Prof Dr T MCP

MCP搜索检索

提供方 TobiasBlask

搜索检索 stdio · 本地进程 API Key 社区 / 第三方 Claude DesktopClaude
查看接入方式

提供多学术数据库搜索API的工具,支持本地和云端部署,适用于学术研究和文献综述。

一句话选型结论

按资料字段整理

Prof Dr T MCP 属于搜索检索类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude Desktop、Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 8 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量8暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

学术搜索Python本地部署文献管理API工具云端部署本地运行

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
python3 -m venv .venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 8 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 8 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude Desktop、Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop、Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Prof Dr T MCP当前 8 stdio · 本地进程 本地部署 有 2026-05-17
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方TobiasBlask上游标注的维护方 TobiasBlask
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

5.0 KB
来自项目仓库与上游目录的原文,未做删改

Academic Search MCP Server

MCP-Server, der akademische Such-APIs als Tools für Claude Desktop / Cowork bereitstellt.
Funktioniert lokal (stdio) oder als Cloud-Service (Render, Railway, etc.).

Was der Server kann

Tool Beschreibung
academic_search_all Suche über alle 4 Datenbanken gleichzeitig (dedupliziert)
academic_search_semantic_scholar Semantic Scholar (200M+ Papers, Citation Graphs, TLDRs)
academic_search_openalex OpenAlex (474M+ Works, breiteste Abdeckung, gut für deutsche Papers)
academic_search_crossref CrossRef (150M+ Works, beste DOI-Auflösung)
academic_search_arxiv arXiv (2.4M+ Preprints, CS/AI/ML)
academic_snowball Vorwärts-/Rückwärts-Snowballing über Semantic Scholar
academic_multi_query Mehrere Queries auf einmal + Deduplizierung (ideal für SLR)
academic_export Export als BibTeX oder CSV

Setup (3 Schritte)

1. Python-Umgebung vorbereiten```bash

cd academic-search-mcp
python3 -m venv .venv
source .venv/bin/activate # macOS/Linux

.venv\Scripts\activate # Windows

pip install -r requirements.txt


### 2. Testen ob es läuft```bash
python server.py --help

Sollte ohne Fehler starten und auf stdin warten. Mit Ctrl+C abbrechen.

3. In Claude Desktop konfigurieren

Öffne die Claude Desktop Config-Datei:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json

Füge den Server unter mcpServers hinzu:```json
{
"mcpServers": {
"academic-search": {
"command": "/PFAD/ZU/academic-search-mcp/.venv/bin/python",
"args": ["/PFAD/ZU/academic-search-mcp/server.py"],
"env": {
"OPENALEX_MAILTO": "deine.email@example.com",
"CROSSREF_MAILTO": "deine.email@example.com"
}
}
}
}


**Wichtig:** Ersetze `/PFAD/ZU/` mit dem tatsächlichen Pfad auf deinem Rechner.

### Optional: Semantic Scholar API Key

Für höhere Rate-Limits (100 req/5min → 10.000 req/min):

1. API Key beantragen: https://www.semanticscholar.org/product/api
2. In der Config hinzufügen:```json
"env": {
  "SEMANTIC_SCHOLAR_API_KEY": "dein-key-hier",
  "OPENALEX_MAILTO": "deine.email@example.com",
  "CROSSREF_MAILTO": "deine.email@example.com"
}

Nutzung in Claude Desktop / Cowork

Nach dem Neustart von Claude Desktop stehen die Tools automatisch zur Verfügung:

> "Suche mir Papers zu generative AI enterprise implementation ab 2022"

Claude wird dann academic_search_all aufrufen, die Ergebnisse deduplizieren, und dir eine sortierte Liste mit Citation Counts zurückgeben.

Für eine SLR-Suchstrategie:

> "Führe eine Multi-Query-Suche durch mit diesen Queries: ..."

Claude nutzt dann academic_multi_query um mehrere Queries parallel zu suchen und die Ergebnisse zu kombinieren.


Cloud-Deployment (Render)

1. GitHub-Repo erstellen```bash

cd academic-search-mcp
git init
git add .
git commit -m "Initial commit"
git remote add origin https://github.com/DEIN-USER/academic-search-mcp.git
git push -u origin main


### 2. Auf Render deployen

1. Gehe zu render.com → **New** → **Blueprint**
2. Verbinde dein GitHub-Repo
3. Render erkennt die `render.yaml` automatisch und erstellt den Service
4. Setze die Environment Variables im Dashboard:
   - `OPENALEX_MAILTO` = deine Email
   - `CROSSREF_MAILTO` = deine Email
   - `SEMANTIC_SCHOLAR_API_KEY` = (optional, für höhere Rate Limits)

**Alternativ manuell:**
1. **New** → **Web Service** → GitHub-Repo verbinden
2. **Runtime**: Docker
3. **Instance Type**: Free
4. **Deploy**

Deine URL sieht dann so aus: `https://academic-search-mcp.onrender.com`

### 3. Claude Desktop mit Remote-Server verbinden```json
{
  "mcpServers": {
    "academic-search": {
      "url": "https://academic-search-mcp.onrender.com/mcp"
    }
  }
}

Das war's — kein lokaler Python-Install nötig, keine .venv, kein command/args. Nur die URL.

Health Check```bash

curl https://academic-search-mcp.onrender.com/health

→ {"status": "ok", "tools": 8}


### Hinweis zum Free Tier

Render's Free Tier fährt den Service nach 15 Minuten Inaktivität herunter. Der erste Request nach einer Pause dauert dann ~30 Sekunden (Cold Start). Für regelmäßige Nutzung lohnt sich der Starter Plan ($7/Monat) — der bleibt always-on.

---

## Projektstruktur```
academic-search-mcp/
├── server.py              ← MCP Server (FastMCP, stdio + HTTP)
├── academic_search.py     ← Such-Funktionen (4 APIs)
├── requirements.txt       ← Python-Dependencies
├── pyproject.toml         ← Projekt-Metadaten
├── Dockerfile             ← Container für Cloud-Deployment
├── render.yaml            ← Render Blueprint (auto-deploy)
└── README.md              ← Diese Datei

API Rate Limits

API Ohne Key Mit Key
Semantic Scholar 100 req / 5 min 10.000 req / min
OpenAlex 100.000 req / Tag – (kein Key nötig)
CrossRef Unbegrenzt (mit mailto) –
arXiv 1 req / 3 sec –

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Prof Dr T MCP 怎么安装?

在客户端按下面的安装命令接入:python3 -m venv .venv。装完在客户端配置里引用同一个包或端点。

Prof Dr T MCP 怎么在 Claude Desktop、Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Prof Dr T MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Prof Dr T MCP 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Prof Dr T MCP 支持哪些客户端?

资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Prof Dr T MCP 能提供哪些能力?

资料显示约 8 个工具;能力标签包括 搜索、本地运行、Python、Claude、文献管理。具体工具清单以官方文档为准。

Prof Dr T MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Prof Dr T MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。