google-scholar-mcp 0.1.0

An MCP server for searching and retrieving articles from Google Scholar

Google Scholar MCP Server

🔍 让 AI 助手通过 MCP 协议搜索和访问 Google Scholar 学术论文。

Google Scholar MCP Server 是一个基于 Model Context Protocol (MCP) 的服务器，为 AI 助手提供搜索 Google Scholar 学术论文的能力。

✨ 核心功能

• 🔎 论文搜索：支持关键词搜索、作者筛选、年份范围筛选
• 📄 完整摘要：搜索单篇论文时可获取完整摘要内容
• 🛡️ 验证码处理：优化了 scholarly 库的 CAPTCHA 验证码处理机制，遇到验证码时自动弹出浏览器窗口供手动验证
• 📚 BibTeX 支持：可获取论文的 BibTeX 引用格式
• 🚀 高效检索：快速获取论文元数据

---

🛠️ MCP 工具

search_google_scholar

搜索 Google Scholar 上的学术文章。

参数：

参数	类型	必填	说明
query	string	✅	搜索关键词（论文标题、主题或关键词）
author	string	❌	作者名称筛选
year_low	int	❌	起始年份
year_high	int	❌	结束年份
num_results	int	❌	返回结果数量（默认: 5）

返回结果：

{
  "bib": {
    "title": "论文标题",
    "author": "作者",
    "pub_year": "发表年份",
    "venue": "发表期刊/会议",
    "abstract": "摘要"
  },
  "pub_url": "论文链接",
  "num_citations": "被引用次数",
  "citedby_url": "引用链接",
  "eprint_url": "PDF 链接"
}

使用示例

关键词搜索：

result = await mcp.use_tool("search_google_scholar", {
    "query": "deep learning",
    "num_results": 5
})

带作者筛选：

result = await mcp.use_tool("search_google_scholar", {
    "query": "convolutional neural networks",
    "author": "Yann LeCun",
    "num_results": 3
})

带年份范围：

result = await mcp.use_tool("search_google_scholar", {
    "query": "transformer",
    "year_low": 2020,
    "year_high": 2024,
    "num_results": 5
})

组合搜索：

result = await mcp.use_tool("search_google_scholar", {
    "query": "neural networks",
    "author": "Geoffrey Hinton",
    "year_low": 2015,
    "year_high": 2023,
    "num_results": 10
})

🚀 快速开始

方式一：从 PyPI 安装（Coming Soon）

uv tool install google_scholar_mcp

方式二：从 GitHub 安装

uv tool install git+https://github.com/arrogant-R/google_scholar_mcp.git

方式三：本地安装

1. 克隆仓库：

git clone https://github.com/arrogant-R/google_scholar_mcp.git
cd Google-Scholar-MCP-Server

2. 创建虚拟环境并安装依赖：

# 使用 uv（推荐）
uv venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
uv pip install -e .

# 或使用 pip
pip install -r requirements.txt

3. 启动服务：

# 作为模块运行
python -m google_scholar_mcp

⚙️ 配置 MCP 客户端

方式一：使用 uv（从 GitHub 安装后）

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": [
        "tool",
        "run",
        "google_scholar_mcp"
      ]
    }
  }
}

方式二：本地开发模式（uv）

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/Google-Scholar-MCP-Server",
        "run",
        "google_scholar_mcp"
      ]
    }
  }
}

方式三：使用本地 Python

{
  "mcpServers": {
    "google-scholar": {
      "command": "/path/to/python",
      "args": [
        "/path/to/Google-Scholar-MCP-Server/google_scholar_server.py"
      ]
    }
  }
}

---

VS Code (GitHub Copilot)

在 VS Code 的 mcp.json 配置文件中添加：

使用 uv：

{
  "servers": {
    "google_scholar": {
      "type": "stdio",
      "command": "uv",
      "args": [
        "tool",
        "run",
        "google_scholar_mcp"
      ]
    }
  }
}

使用本地 Python：

{
  "servers": {
    "google_scholar": {
      "type": "stdio",
      "command": "D:/path/to/python.exe",
      "args": [
        "D:/path/to/Google-Scholar-MCP-Server/google_scholar_server.py"
      ]
    }
  }
}

Claude Desktop

使用 uv（推荐）：

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": [
        "tool",
        "run",
        "google_scholar_mcp"
      ]
    }
  }
}

或使用 Python：

Mac OS:

{
  "mcpServers": {
    "google-scholar": {
      "command": "python",
      "args": ["-m", "google_scholar_mcp"]
    }
  }
}

Windows:

{
  "mcpServers": {
    "google-scholar": {
      "command": "C:\\Users\\YOUR\\PATH\\python.exe",
      "args": [
        "D:\\path\\to\\Google-Scholar-MCP-Server\\google_scholar_server.py"
      ]
    }
  }
}

Cursor

在 Settings → Cursor Settings → MCP → Add new server 中添加：

{
  "google-scholar": {
    "command": "uv",
    "args": [
      "tool",
      "run",
      "google-scholar-mcp"
    ]
  }
}

Cline

{
  "mcpServers": {
    "google-scholar": {
      "command": "uv",
      "args": [
        "tool",
        "run",
        "google-scholar-mcp"
      ]
    }
  }
}

优化

🛡️ CAPTCHA 验证码处理

本项目对 scholarly 库进行了优化，解决了遇到 Google Scholar 验证码时程序卡住的问题：

1. 自动检测验证码：当检测到验证码时，自动弹出浏览器窗口
2. 手动验证：在弹出的浏览器中手动完成验证
3. Cookie 同步：验证完成后后续请求使用自动同步的 Cookie，避免频繁触发验证
4. Cookie 持久化：将 Cookie 保存到本地文件，下次启动时自动加载，减少验证码出现频率

⚠️ 如果遇到验证码，请在弹出的浏览器窗口中手动完成验证，程序会自动等待并继续执行。

📄 完整摘要获取

当进行精确搜索（num_results=1）时，系统会自动获取论文的完整 abstract，而不仅仅是截断的摘要片段。这对于需要详细了解单篇论文内容的场景非常有用。

📁 项目结构

Google-Scholar-MCP-Server/
├── src/
│   └── google_scholar_mcp/
│       ├── __init__.py         # 包入口
│       ├── __main__.py         # 主入口
│       ├── server.py           # MCP 服务器实现
│       ├── search.py           # 搜索逻辑
│       └── scholarly/          # 修改版 scholarly 库
│           ├── _navigator.py
│           ├── _proxy_generator.py
│           ├── _scholarly.py
│           └── ...
├── requirements.txt            # 依赖列表
└── pyproject.toml              # 项目配置（支持 uv/pip 安装）

🔧 依赖

• Python 3.10+
• mcp
• requests
• beautifulsoup4
• selenium
• httpx
• fake_useragent
• 等（详见 requirements.txt）

🤝 贡献

欢迎提交 Pull Request 和 Issue！

📄 许可证

本项目采用 MIT 许可证。

⚠️ 免责声明

本工具仅供学术研究使用。请遵守 Google Scholar 的服务条款，合理使用本工具。