专为 DBLP 书目数据打造的 MCP 服务器。

MCP Server Academic Tools FlowHunt Integration DBLP
立即使用 FlowHunt 在 GitHub 上查看 MCP-DBLP

联系我们在FlowHunt托管您的MCP服务器

support@flowhunt.io

“MCP-DBLP” MCP 服务器的作用是什么？

MCP-DBLP 服务器通过模型上下文协议（MCP），为大语言模型（LLM）提供对 DBLP 计算机科学文献数据库的无缝访问。集成 DBLP API 后，MCP-DBLP 让 AI 助理能够检索和获取学术出版物、处理引文、生成 BibTeX 条目，并对出版物标题与作者名进行模糊匹配。它还支持书目信息的提取与格式化、嵌入式引用处理，以及直接导出 BibTeX，实现高精度引文管理。凭借全面的检索能力、过滤和统计分析，MCP-DBLP 助力开发者和研究人员在处理学术文献、书目数据和学术引用时大幅提升效率。

提示语（Prompts）列表

  • Instructions Prompt:
    在 instructions_prompt.md 中内置了可复用的提示模板，可结合包含引文的文本一同使用。在 Claude Desktop 中，可通过插头图标访问此提示。
FlowHunt 标志

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

  • (在所提供文档或代码中未明确提及 MCP 资源原语。如服务器有暴露资源，细节未列出。)

工具列表

  • search
    使用布尔查询检索 DBLP 文献。支持 ‘and’/‘or’ 运算、结果数量限制、年份过滤及会议/期刊名子串过滤。
  • fuzzy_title_search
    对出版物标题进行模糊检索。
  • get_author_publications
    获取指定作者的所有出版物。
  • get_venue_info
    获取某出版物会议/期刊的详细信息。
  • calculate_statistics
    对检索结果生成统计分析。
  • export_bibtex
    直接从 DBLP 导出 BibTeX 文件，跳过 LLM 处理以保证准确性。

典型应用场景

  • 学术文献检索
    开发者和研究者可用高级布尔查询和过滤，检索 DBLP 数据库的相关学术论文，优化文献综述与知识发现流程。
  • 引文管理
    快速生成并导出准确的 BibTeX 引文，用于论文写作、演示或参考文献管理工具。
  • 作者与会议探索
    检索特定作者的全部论文，或获取会议/期刊的详细信息，助力科研分析与学术网络拓展。
  • 书目数据提取
    从文档中抽取并结构化书目信息，便于处理稿件中的嵌入式引文与参考文献。
  • 出版物统计与指标分析
    对出版物数据进行统计分析，识别趋势、成果产出或特定会议期刊影响力。

安装与配置方法

Windsurf

  1. 前置条件：请确保已安装 Python 3.11+ 和 uv 。
  2. 克隆仓库:
    git clone https://github.com/szeider/mcp-dblp.git
  3. 配置环境:
    cd mcp-dblp
uv venv
source .venv/bin/activate
uv pip install -e .
  4. 配置: 编辑 Windsurf MCP 配置文件，加入如下内容：
    {
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-dblp/",
        "run",
        "mcp-dblp",
        "--exportdir",
        "/absolute/path/to/bibtex/export/folder/"
      ]
    }
  }
}
  5. 重启与验证: 保存并重启 Windsurf，确认 MCP-DBLP 服务器出现在工具列表中。

Claude

  1. 前置条件：安装 Claude Desktop app 与 Python 3.11+。
  2. 克隆与配置:
    git clone https://github.com/szeider/mcp-dblp.git
cd mcp-dblp
uv venv
source .venv/bin/activate
uv pip install -e .
  3. 编辑配置:
    • macOS/Linux: ~/Library/Application/Support/Claude/claude_desktop_config.json
    • Windows: %APPDATA%\Claude\claude_desktop_config.json
  4. 添加 MCP-DBLP: 插入如下内容：
    {
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-dblp/",
        "run",
        "mcp-dblp",
        "--exportdir",
        "/absolute/path/to/bibtex/export/folder/"
      ]
    }
  }
}
  5. 保存与重启: 保存配置，重启 Claude，验证服务器可用。

Cursor

  1. 前置条件：已安装 Python 3.11+ 和 uv 。
  2. 安装 MCP-DBLP:
    git clone https://github.com/szeider/mcp-dblp.git
cd mcp-dblp
uv venv
source .venv/bin/activate
uv pip install -e .
  3. 定位 Cursor 配置: 打开 Cursor 的 MCP 配置文件。
  4. 添加条目：
    {
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-dblp/",
        "run",
        "mcp-dblp",
        "--exportdir",
        "/absolute/path/to/bibtex/export/folder/"
      ]
    }
  }
}
  5. 重启 Cursor: 保存并重启 Cursor 激活 MCP-DBLP。

Cline

  1. 安装依赖：Python 3.11+ 与 uv。
  2. 克隆与准备：
    git clone https://github.com/szeider/mcp-dblp.git
cd mcp-dblp
uv venv
source .venv/bin/activate
uv pip install -e .
  3. 编辑 Cline 配置：定位 MCP 服务器配置文件。
  4. 插入 MCP-DBLP 配置块：
    {
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-dblp/",
        "run",
        "mcp-dblp",
        "--exportdir",
        "/absolute/path/to/bibtex/export/folder/"
      ]
    }
  }
}
  5. 确认并重启：保存、重启 Cline，检查工具可用性。

API 密钥安全配置示例：
如需配置 API 密钥或密文，请使用环境变量。配置示例：

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

在工作流中集成 MCP 的方法

在 FlowHunt 中使用 MCP

要在 FlowHunt 工作流中集成 MCP 服务器，请先将 MCP 组件添加到您的流程中，并与您的 AI 智能体相连：

FlowHunt MCP flow

点击 MCP 组件，打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式输入您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用该 MCP，获取全部功能。请将 “mcp-dblp” 替换为实际的 MCP 服务器名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

部分可用性详情/备注
概述✅完整描述见 README.md
提示语列表✅指令提示见 instructions_prompt.md
资源列表⛔未描述 MCP 资源原语
工具列表✅README.md 中列出六个工具（search、fuzzy_title_search 等）
API 密钥安全✅配置示例中有说明
采样支持（评估时次要）⛔未提及

根据以上内容，MCP-DBLP 拥有优秀的文档和工具覆盖，但在显式资源与采样支持方面尚有缺失。提示模板与工具较完善，但资源原语与采样的缺失略降低了其全面性。

MCP 综合评分

是否有 LICENSE✅ (MIT)
至少有一个工具✅
Fork 数量4
Star 数量6

我们的看法：
MCP-DBLP 是一款稳健且专业的 MCP 服务器，特别适合学术与书目工作流。其工具集覆盖了 DBLP 集成和引文管理的主要需求，但因资源与采样支持未明确定义，暂未能完全发挥 MCP 的全部潜力。文档和使用说明详实，易于上手。

综合评分： 7.5/10

常见问题

用 MCP-DBLP 提升您的学术工作流

为您的 AI 智能体赋能，让其无缝访问 DBLP 计算机科学文献库。可直接在 FlowHunt 或任意兼容 MCP 的应用中完成检索、分析与引文导出。

立即使用 FlowHunt 在 GitHub 上查看 MCP-DBLP