tashan-scispark 1.0.8

TaShan SciSpark - Academic Research Assistant MCP Server

TaShan SciSpark

TaShan SciSpark 是一个强大的学术研究助手，基于 MCP (Model Context Protocol) 协议构建，为研究人员提供全面的论文分析和研究支持服务。

🌟 核心功能

• 🔍 论文搜索: 基于关键词的学术论文检索，支持多个学术数据库
• 🏷️ 关键词提取: 从文本中智能提取技术关键词和研究要点
• 💡 研究想法生成: AI驱动的研究创意生成，帮助发现新的研究方向
• 📝 研究评审: 专业的研究想法评估和改进建议
• 📄 论文压缩: 学术论文内容的智能摘要和核心信息提取
• 🤖 MCP集成: 完全兼容Claude Desktop，提供无缝的AI助手体验

🚀 快速开始

使用 uvx 安装和运行（推荐）

uvx 是一个现代的 Python 包管理工具，可以直接运行 Python 应用程序而无需手动安装。

安装 uvx

# 使用 pip 安装 uvx
pip install uvx

# 或使用 pipx 安装
pipx install uvx

直接运行 TaShan SciSpark

# 启动 MCP 服务器（STDIO 传输，用于 Claude Desktop）
uvx tashan-scispark mcp

# 启动 MCP 服务器（HTTP 传输）
uvx tashan-scispark mcp --transport http --port 8000

# 启动 Celery 工作进程
uvx tashan-scispark worker

# 显示版本信息
uvx tashan-scispark --version

# 显示帮助信息
uvx tashan-scispark --help

传统安装方式

从源码安装

# 克隆仓库
git clone https://github.com/tashan-scispark/tashan-scispark.git
cd tashan-scispark

# 安装依赖
pip install -e .

# 运行服务器
tashan-scispark mcp

使用 pip 安装

# 从 PyPI 安装（即将支持）
pip install tashan-scispark

# 运行服务器
tashan-scispark mcp

🔧 配置

环境变量

创建 .env 文件并配置以下环境变量：

# API 密钥配置
QWEN_API_TOKEN=your_qwen_api_token
DEEPSEEK_API_KEY=your_deepseek_api_key

# Redis 配置（用于 Celery）
REDIS_URL=redis://localhost:6379/0

# 输出路径配置
OUTPUT_PATH=./output

Claude Desktop 集成

如果使用 STDIO 传输模式，需要在 Claude Desktop 配置文件中添加：

{
  "mcpServers": {
    "tashan-scispark": {
      "command": "uvx",
      "args": ["tashan-scispark", "mcp"],
      "env": {
        "QWEN_API_TOKEN": "your_token_here"
      }
    }
  }
}

📖 使用方法

命令行界面

# 基本用法
tashan-scispark mcp                    # 启动 MCP 服务器
tashan-scispark worker                 # 启动 Celery 工作进程
tashan-scispark --version              # 显示版本信息

# MCP 服务器选项
tashan-scispark mcp --transport stdio  # STDIO 传输（默认）
tashan-scispark mcp --transport http   # HTTP 传输
tashan-scispark mcp --host 0.0.0.0     # 指定主机地址
tashan-scispark mcp --port 8080        # 指定端口

# 详细日志
tashan-scispark -v mcp                 # 启用详细日志输出

Python 模块方式

# 作为 Python 模块运行
python -m tashan_scispark mcp

# 在代码中使用
from tashan_scispark import run_mcp_server
run_mcp_server()

MCP 工具函数

通过 Claude Desktop 或其他 MCP 客户端，您可以使用以下工具：

• search_papers(keyword, limit) - 搜索学术论文
• extract_keywords(text) - 提取关键词
• generate_research_idea(keyword, paper_count) - 生成研究想法
• review_research_idea(topic, draft) - 评审研究想法
• compress_paper_content(title, abstract, content) - 压缩论文内容
• get_task_status(task_id) - 获取任务状态
• get_server_info() - 获取服务器信息

🏗️ 项目结构

tashan-scispark/
├── tashan_scispark/           # 主包目录
│   ├── __init__.py           # 包初始化
│   ├── __main__.py           # 模块入口点
│   ├── cli.py                # 命令行接口
│   ├── mcp_server.py         # MCP 服务器实现
│   ├── celery_worker.py      # Celery 工作进程
│   ├── research_engine.py    # 研究引擎核心
│   └── app/                  # 应用模块
│       ├── api/              # API 接口
│       ├── core/             # 核心功能
│       ├── task/             # 任务处理
│       └── utils/            # 工具函数
├── pyproject.toml            # 项目配置
├── README.md                 # 项目说明
└── requirements_mcp.txt      # 依赖列表

🔄 开发模式

本地开发

# 克隆仓库
git clone https://github.com/tashan-scispark/tashan-scispark.git
cd tashan-scispark

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/Mac
# 或
venv\Scripts\activate     # Windows

# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

# 代码格式化
black tashan_scispark/
isort tashan_scispark/

# 类型检查
mypy tashan_scispark/

构建和发布

# 构建包
python -m build

# 发布到 PyPI（需要配置凭据）
python -m twine upload dist/*

🤝 贡献

欢迎贡献代码！请遵循以下步骤：

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

🆘 支持

如果您遇到问题或有疑问：

• 📧 邮箱: [e-mail]
• 🐛 问题反馈: GitHub Issues
• 📖 文档: 项目文档

🙏 致谢

感谢所有为 TaShan SciSpark 项目做出贡献的开发者和研究人员！

Python文件和编码规约

• .py 文件编码为 utf-8

Git 贡献提交规范

• feat 增加新功能
• fix 修复问题/BUG
• style 代码风格相关无影响运行结果的
• perf 优化/性能提升
• refactor 重构
• revert 撤销修改
• test 测试相关
• docs 文档/注释
• chore 依赖更新/脚手架配置修改等
• ci 持续集成
• types 类型定义文件更改
• wip 开发中

启动服务

启动 Celery Worker

方式一：使用优化启动脚本（推荐）

Windows系统：

# 直接运行批处理文件
start_celery_worker.bat

# 或使用Python脚本
python start_celery_worker.py

Linux/Mac系统：

python start_celery_worker.py

方式二：传统启动方式

python -m celery -A app.task.paper_assistant worker --pool=solo -l info

注意： 推荐使用方式一，它包含了内存优化配置，能够有效防止内存爆炸问题。

MCP工具异步任务支持

重要提醒： 当使用MCP工具中的异步功能（如研究想法生成）时，必须先启动Celery Worker：

# 启动Celery Worker以支持异步任务
python start_celery_worker.py

异步MCP工具包括：

• generate_research_idea - 生成研究想法（需要Celery Worker支持）
• get_task_status - 获取异步任务状态

如果未启动Celery Worker，异步MCP工具将无法正常工作。建议在使用MCP服务器前先启动Celery Worker。