Scientific Paper Analyzer (Gemini)

🚀 基礎 MCP 應用

本項目是一個簡單的應用程序，展示瞭如何運用 FastAPI 和 Gradio 實現模型上下文協議（MCP）的工作原理，避免了使用 Streamlit 可能帶來的困擾。

🚀 快速開始

您需要準備的事項

• Python 3.11 或更高版本（若您還在使用 Python 2，可能需要升級啦）
• pip 包管理器（或者更酷更快的 uv）
• 耐心（可選但推薦，如同 RCB，可自行 Google 瞭解）

設置步驟

1. 克隆倉庫：

   git clone https://github.com/your-repository.git
   cd basic-mcp-app
   

2. 安裝依賴項：

   pip install -r requirements.txt
   

3. 啟動後端服務器：

   python backend/main.py
   

4. 啟動 Gradio 前端界面：

   python frontend/app.py
   

✨ 主要特性

• 使用 Semantic Scholar 搜索科學論文（相比 Google 學術更具特色）
• 具備論文分析工具（雖然有 60% 的成功率，但也十分實用）
• 提供簡單的聊天界面（對用戶友好，開發過程卻頗具挑戰）
• 安裝過程簡便（若您有攀登珠峰的經歷，此安裝過程將如公園漫步般輕鬆）

📦 安裝指南

這個項目非常適合搭配 uv 使用，它是一個超快速的 Python 包安裝工具。您無需等待 pip 花費大量時間完成任務，使用 uv 能在幾秒鐘內安裝依賴項，強烈推薦使用以獲得更流暢的體驗。

📚 詳細文檔

項目概述

本項目演示了一個基本的 MCP 服務器，並帶有 Gradio 前端界面。用戶可通過該“簡單界面”與 AI 模型進行聊天。

技術棧

• 後端：FastAPI + MCP Python SDK
• 前端：Gradio
• AI 集成：Google Gemini API

項目結構

Basic MCP App
├── backend/
│   └── main.py          # 後端服務器代碼，包含 MCP（核心功能實現處）
└── frontend/
    └── app.py           # Gradio 前端界面（擁有漂亮按鈕）

🔧 技術細節

已知問題

⚠️ 重要提示

• 引文工具目前無法正常工作，嘗試分析論文引文或使用某些高級搜索功能時可能會出現錯誤，開發者正在努力修復，但修復時間未知。
• Semantic Scholar API 存在速率限制，可能導致搜索功能有時返回錯誤消息“我無法直接搜索併為您提供論文”，您可稍作休息後再試。

💡 使用建議

本項目適合與 uv 搭配使用，它能顯著提升依賴項的安裝速度，讓您獲得更流暢的體驗。

📄 許可證

本項目採用 MIT 許可證。

致謝

• Anthropic 為 MCP 提供支持 — https://www.anthropic.com/news/model-context-protocol
• https://modelcontextprotocol.io/introduction
• Claude 對 DEMO 部分進行了調整，在此表示感謝。