跳转到内容

入门

快速开始

几分钟安装 Scholar,接入智能体,完成第一次搜索。无需账号,也无需 API 密钥。

Scholar 是一个本地 MCP 服务器,与智能体运行在同一台电脑上。下面以 Claude Code 为例,其他客户端步骤相同,配置写法见接入客户端。

本指南从 PyPI 安装 Scholar MCP 0.9.0,包含 CLI 和科学数据工具。插件、容器和桌面包使用同一正式版本;兼容 wheel 索引为 Intel 版 macOS 和 ARM 版 Windows 提供原生依赖。

  1. Scholar 通过 uv 运行,uv 会为它单独准备一个 Python 3.12 环境。若 uv --version 已可用,跳过此步。

    curl -LsSf https://astral.sh/uv/install.sh | sh
  2. 先安装 scholar-mcp 命令,再由它把配置写入客户端。

    uv tool install --python 3.12 \
    --find-links https://github.com/Liyux3/scholar-mcp/releases/download/v0.9.0/wheel-index.html \
    "scholar-mcp[rerank]==0.9.0"
    scholar-mcp install claude-code

    install 改动文件前会先备份,可重复运行。--all 配置所有检测到的客户端,--dry-run 只预览改动,--profile research 额外加入引用图谱和文献库。之后运行一次 scholar-mcp update,所有客户端一同升级。

  3. 新开一个 Claude Code 会话并运行 /mcp,scholar 应显示为已连接。在终端运行 scholar-mcp doctor,可查看版本、已注册的客户端,以及可用的数据源和排序模型。

  4. 像问同事一样提问即可,智能体会自己选择工具。

    找一些评估 LLM 智能体长期记忆的近期工作,
    读一下引用最多的那篇,比较它用到的基准测试。

    智能体会先用 search_papers 搜索,再用 read_paper 打开选中的论文,依据原文作答。接着可以问“谁引用了这篇?”,或者“把这三篇存到 memory 集合”。

  5. 密钥均为可选,添加后覆盖更广、限额更高。用 scholar-mcp keys set 名称 保存一次,所有客户端都能用。也可以写在某个客户端配置的 env 中。

    服务器环境变量
    "env": {
    "S2_API_KEY": "your-semantic-scholar-key",
    "OPENALEX_API_KEY": "your-openalex-key",
    "DASHSCOPE_API_KEY": "your-dashscope-key"
    }

    如果只加两个,先加这两个免费的,它们解开的限制最紧:OpenAlex 密钥(没有时每天只够大约一百次搜索),以及注册的 OpenAIRE 服务 OPENAIRE_CLIENT_ID 和 OPENAIRE_CLIENT_SECRET(没有时每小时 60 次请求,有了 7,200 次)。Semantic Scholar 密钥提高限额,并启用全文片段搜索和推荐。OpenAlex 密钥用于其关键词搜索、语义搜索和引用数据。DashScope 密钥让排序改用云端的 Qwen3 重排模型。全部变量见配置。