MCP For Paper Read Based On Ai Ide

🚀 科研論文輔助閱讀 MCP 系統（本地版）

本系統基於 MCP (Model Context Protocol) 構建，具備本地 PDF 解析、結構化提取、數學公式深度解析、代碼生成與可視化等功能。所有計算都在本地運行，還支持通過 Trae 內置大模型或本地 LLM 進行功能增強，為科研人員提供便捷的論文閱讀輔助。

🚀 快速開始

本系統基於 MCP (Model Context Protocol) 構建，提供了一系列強大的功能，可幫助用戶更高效地閱讀科研論文。以下是快速開始使用該系統的步驟。

✨ 主要特性

• 📃 智能摘要與方法論：summarizer 支持智能摘要與方法論提取，可自動連接本地 LLM (Ollama) 進行深度內容理解。
• 🔢 深度數學智能：math_explainer 提取公式、構建 AST（抽象語法樹），並存入本地 SQLite 數據庫。
• 💻 實驗復現輔助：code_generator 自動從論文中提取超參數，生成 PyTorch 模型定義與訓練腳本。
• 📊 可視化圖表：visualization 生成 Mermaid 流程圖與變量依賴圖。
• 📑 智能報告生成：report_generator 自動生成 Markdown 格式的論文分析報告，包含摘要、結構、可視化圖表與代碼配置，並確保數學公式正確渲染。
• 🧠 知識管理：本地數據庫 papers.db 自動存儲論文元數據、符號定義與實驗記錄。

📦 安裝指南

前置要求

• Node.js (v16+)
• Git
• (可選) Ollama 用於本地大模型加速 (默認端口 11434)

1. 克隆倉庫

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. 安裝依賴

npm install

3. 編譯項目

npx tsc

4. 配置 Trae (或 Cursor)

自動配置 (推薦)

本倉庫包含一個 trae_mcp_config.json 模板。你需要將其中的 command 路徑修改為你本地 Node.js 的絕對路徑，args 修改為 server.js 的絕對路徑。

Windows 用戶示例配置： 打開 Trae 設置 -> MCP Servers -> Edit in settings.json：

{
  "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": []
    }
  }
}

💡 使用建議：在終端運行 where node 可獲取 Node.js 的安裝路徑。

5. 驗證運行

重啟 Trae 後，在 MCP 管理面板中應顯示 local-papers 為 Connected 狀態。 你可以嘗試在對話框中輸入：“請使用 pdf_loader 讀取這個文件：E:\my_paper.pdf” 來測試。

📚 詳細文檔

遷移與多機部署

如果你想在另一臺機器上運行此服務，有兩種方式：

方式一：直接複製目錄（便攜式）

你可以直接將整個目錄（包含 dist 和 node_modules）複製到新機器。 注意事項：

1. Node.js 環境：新機器必須安裝 Node.js。
2. 操作系統一致性：如果你從 Windows 複製到 macOS/Linux，可能會因為 better-sqlite3 等原生依賴不兼容而報錯。此時需要在新機器運行 npm rebuild 或刪除 node_modules 重新 npm install。
3. 路徑配置：在 Trae 的 settings.json 中，必須修改 command (Node 路徑) 和 args (server.js 路徑) 為新機器上的實際絕對路徑。

方式二：重新克隆（推薦）

在每臺新機器上重新執行 git clone、npm install 和 npx tsc。這是最穩健的方法，能確保所有依賴與當前系統完美兼容。

⚠️ 重要提示：papers.db 文件存儲了已解析的論文數據。直接複製目錄會帶走此數據庫。如果在新機器上需要乾淨的環境，請刪除 papers.db 文件。

使用指南

數學公式解析

"解析這篇論文的數學公式，並將符號定義存入數據庫。"

代碼生成

"根據這篇論文的方法部分，生成 PyTorch 模型代碼，並提取超參數。"

可視化

"為這篇論文的模型結構生成一個 Mermaid 流程圖。"

生成分析報告

"為這篇論文生成一份完整的 Markdown 分析報告。"

項目結構

src/
├── providers/          # 核心功能模塊
│   ├── pdf_loader.ts      # PDF 讀取
│   ├── structure_parser.ts # 結構化切分
│   ├── math_explainer.ts   # 數學解析 & AST
│   ├── code_generator.ts   # 代碼 & Config 生成
│   ├── visualization.ts    # Mermaid 圖表生成
│   ├── report_generator.ts # 報告生成
│   └── summarizer.ts       # 智能摘要與方法論
├── database.ts         # SQLite 數據庫管理
├── llm_client.ts       # 本地 LLM 連接客戶端
├── server.ts           # MCP 服務器入口
└── types.d.ts          # 類型定義

📄 許可證

MIT