科研论文辅助阅读 MCP 系统（本地版）
本系统基于 MCP (Model Context Protocol) 构建，提供本地 PDF 解析、结构化提取、数学公式深度解析、代码生成与可视化功能。所有计算均在本地运行，支持通过 Trae 内置大模型或本地 LLM 进行增强。
✨ 功能亮点
- � 智能摘要与方法论：
summarizer支持智能摘要与方法论提取，可自动连接本地 LLM (Ollama) 进行深度内容理解。 - 🔢 深度数学智能：
math_explainer提取公式、构建 AST（抽象语法树），并存入本地 SQLite 数据库。 - 💻 实验复现辅助：
code_generator自动从论文中提取超参数，生成 PyTorch 模型定义与训练脚本。 - 📊 可视化图表：
visualization生成 Mermaid 流程图与变量依赖图。 - 📑 智能报告生成：
report_generator自动生成 Markdown 格式的论文分析报告，包含摘要、结构、可视化图表与代码配置，并确保数学公式正确渲染。 - 🧠 知识管理：本地数据库
papers.db自动存储论文元数据、符号定义与实验记录。
🛠️ 部署与安装
前置要求
- Node.js (v16+)
- Git
- (可选) Ollama 用于本地大模型加速 (默认端口 11434)
1. 克隆仓库
git clone https://github.com/Lxy-hqu/-mcp-for-paper-read-based-on-AI-IDE.git
cd -mcp-for-paper-read-based-on-AI-IDE
2. 安装依赖
npm install
3. 编译项目
npx tsc
4. 配置 Trae (或 Cursor)
自动配置 (推荐)
本仓库包含一个 trae_mcp_config.json 模板。你需要将其中的 command 路径修改为你本地 Node.js 的绝对路径，args 修改为 server.js 的绝对路径。
Windows 用户示例配置：打开 Trae 设置 -> MCP Servers -> Edit in settings.json：
{
"mcpServers": {
"local-papers": {
"command": "C:\\Program Files\\nodejs\\node.exe",
"args": [
"E:\\path\\to\\-mcp-for-paper-read-based-on-AI-IDE\\dist\\server.js"
],
"disabled": false,
"autoApprove": []
}
}
}
💡 提示：在终端运行
where node可获取 Node.js 的安装路径。
5. 验证运行
重启 Trae 后，在 MCP 管理面板中应显示 local-papers 为 Connected 状态。你可以尝试在对话框中输入：“请使用 pdf_loader 读取这个文件：E:\my_paper.pdf” 来测试。
📝 使用指南
数学公式解析
"解析这篇论文的数学公式，并将符号定义存入数据库。"
代码生成
"根据这篇论文的方法部分，生成 PyTorch 模型代码，并提取超参数。"
可视化
"为这篇论文的模型结构生成一个 Mermaid 流程图。"
生成分析报告
"为这篇论文生成一份完整的 Markdown 分析报告。"
📂 项目结构
src/
├── providers/ # 核心功能模块
│ ├── pdf_loader.ts # PDF 读取
│ ├── structure_parser.ts # 结构化切分
│ ├── math_explainer.ts # 数学解析 & AST
│ ├── code_generator.ts # 代码 & Config 生成
│ ├── visualization.ts # Mermaid 图表生成
│ ├── report_generator.ts # 报告生成
│ └── summarizer.ts # 智能摘要与方法论
├── database.ts # SQLite 数据库管理
├── llm_client.ts # 本地 LLM 连接客户端
├── server.ts # MCP 服务器入口
└── types.d.ts # 类型定义
📄 License
MIT
