Scientific Paper Analyzer (Gemini)

🚀 基础 MCP 应用

本项目是一个简单的应用程序，展示了如何运用 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，可能需要升级啦）
• pip 包管理器（或者更酷更快的 uv）
• 耐心（可选但推荐，如同 RCB，可自行 Google 了解）

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（相比 Google 学术更具特色）
• 具备论文分析工具（虽然有 60% 的成功率，但也十分实用）
• 提供简单的聊天界面（对用户友好，开发过程却颇具挑战）
• 安装过程简便（若您有攀登珠峰的经历，此安装过程将如公园漫步般轻松）

📦 安装指南

这个项目非常适合搭配 uv 使用，它是一个超快速的 Python 包安装工具。您无需等待 pip 花费大量时间完成任务，使用 uv 能在几秒钟内安装依赖项，强烈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，并带有 Gradio 前端界面。用户可通过该“简单界面”与 AI 模型进行聊天。

技术栈

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

项目结构

Basic MCP App
├── backend/
│   └── main.py          # 后端服务器代码，包含 MCP（核心功能实现处）
└── frontend/
    └── app.py           # Gradio 前端界面（拥有漂亮按钮）

🔧 技术细节

已知问题

⚠️ 重要提示

• 引文工具目前无法正常工作，尝试分析论文引文或使用某些高级搜索功能时可能会出现错误，开发者正在努力修复，但修复时间未知。
• 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“我无法直接搜索并为您提供论文”，您可稍作休息后再试。

💡 使用建议

本项目适合与 uv 搭配使用，它能显著提升依赖项的安装速度，让您获得更流畅的体验。

📄 许可证

本项目采用 MIT 许可证。

致谢

• Anthropic 为 MCP 提供支持 — https://www.anthropic.com/news/model-context-protocol
• https://modelcontextprotocol.io/introduction
• Claude 对 DEMO 部分进行了调整，在此表示感谢。