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。
# 快速开始 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](/scholar-mcp/zh-cn/clients/)。 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。 <Steps> 1. ## 安装 uv Scholar 通过 [uv](https://docs.astral.sh/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。 <Tabs syncKey="os"> <TabItem label="macOS 和 Linux"> ```bash curl -LsSf https://astral.sh/uv/install.sh | sh ``` </TabItem> <TabItem label="Windows"> ```powershell powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" ``` </TabItem> </Tabs> 2. ## 接入智能体 <Tabs syncKey="install"> <TabItem label="用 Scholar 命令"> 先安装 `scholar-mcp` 命令,再由它把配置写入客户端。 ```bash 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。 </TabItem> <TabItem label="手动"> 若不想安装命令,也可直接用 uvx 注册。首次启动时,uvx 会自动准备 Python 3.12 和本地排序模型。 ```bash claude mcp add scholar -- uvx --python 3.12 \ --find-links https://github.com/Liyux3/scholar-mcp/releases/download/v0.9.0/wheel-index.html \ --from 'scholar-mcp[rerank]==0.9.0' scholar-mcp ``` 这样注册的是当前项目中的六个核心工具。加 `--scope user` 对所有项目生效,在 `--` 之前加 `-e SCHOLAR_MCP_EXTENSIONS=research` 会同时启用引用图谱和文献库。 </TabItem> <TabItem label="让智能体安装"> 适用于任何客户端,包括本站没有列出的。把下面这段话发给你的智能体: ```text 按照 https://raw.githubusercontent.com/Liyux3/scholar-mcp/v0.9.0/llms-install.md 把 Scholar MCP 装进你当前所在的客户端。完成后提醒我重启, 并确认能看到 search_papers。 ``` 这份说明写明了要启动的命令,以及常见客户端的写法,智能体会据此配置自己所在的客户端。 </TabItem> </Tabs> 3. ## 确认已连接 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. ## 提出研究问题 像问同事一样提问即可,智能体会自己选择工具。 ```text 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. ## 按需添加 API 密钥 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。 ```json title="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](/scholar-mcp/zh-cn/configuration/)。 </Steps> <Aside type="tip" title="研究工具集"> 核心工具集有六个工具。做文献综述时,通常还会用到 `build_paper_graph` 和 `paper_library`。安装时加 `--profile research`,或设置 `SCHOLAR_MCP_EXTENSIONS=research` 即可。Claude Code 和 Codex 插件默认启用,并自带 Deep Research 技能。 </Aside> ## 下一步 <div class="sc-cards-2"> <LinkCard title="研究工作流" description="搜索、筛选、阅读、保存,如何又快又准。" href="/scholar-mcp/zh-cn/research-workflows/" /> <LinkCard title="命令行" description="在终端使用所有工具,以及 install、doctor 和 update。" href="/scholar-mcp/zh-cn/cli/" /> </div>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。
-
安装 uv
“安装 uv”一节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 | shpowershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex" -
接入智能体
“接入智能体”一节先安装
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-codeinstall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。若不想安装命令,也可直接用 uvx 注册。首次启动时,uvx 会自动准备 Python 3.12 和本地排序模型。
claude mcp add scholar -- uvx --python 3.12 \--find-links https://github.com/Liyux3/scholar-mcp/releases/download/v0.9.0/wheel-index.html \--from 'scholar-mcp[rerank]==0.9.0' scholar-mcp这样注册的是当前项目中的六个核心工具。加
--scope user对所有项目生效,在--之前加-e SCHOLAR_MCP_EXTENSIONS=research会同时启用引用图谱和文献库。适用于任何客户端,包括本站没有列出的。把下面这段话发给你的智能体:
按照 https://raw.githubusercontent.com/Liyux3/scholar-mcp/v0.9.0/llms-install.md把 Scholar MCP 装进你当前所在的客户端。完成后提醒我重启,并确认能看到 search_papers。这份说明写明了要启动的命令,以及常见客户端的写法,智能体会据此配置自己所在的客户端。
-
确认已连接
“确认已连接”一节新开一个 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。 -
提出研究问题
“提出研究问题”一节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”。 -
按需添加 API 密钥
“按需添加 API 密钥”一节密钥均为可选,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。