Scientific Paper Analyzer (Gemini)

🚀 基础 MCP 应用

本项目是一个简单的应用程序，展示了如何利用 FastAPI 和 Gradio 实现模型上下文协议（MCP）的工作原理，避免了使用 Streamlit 可能带来的困扰。

🚀 快速开始

您需要准备的事项

• Python 3.11 或更高版本（若您还在使用 Python 2，那可得更新啦）
• pip 包管理器（或者更酷、更快的 uv）
• 耐心（可选但强烈推荐，就像了解 RCB 一样）

设置步骤

1. 克隆仓库：

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

2. 安装依赖项：

pip install -r requirements.txt

3. 启动后端服务器：

python backend/main.py

4. 启动 Gradio 前端界面：

python frontend/app.py

✨ 主要特性

• 使用 Semantic Scholar 搜索科学论文（告别主流的 Google 学术）
• 论文分析工具（虽不能保证百分百，但也有 60% 的成功率）
• 简单的聊天界面（对用户友好，对开发者却是挑战）
• 易于安装的过程（若您有攀登珠峰的经历，这简直小菜一碟）

📦 安装指南

此项目非常适合搭配 uv 使用，它是一款超快速的 Python 包安装工具。与 pip 相比，uv 能在几秒钟内完成依赖项的安装，推荐使用以获得更流畅的体验。

📚 详细文档

项目概述

本项目演示了一个基本的 MCP 服务器，配备 Gradio 前端界面。用户可通过这一“简单界面”与 AI 模型进行聊天。

技术栈

• 后端：FastAPI + MCP Python SDK（就像美味的披萨，而不是奇怪的菠萝披萨）
• 前端：Gradio（漂亮的按钮能让多巴胺快速释放）
• AI 集成：Google Gemini API（不是占星术符号，而是强大的人工智能）

项目结构

Basic MCP App
├── backend/
│   └── main.py          # 后端服务器代码，包含 MCP（真正的魔法发生的地方）
└── frontend/
    └── app.py           # Gradio 前端界面（漂亮的按钮都在这里）

🔧 技术细节

已知问题

⚠️ 重要提示

• 引文工具目前无法正常工作，在尝试分析论文引文或使用某些高级搜索功能时可能会出错。开发者正在努力修复，但具体修复时间未知。
• Semantic Scholar API 存在速率限制，可能导致搜索功能有时返回错误消息。遇到这种情况，可稍作休息后再试。

提升您的设置速度

推荐使用 uv 这一超快速的 Python 包安装工具，以替代耗时的 pip，从而在几秒钟内完成依赖项的安装。

📄 许可证

本项目采用 MIT 许可证，开发者十分慷慨，不想让大家阅读冗长的许可协议。

致谢

• Anthropic 为 MCP 提供支持 — https://www.anthropic.com/news/model-context-protocol
• https://modelcontextprotocol.io/introduction
• Claude 对 DEMO 进行了部分调整，虽未完全完成，但仍表示感谢 🤏