MCP Science

MCP运维云端

提供方 pathintegral-institute

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude
查看接入方式

MCP.science是一个开源项目,提供了一系列专门为科学研究设计的MCP服务器,使AI模型能够通过标准化协议与科学数据、工具和资源进行交互。

一句话选型结论

按资料字段整理

MCP Science 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 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。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 133 仓库热度,无公开仓库时显示未标注
工具数 2 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

运维云端
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2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

开源工具Python本地部署可托管科学研究AI集成数据交互标准化协议

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
uvx mcp-science web-fetch

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 2 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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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 2 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,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

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。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 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。
  • 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
MCP Science当前 2 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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pathintegral-institute上游标注的维护方 pathintegral-institute
分类运维云端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
鉴权方式无需鉴权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

7.8 KB
来自项目仓库与上游目录的原文,未做删改

MCP.science:用于科学研究的开源MCP服务器🔍📚

加入我们,利用人工智能和开源工具加速科学发现!

快速开始

运行此存储库中的任何服务器都像单个命令一样简单。例如,要启动 web-fetch 服务器:```bash
uvx mcp-science web-fetch


此命令处理从安装到执行的所有操作。有关配置和查找其他服务器的更多详细信息,请参阅“如何为AI客户端应用程序配置MCP服务器“下面的部分。

## 目录

- 关于
- 什么是MCP?
- 此仓库中的可用服务器
- 如何将MCP服务器集成到LLM中
- 如何构建自己的MCP服务器
- 贡献
- 许可证
- 致谢
- 引用

## 关于

此存储库包含一组开源 主控程序 专为科学研究应用而设计的服务器。这些服务器使Al模型(如Claude)能够通过标准化协议与科学数据、工具和资源进行交互。

## 什么是MCP?

> MCP是一个开放协议,它规范了应用程序如何向LLM提供上下文。将MCP想象成AI应用程序的USB-C端口。正如USB-C提供了一种将设备连接到各种外围设备和配件的标准化方式一样,MCP提供了一个将AI模型连接到不同数据源和工具的标准化方法。
>
> MCP可帮助您在LLM之上构建代理和复杂的工作流。LLM经常需要与数据和工具集成,MCP提供:
>
> - LLM可以直接插入的预构建集成列表越来越多
> - 在LLM提供商和供应商之间切换的灵活性
> - 在基础架构中保护数据的最佳实践
>
> 来源: https://modelcontextprotocol.io/introduction

## 此仓库中的可用服务器

下面是此monorepo中MCP服务器的完整列表。每
条目链接到包含服务器源代码的子目录,以及
README,以便您可以快速找到文档和使用说明。

#### 示例服务器

一个示例MCP服务器,演示了
服务器实现。

#### 材料项目

一个专门的MCP服务器,使AI助手能够搜索、可视化和
操纵材料项目数据库中的材料科学数据。A.
材料项目API密钥是必需的。

#### Python代码执行

在安全的沙盒环境中运行Python代码片段
标准库访问权限,以便助手进行分析和
无需冒系统风险即可进行计算。

#### SSH执行器

允许助手通过SSH在远程计算机上运行预先验证的命令
具有可配置的身份验证和命令白名单。

#### Web提取

从Web获取和处理HTML、PDF和纯文本内容,以便
助理可以引用或总结。

#### TXYZ搜索

通过TXYZ API执行网络、学术和“尽最大努力”搜索。A TXYZ API
密钥是必需的。

#### 计时器

一个最小的倒计时器,用于流式传输进度更新以演示MCP
通知。

#### GPAW计算

通过GPAW软件包提供密度泛函理论(DFT)计算。

#### Jupyter法案

让助手与正在运行的Jupyter内核交互,执行notebook
细胞编程。

#### Mathematica检查

通过无头计算Wolfram语言代码的小片段
Mathematica实例。

#### NEMAD

神经科学模型分析仪表板服务器,提供检查工具
NEMAD数据集。

#### TinyDB

提供对TinyDB支持的轻量级JSON数据库的CRUD访问,以便
助手可以存储和检索小块结构化数据。

## 如何为AI客户端应用程序配置MCP服务器

如果你不熟悉这些东西,这里有一个循序渐进的指南: 为AI客户端应用程序配置MCP服务器的分步指南

### 先决条件

1. 紫外线 --超快速(Rust驱动)插入
pip+virtualenv的替代品。安装时使用:```bash
curl -sSf https://astral.sh/uv/install.sh | bash
  1. 启用MCP的客户端应用程序,例如
    克劳德桌面,
    VSCode,
    鹅,
    5ire.

简短版本-使用 uvx

此存储库中的任何服务器都可以使用单个shell命令启动。这
模式是:```bash
uvx mcp-science


例如,要启动 `web-fetch` stdio服务器本地,在客户端配置以下命令:```bash
uvx mcp-science web-fetch

这对应于claude桌面的json配置:```json
{
"mcpServers": {
"web-fetch": {
"command": "uvx",
"args": [
"mcp-science",
"web-fetch"
]
}
}
}


该命令将下载 `mcp-science` 从PyPI打包并运行请求的入口点。

#### 查找其他服务器

看看 可用服务器 列表--
表中的每个条目都使用上面显示的模式。

______________________________________________________________________

### 可选:管理与MCPM的集成

MCPM 是一个方便的命令行工具,可以自动化
将服务器连接到受支持的客户端的过程。这不是必需的,但
如果您经常在客户端之间切换或维护大型
服务器数量。

基本工作流程是:```bash
# Install mcpm first – it is a separate project
uv pip install mcpm

mcpm client ls           # discover supported clients
mcpm client set    # pick the one you are using

# Add a server (automatically installing it if needed)
mcpm add web-fetch

命令执行完毕后,重新启动客户端,使其重新加载工具
配置。您可以浏览 MCPM注册表
用于额外的社区维护服务器。

如何构建自己的MCP服务器

请检查 如何逐步构建自己的MCP服务器 了解更多详情。

贡献

我们热忱欢迎对MCP.science的贡献!您可以帮助改进现有服务器、添加新服务器或任何您认为会使此项目更好的事情。

如果你不熟悉GitHub以及如何为开源存储库做出贡献,那么这可能会有点挑战性,但对你来说仍然很容易。我们建议您先阅读以下内容:

  • 如何在GitHub上发出第一个pull请求
  • 创建pull请求

简而言之,您可以按照以下步骤操作:

  1. 将存储库分叉到您自己的GitHub帐户

  2. 将分叉的存储库克隆到本地计算机

  3. 创建要素分支(git checkout -b feature/amazing-feature)

  4. 进行更改并提交(git commit -m 'Add amazing feature')

👈 Click to see more conventions about directory and naming

请在中创建新服务器 servers 文件夹。
要在存储库文件夹下创建新的服务器文件夹,您只需运行(替换 your-new-server 使用您的服务器名称)```sh
uv init --package --no-workspace servers/your-new-server
uv add --directory servers/your-new-server mcp


这将创建一个新的服务器文件夹,其中包含必要的文件:```bash
servers/your-new-server/
├── README.md
├── pyproject.toml
└── src
└── your_new_server
└── __init__.py

您可能会在配置文件中看到两个相关的名称:

  1. 项目名称 (连字符):中的文件夹、项目名称和脚本名称 pyproject.toml例如。 your-new-server.
  2. Python包名称 (snake_case):里面的文件夹 src/例如。 your_new_server.

  3. 推到分支(git push origin feature/amazing-feature)

  4. 打开拉取请求

请确保您的PR符合以下要求:

  • 清除提交消息
  • 适当的文档更新
  • 新功能的测试覆盖率

Subrepos中的贡献者认可

如果你想识别特定服务器/子论坛的贡献者(例如。 servers/gpaw-computation/),您可以使用 所有贡献者CLI 在该子目录中。

步骤:

  1. 在您的子版块中(例如。 servers/gpaw-computation/),创建一个 .all-contributorsrc 文件(参见 例子).
  2. 使用CLI添加贡献者:```bash
    npx all-contributors add
1. 在子版块中生成或更新贡献者部分 `README.md`:```bash
npx all-contributors generate
  1. 将更改提交到子页面 README.md 和 .all-contributorsrc.

有关更多详细信息,请参阅 所有贡献者CLI安装指南.

许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

致谢

感谢所有贡献者!

引用

对于一般用途,请按照根目录中的描述引用此存储库 引文.cff.

如果您使用特定的服务器/子项目,请参阅相应的 CITATION.cff 该子项目文件夹中的文件 servers/ 适当的引用。

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
MCP Science 怎么安装?

在客户端按下面的安装命令接入:uvx mcp-science web-fetch。装完在客户端配置里引用同一个包或端点。

MCP Science 怎么在 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。

MCP Science 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。

MCP Science 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Science 支持哪些客户端?

资料标注支持 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。

MCP Science 能提供哪些能力?

资料显示约 2 个工具;能力标签包括 开源工具、标准化协议、Python、Claude。具体工具清单以官方文档为准。

MCP Science 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。

MCP Science 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。