MCP For Paper Read Based On Ai Ide

🚀 科研論文補助閲読MCPシステム（ローカル版）

このシステムはMCP (Model Context Protocol) に基づいて構築され、ローカルのPDF解析、構造化抽出、数式の深度解析、コード生成と可視化機能を提供します。 すべての計算はローカルで実行され、Trae内蔵の大規模言語モデルまたはローカルのLLMを使用して強化することができます。

✨ 主な機能

• 📃 スマートな要約と方法論：summarizer はスマートな要約と方法論の抽出をサポートし、ローカルのLLM (Ollama) を自動的に接続して内容を深く理解することができます。
• 🔢 高度な数学的知能：math_explainer は数式を抽出し、AST（抽象構文木）を構築し、ローカルのSQLiteデータベースに保存します。
• 💻 実験再現の支援：code_generator は論文から自動的にハイパーパラメータを抽出し、PyTorchモデルの定義とトレーニングスクリプトを生成します。
• 📊 可視化グラフ：visualization はMermaidフローチャートと変数依存グラフを生成します。
• 📑 スマートなレポート生成：report_generator はMarkdown形式の論文分析レポートを自動生成し、要約、構造、可視化グラフ、コード構成を含み、数式が正しくレンダリングされることを保証します。
• 🧠 知識管理：ローカルデータベース papers.db は論文のメタデータ、記号定義、実験記録を自動的に保存します。

📦 インストール

前提条件

• Node.js (v16+)
• Git
• (オプション) Ollama ローカルの大規模言語モデルを高速化するため（デフォルトポート11434）

1. リポジトリをクローンする

git clone https://github.com/Lxy-hqu/-mcp-for-paper-read-based-on-AI-IDE.git
cd -mcp-for-paper-read-based-on-AI-IDE

2. 依存関係をインストールする

npm install

3. プロジェクトをコンパイルする

npx tsc

4. Trae（またはCursor）を設定する

自動設定（推奨）

このリポジトリには trae_mcp_config.json テンプレートが含まれています。command のパスをローカルのNode.jsの絶対パスに、args を server.js の絶対パスに変更する必要があります。

Windowsユーザーの設定例： Traeの設定 -> MCP Servers -> Edit in settings.jsonを開きます：

{
  "mcpServers": {
    "local-papers": {
      "command": "C:\\Program Files\\nodejs\\node.exe", 
      "args": [
        "E:\\path\\to\\-mcp-for-paper-read-based-on-AI-IDE\\dist\\server.js"
      ],
      "disabled": false,
      "autoApprove": []
    }
  }
}

💡 使用アドバイス

ターミナルで where node を実行すると、Node.jsのインストールパスを取得できます。

5. 実行を検証する

Traeを再起動した後、MCP管理パネルで local-papers が Connected 状態であることを確認します。 ダイアログに「pdf_loader を使ってこのファイルを読み込んでください：E:\my_paper.pdf」と入力してテストすることができます。

🔄 移行とマルチマシンデプロイ

このサービスを別のマシンで実行する場合は、2つの方法があります。

方法1：ディレクトリを直接コピーする（ポータブル）

dist と node_modules を含むディレクトリ全体を新しいマシンに直接コピーすることができます。 注意事項：

1. Node.js環境：新しいマシンには Node.js をインストールする必要があります。
2. オペレーティングシステムの互換性：WindowsからmacOS/Linuxにコピーする場合、better-sqlite3 などのネイティブ依存関係が互換性がないためエラーが発生することがあります。この場合、新しいマシンで npm rebuild を実行するか、node_modules を削除してから npm install を再度実行する必要があります。
3. パスの設定：Traeの settings.json で、command（Nodeのパス）と args（server.jsのパス）を新しいマシン上の実際の絶対パスに必ず変更してください。

方法2：再度クローンする（推奨）

各新しいマシンで git clone、npm install、npx tsc を再度実行します。これは最も安定した方法で、すべての依存関係が現在のシステムと完全に互換性があることを保証します。

⚠️ 重要な注意

papers.db ファイルには解析済みの論文データが保存されています。ディレクトリを直接コピーすると、このデータベースも一緒に移動します。新しいマシンでクリーンな環境が必要な場合は、papers.db ファイルを削除してください。

💻 使用例

数式解析

"この論文の数式を解析し、記号定義をデータベースに保存してください。"

コード生成

"この論文の方法論部分に基づいて、PyTorchモデルのコードを生成し、ハイパーパラメータを抽出してください。"

可視化

"この論文のモデル構造について、Mermaidフローチャートを生成してください。"

分析レポートの生成

"この論文の完全なMarkdown分析レポートを生成してください。"

📚 ドキュメント

src/
├── providers/          # コア機能モジュール
│   ├── pdf_loader.ts      # PDF読み込み
│   ├── structure_parser.ts # 構造化分割
│   ├── math_explainer.ts   # 数学解析 & AST
│   ├── code_generator.ts   # コード & 設定生成
│   ├── visualization.ts    # Mermaidグラフ生成
│   ├── report_generator.ts # レポート生成
│   └── summarizer.ts       # スマートな要約と方法論
├── database.ts         # SQLiteデータベース管理
├── llm_client.ts       # ローカルLLM接続クライアント
├── server.ts           # MCPサーバーエントリー
└── types.d.ts          # 型定義

📄 ライセンス

MIT