Реализация сервера FastMCP для Semantic Scholar API, обеспечивающая полный доступ к данным академических статей, информации об авторах и сетях цитирования.

Ищете навыки Claude Code? Посмотрите semantic-scholar-skills — инструментарий следующего поколения, который сочетает этот MCP-сервер с готовыми к использованию навыками Claude Code (/expand-references, /trace-citations, /paper-triage) и движком рабочих процессов на Python.

Структура проекта

Проект был рефакторизирован в модульную структуру для улучшения удобства обслуживания:

Эта структура:

• Разделяет задачи на логические модули
• Облегчает понимание и поддержание кодовой базы
• Позволяет проводить более эффективное тестирование и будущие расширения
• Сохраняет связанную функциональность в группе
• Централизация экземпляра FastMCP для предотвращения циркулярных импортов

Особенности

• Поиск и поиск бумаги

• Полнотекстовый поиск с расширенной фильтрацией

• Сопоставление бумаги на основе заголовков

• Рекомендации по статьям (одиночная и многостатьная)

• Поиск пакетных деталей бумаги

• Расширенный поиск с стратегиями ранжирования

• Анализ цитирования

• Исследование сети цитирования

• Отслеживание ссылок

• Анализ контекста цитирования и влияния

• Информация об авторе

Semantic Scholar MCP Server

A FastMCP server implementation for the Semantic Scholar API, providing comprehensive access to academic paper data, author information, and citation networks.

Looking for Claude Code skills? Check out semantic-scholar-skills — the next-generation toolkit that bundles this MCP server with ready-to-use Claude Code skills (/expand-references, /trace-citations, /paper-triage) and a Python workflow engine.

Project Structure

The project has been refactored into a modular structure for better maintainability:

semantic-scholar-server/
├── semantic_scholar/            # Main package
│   ├── __init__.py             # Package initialization
│   ├── server.py               # Server setup and main functionality
│   ├── mcp.py                  # Centralized FastMCP instance definition
│   ├── config.py               # Configuration classes
│   ├── utils/                  # Utility modules
│   │   ├── __init__.py
│   │   ├── errors.py           # Error handling
│   │   └── http.py             # HTTP client and rate limiting
│   ├── api/                    # API endpoints
│       ├── __init__.py
│       ├── papers.py           # Paper-related endpoints
│       ├── authors.py          # Author-related endpoints
│       └── recommendations.py  # Recommendation endpoints
├── run.py                      # Entry point script

This structure:

• Separates concerns into logical modules
• Makes the codebase easier to understand and maintain
• Allows for better testing and future extensions
• Keeps related functionality grouped together
• Centralizes the FastMCP instance to avoid circular imports

Features

• Paper Search & Discovery

  • Full-text search with advanced filtering
  • Title-based paper matching
  • Paper recommendations (single and multi-paper)
  • Batch paper details retrieval
  • Advanced search with ranking strategies

• Citation Analysis

  • Citation network exploration
  • Reference tracking
  • Citation context and influence analysis

• Author Information

  • Author search and profile details
  • Publication history
  • Batch author details retrieval

• Advanced Features

  • Complex search with multiple ranking strategies
  • Customizable field selection
  • Efficient batch operations
  • Rate limiting compliance
  • Support for both authenticated and unauthenticated access
  • Graceful shutdown and error handling
  • Connection pooling and resource management

System Requirements

• Python 3.10+
• Environment variable for API key (optional)

Installation