完整教程：吴恩达MCP课程（5）：research_server_prompt_resource.py

代码

import arxiv import json import os fromtypingimport List from mcp.server.fastmcpimportFastMCP PAPER_DIR= "papers" # Initialize FastMCP server mcp =FastMCP("research" ) @mcp.tool( ) def search_papers(topic: str ,max_results: int = 5 ) -> List[str]: """ Search for papers on arXiv based on a topic and store their information. Args: topic: The topic to search for max_results: Maximum number of results to retrieve (default: 5) Returns: List of paper IDs found in the search """ # Use arxiv to find the papersclient= arxiv.Client( ) # Search for the most relevant articles matching the queried topicsearch= arxiv.Search( query = topic,max_results=max_results,sort_by= arxiv.SortCriterion.Relevance)papers=client.results(search) # Create directory for this topic path = os.path.join(PAPER_DIR, topic.lower( ).replace(" " , "_" ) ) os.makedirs(path,exist_ok=True )file_path= os.path.join(path, "papers_info.json" ) # Try to load existing papers info try: with open(file_path, "r" ) asjson_file:papers_info= json.load(json_file) except (FileNotFoundError, json.JSONDecodeError):papers_info= { } # Process each paper and add to papers_infopaper_ids= [] for paper inpapers:paper_ids.append(paper.get_short_id( ) )paper_info= { 'title': paper.title, 'authors': [author.name forauthorin paper.authors] , 'summary': paper.summary, 'pdf_url': paper.pdf_url, 'published': str(paper.published.date( ) ) }papers_info[paper.get_short_id( )] =paper_info# Save updated papers_info to json file with open(file_path, "w" ) asjson_file: json.dump(papers_info,json_file,indent=2 ) print(f"Results are saved in:{file_path}" ) returnpaper_ids@mcp.tool( ) def extract_info(paper_id: str ) -> str: """ Search for information about a specific paper across all topic directories. Args: paper_id: The ID of the paper to look for Returns: JSON string with paper information if found, error message if not found """ for item in os.listdir(PAPER_DIR):item_path= os.path.join(PAPER_DIR, item) if os.path.isdir(item_path):file_path= os.path.join(item_path, "papers_info.json" ) if os.path.isfile(file_path): try: with open(file_path, "r" ) asjson_file:papers_info= json.load(json_file) ifpaper_idinpapers_info: return json.dumps(papers_info[paper_id] ,indent=2 ) except (FileNotFoundError, json.JSONDecodeError) as e: print(f"Error reading{file_path}: { str(e) }" ) continue return f"There's no saved information related to paper{paper_id}." @mcp.resource("papers://folders" ) def get_available_folders( ) -> str: """ List all available topic folders in the papers directory. This resource provides a simple list of all available topic folders. """folders= [] # Get all topic directories if os.path.exists(PAPER_DIR): fortopic_dirin os.listdir(PAPER_DIR):topic_path= os.path.join(PAPER_DIR,topic_dir) if os.path.isdir(topic_path):papers_file= os.path.join(topic_path, "papers_info.json" ) if os.path.exists(papers_file):folders.append(topic_dir) # Create a simple markdown listcontent= "# Available Topics\n\n" iffolders: forfolderinfolders:content+= f"- {folder}\n"content+= f"\nUse @{folder}to access papers in that topic.\n" else:content+= "No topics found.\n" returncontent@mcp.resource("papers://{topic}" ) def get_topic_papers(topic: str ) -> str: """ Get detailed information about papers on a specific topic. Args: topic: The research topic to retrieve papers for """topic_dir= topic.lower( ).replace(" " , "_" )papers_file= os.path.join(PAPER_DIR,topic_dir, "papers_info.json" ) if not os.path.exists(papers_file): return f"# No papers found for topic:{ topic }\n\nTry searching for papers on this topic first." try: with open(papers_file, 'r' ) as f:papers_data= json.load(f) # Create markdown content with paper detailscontent= f"# Papers on{ topic.replace('_' , ' ' ).title( ) }\n\n"content+= f"Total papers:{ len(papers_data) }\n\n" forpaper_id,paper_infoinpapers_data.items( ):content+= f"## {paper_info['title'] }\n"content+= f"- **Paper ID**:{paper_id}\n"content+= f"- **Authors**:{ ', '.join(paper_info['authors'] ) }\n"content+= f"- **Published**:{paper_info['published'] }\n"content+= f"- **PDF URL**: [{paper_info['pdf_url'] }]({paper_info['pdf_url'] })\n\n"content+= f"### Summary\n{paper_info['summary'][:500] }...\n\n"content+= "---\n\n" returncontentexcept json.JSONDecodeError: return f"# Error reading papers data for{ topic }\n\nThe papers data file is corrupted." @mcp.prompt( ) def generate_search_prompt(topic: str ,num_papers: int = 5 ) -> str: """Generate a prompt for Claude to find and discuss academic papers on a specific topic.""" return f"""Search for{num_papers}academic papers about '{ topic }' using the search_papers tool. Follow these instructions: 1. First, search for papers using search_papers(topic='{ topic }', max_results={num_papers}) 2. For each paper found, extract and organize the following information: - Paper title - Authors - Publication date - Brief summary of the key findings - Main contributions or innovations - Methodologies used - Relevance to the topic '{ topic }' 3. Provide a comprehensive summary that includes: - Overview of the current state of research in '{ topic }' - Common themes and trends across the papers - Key research gaps or areas for future investigation - Most impactful or influential papers in this area 4. Organize your findings in a clear, structured format with headings and bullet points for easy readability. Please present both detailed information about each paper and a high-level synthesis of the research landscape in{ topic }.""" if__name__== "__main__": # Initialize and run the server mcp.run(transport='stdio' )

代码解释

这个research_server_prompt_resource.py文件完成了一个基于MCP（Model ContextProtocol）的研究服务器，关键用于搜索、存储和检索arXiv上的学术论文。下面是对代码的详细解释：

1. 导入和初始化

import arxiv import json import os fromtypingimport List from mcp.server.fastmcpimportFastMCP PAPER_DIR= "papers" # Initialize FastMCP server mcp =FastMCP("research" )

• 导入必要的库：arxiv用于访问arXiv API，json用于处理JSON数据，os用于文件操作
• 定义论文存储目录为papers
• 创建一个名为"research"的FastMCP服务器实例

2. 工具函数：搜索论文

@mcp.tool( ) def search_papers(topic: str ,max_results: int = 5 ) -> List[str]:

这个函数被注册为MCP工具，用于根据主题搜索arXiv上的论文：

• 功能：搜索arXiv上与指定主题相关的论文，并将结果保存到本地
• 参数：
  • topic：搜索主题
  • max_results：最大结果数（默认5篇）
• 返回值：找到的论文ID列表

核心实现：

1. 使用arxiv客户端搜索相关论文
2. 为主题创建目录（如果不存在）
3. 尝试加载现有的论文信息（假设有）
4. 处理每篇论文，提取标题、作者、摘要等信息
5. 将论文信息保存到JSON文件中

3. 工具函数：提取论文信息

@mcp.tool( ) def extract_info(paper_id: str ) -> str:

这个函数被注册为MCP工具，用于根据论文ID检索特定论文的详细信息：

• 功能：在所有主题目录中搜索指定ID的论文信息
• 参数：paper_id：要查找的论文ID
• 返回值：包括论文信息的JSON字符串，或未找到时的错误消息

实现逻辑：

1. 遍历papers目录下的所有主题文件夹
2. 检查每个文件夹中的papers_info.json文件
3. 如果找到匹配的论文ID，返回其详细信息

4. 资源函数：获取可用文件夹

@mcp.resource("papers://folders" ) def get_available_folders( ) -> str:

这个函数被注册为MCP资源，提供URI为papers://folders的访问点：

• 功能：列出papers目录中所有可用的主题文件夹
• 返回值：包含所有主题列表的Markdown格式文本

实现方式：

1. 扫描papers目录，查找囊括papers_info.json文件的子目录
2. 将找到的主题列表格式化为Markdown文本
3. 添加使用说明（如何访问特定主题）

5. 资源函数：获取主题论文

@mcp.resource("papers://{topic}" ) def get_topic_papers(topic: str ) -> str:

这个函数被注册为MCP资源，提供动态URIpapers://{topic}的访问点：

• 功能：获取特定主题的所有论文详细信息
• 参数：topic：要检索的研究主题
• 返回值：包含该主题所有论文详细信息的Markdown格式文本

实现细节：

1. 根据主题名构建文件路径
2. 检查并加载该主题的论文信息JSON文件
3. 将论文信息格式化为结构化的Markdown文档
4. 包含每篇论文的标题、ID、作者、发布日期、PDF链接和摘要

6. 提示函数：生成搜索提示

@mcp.prompt( ) def generate_search_prompt(topic: str ,num_papers: int = 5 ) -> str:

该函数被注册为MCP提示，用于生成结构化的搜索指令：

• 功能：生成一个提示文本，指导AI如何搜索和讨论特定主题的学术论文
• 参数：
  • topic：要搜索的主题
  • num_papers：要检索的论文数量（默认5篇）
• 返回值：格式化的提示文本

提示内容包括：

1. 使用search_papers工具搜索论文的指令
2. 如何提取和组织每篇论文的信息（标题、作者、发布日期等）
3. 如何提供综合摘要（研究现状、共同主题、研究空白等）
4. 如何组织和呈现结果

7. 主程序

if__name__== "__main__": # Initialize and run the server mcp.run(transport='stdio' )

当脚本作为主程序运行时，启动MCP服务器，使用标准输入/输出（stdio）作为传输方式。

总结

这个服务器达成了以下核心功能：

1. 论文搜索与存储：通过arXiv API搜索论文并将结果保存到本地JSON文件
2. 论文信息检索：根据论文ID或主题检索论文详细信息
3. 资源访问：供应URI访问点，用于获取可用主题列表和特定主题的论文信息
4. 提示生成：生成结构化提示，指导AI如何搜索和分析学术论文

这个服务器设计为与MCP兼容的工具，可以被MCP客户端（如聊天机器人）调用，为用户提供学术论文搜索和分析能力。