liujiayi3703 scansci-pdf — 学术论文下载 MCP 服务
概述
scansci-pdf 是一个 MCP 服务器，提供 21 个工具，覆盖学术论文的搜索、下载、引文导出和 WebVPN 机构代理管理。支持 13+ 数据源并行下载，100+ 中国高校 WebVPN。
能力边界
直接能力（单工具即可完成）
| 能力 | 对应工具 | 说明 |
|---|---|---|
| 按 DOI/arXiv ID 下载单篇论文 | scansci_pdf_download |
支持 4 种下载策略 |
| 批量下载多篇论文 | scansci_pdf_batch_download |
并发下载，默认 10 线程 |
| 关键词搜索论文 | scansci_pdf_search |
基于 OpenAlex，支持年份筛选和排序 |
| 导出引文 | scansci_pdf_citation |
BibTeX / RIS / EndNote 三种格式 |
| 导入 .bib 文件并下载 | scansci_pdf_import_bib |
自动提取 DOI 并批量下载 |
| 推送到 Zotero | scansci_pdf_zotero_push |
需先下载论文到缓存 |
| 解析论文列表文件 | scansci_pdf_parse_list |
支持 APA、BibTeX、DOI 列表 |
| WebVPN 登录/测试/状态查询 | scansci_pdf_instsci_* 系列 |
5 个工具管理 WebVPN |
| 系统配置和健康检查 | scansci_pdf_config_* / scansci_pdf_health_check |
配置、缓存、诊断 |
组合能力（需编排多工具）
| 能力 | 工具编排 | 流程 |
|---|---|---|
| 模糊研究查询 → 下载 | search → download | 先搜索获取 DOI，再下载 PDF |
| 论文列表全文下载 | resolve_and_download | 解析列表 → 补全 DOI → 批量下载 |
| 搜索+筛选+批量下载 | search → 人工筛选 → batch_download | 按关键词搜索，选择后批量下载 |
| WebVPN 设置+下载 | instsci_set_school → instsci_login → download | 5 步 WebVPN 流程 |
| .bib 导入+引文补全 | import_bib → citation | 下载后补充引文格式 |
不可实现（超出 MCP 能力）
| 请求 | 原因 |
|---|---|
| 阅读/理解论文内容 | scansci-pdf 只下载 PDF，不解析内容 |
| 翻译论文 | 需要其他工具（如 PDF 阅读+翻译 API） |
| 生成文献综述/摘要 | 需要 LLM 读取 PDF 后生成 |
| 下载非学术 PDF | 不支持普通网页 PDF、报告、发票等 |
| 访问付费期刊全文（无机构代理） | 无合法途径时可能失败 |
MCP 工具参考
论文下载
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_smart_download |
推荐 零配置下载，自动尝试所有源 + Tor | identifier（必需）、output_dir（可选）、bibtex（可选） |
scansci_pdf_download |
下载单篇论文（完整参数控制） | identifier（必需，DOI 或 arXiv ID）、use_instsci（可选）、use_tor（可选）、bibtex（可选） |
scansci_pdf_batch_download |
批量下载多篇论文 | identifiers（必需，列表）、use_instsci（可选）、use_tor（可选）、batch_id（可选，断点续传 ID）、resume（默认 true） |
scansci_pdf_resolve_and_download |
解析列表 → 补全 DOI → 批量下载 | file_path（必需）、resolve_titles（默认 true） |
参数约束：
identifier: DOI（如10.1038/nature12373）、DOI URL、或 arXiv ID（如2301.00001）use_instsci: 需先通过instsci_login完成 CAS 认证use_tor: 启用 Tor 代理（优先使用已运行的外部 Tor，否则自动启动内嵌 Tor）
返回值：
- 成功：
{"success": true, "file": "/path/to/paper.pdf", "doi": "...", "source": "..."} - 失败：
{"success": false, "error": "..."}
下载源（13+ 并行）：
包括出版商直链、Unpaywall、OpenAlex、SemanticScholar、Crossref、DOAJ、EuropePMC、CORE、PMC、LibGen、Sci-Hub 等。启用 WebVPN 后还可通过高校代理访问。部分高级源需配置 API key。
搜索与解析
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_search |
关键词搜索论文（OpenAlex） | query（必需）、limit（默认 10，最大 50）、year_from、year_to、sort |
scansci_pdf_parse_list |
解析论文列表文件 | file_path（必需，.md/.txt/.bib） |
参数约束：
sort:"cited_by_count"（被引最多）、"publication_date"（最新）、省略为相关性排序year_from/year_to: 整数年份，如2020
返回值（search）：
{"results": [{"title": "...", "doi": "...", "authors": [...], "year": 2024, "cited_by_count": 42, "abstract": "..."}]}
引文管理
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_citation |
获取论文引文 | identifier（必需）、format（"bibtex"/"ris"/"endnote"） |
scansci_pdf_import_bib |
导入 .bib 文件并下载全部论文 | bib_file（必需） |
scansci_pdf_zotero_push |
推送论文到 Zotero | identifier（必需，需先下载） |
WebVPN 管理
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_instsci_login |
浏览器 CAS 认证登录 | 无 |
scansci_pdf_instsci_test |
测试 WebVPN 连接性 | doi（可选，默认 10.1038/nature12373） |
scansci_pdf_instsci_status |
检查登录状态 | 无 |
scansci_pdf_instsci_schools |
搜索支持的大学 | query（可选，如"清华"） |
scansci_pdf_instsci_set_school |
设置当前大学 | school（必需，如"清华大学"） |
系统管理
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_auto_setup |
推荐 一键环境检测与自动配置（启动 Tor、探测 Sci-Hub 域名） | 无 |
scansci_pdf_setup_check |
检测系统环境，返回安装建议 | 无 |
scansci_pdf_health_check |
检查所有数据源可用性 | detailed（默认 false） |
scansci_pdf_source_scores |
查看各源自适应健康评分（成功率、延迟） | 无 |
scansci_pdf_network_diagnose |
网络诊断：测试 DNS、代理、Tor、FlareSolverr 状态，返回修复建议 | 无 |
scansci_pdf_config_get |
查看当前配置 | 无 |
scansci_pdf_config_set |
修改配置项 | key（必需）、value（必需） |
机构登录（通用，支持所有出版商）
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_login |
推荐 统一登录：输入 DOI 自动识别出版商并打开浏览器 SSO | identifier（必需，DOI 或出版商名称）、max_wait（默认 300） |
scansci_pdf_browser_login |
CloakBrowser 持久化浏览器登录（WebVPN/CARSI/EZProxy/自定义） | login_type（"webvpn"/"carsi"/"ezproxy"/"custom"）、custom_url（login_type=custom 时必需） |
scansci_pdf_browser_status |
检查 CloakBrowser 运行状态 | 无 |
scansci_pdf_browser_import_cookies |
导入 Netscape 格式 cookie 文件到浏览器 | cookie_file（必需，cookie 文件路径） |
scansci_pdf_import_browser_cookies |
通过浏览器捕获登录 cookie | url（默认 ScienceDirect）、max_wait（默认 300） |
支持的出版商名称： elsevier, wiley, springer, nature, science, ieee, tandfonline, pnas, acs, rsc, aip, aps, iop, oxford, acm
工作原理：
- 传入 DOI → 自动打开该论文页面（通用，支持所有出版商）
- 传入出版商名称 → 打开该出版商首页
- 用户在浏览器中点击 "Access through your institution" 或 "Log In"
- 选择机构并完成 SSO 登录
- 登录完成后关闭浏览器
- Cookies 自动捕获并保存，后续所有下载自动使用
EZProxy（图书馆代理）
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_ezproxy_login |
打开浏览器进行 EZProxy 图书馆代理登录 | 无 |
scansci_pdf_ezproxy_status |
检查 EZProxy 配置和登录状态 | 无 |
配置方式：
scansci_pdf_config_set(key="ezproxy_enabled", value="true")
scansci_pdf_config_set(key="ezproxy_login_url", value="https://libproxy.你的学校.edu.cn/login?url={url}")
scansci_pdf_ezproxy_login
常用配置项：
| 配置项 | 默认值 | 说明 |
|---|---|---|
scihub_enabled |
true |
启用 Sci-Hub/LibGen |
openalex_api_key |
"" |
OpenAlex Content API key（免费，每天 100 次） |
elsevier_api_key |
"" |
Elsevier API key（ScienceDirect Article Retrieval API） |
elsevier_insttoken |
"" |
Elsevier 机构令牌（需学校图书馆申请） |
network_proxy |
"" |
全局代理（如 socks5://127.0.0.1:1080） |
batch_workers |
10 |
批量下载并发数 |
auto_rename |
true |
自动重命名为作者+标题 |
ezproxy_enabled |
false |
启用 EZProxy 图书馆代理 |
ezproxy_login_url |
"" |
EZProxy 登录 URL 模板 |
缓存管理： scansci_pdf_cache_clear（identifier 可选，省略清除全部）
Tor 管理（内嵌 Tor，无需 Docker）
| 工具 | 描述 | 关键参数 |
|---|---|---|
scansci_pdf_tor_install |
自动下载安装 Tor Expert Bundle 到 ~/.scansci-pdf/tor/ | 无 |
scansci_pdf_tor_start |
启动内嵌 Tor SOCKS5 代理 | use_bridges（默认 false，受限网络启用 obfs4 桥接） |
scansci_pdf_tor_stop |
停止内嵌 Tor 代理 | 无 |
使用流程：
scansci_pdf_tor_install— 首次使用时下载 Tor 二进制（~30MB）scansci_pdf_tor_start— 启动 Tor SOCKS5 代理（自动分配端口）- 下载时设置
use_tor=true，自动通过 Tor 代理访问 - 在受限网络（如防火墙封锁 Tor）中，使用
scansci_pdf_tor_start(use_bridges=true)启用 obfs4 桥接
工作流编排指南
流程 1：模糊研究查询
用户说"帮我下载 2020 年后植物功能性状对气候变化响应的论文"：
1. scansci_pdf_search(query="plant functional traits climate change", year_from=2020, limit=20, sort="cited_by_count")
2. 展示搜索结果给用户，让用户选择要下载的论文
3. scansci_pdf_download(identifier=用户选择的DOI) 或 scansci_pdf_batch_download(identifiers=[...])
关键点： 搜索后必须让用户确认，不要自动下载所有结果。
流程 2：论文列表全文下载
用户提供一个包含论文引用的文件：
1. scansci_pdf_parse_list(file_path="papers.md") → 查看解析结果
2. scansci_pdf_resolve_and_download(file_path="papers.md") → 自动补全 DOI + 批量下载
关键点： resolve_and_download 内部会自动调用 OpenAlex 补全缺失的 DOI。
流程 3：WebVPN 设置
用户想通过学校代理下载论文：
1. scansci_pdf_config_set(key="instsci_enabled", value="true")
2. scansci_pdf_instsci_set_school(school="清华大学")
3. scansci_pdf_instsci_login → 浏览器打开 CAS 认证
4. scansci_pdf_instsci_test → 确认连接正常
5. scansci_pdf_download(identifier="...", use_instsci=true)
流程 5：付费论文登录下载（通用）
当下载返回 error_type="paywall" 和 action="login_required" 时，自动触发此流程：
1. scansci_pdf_download(identifier="10.1126/science.aec6396")
→ 返回 {"success": false, "error_type": "paywall", "action": "login_required",
"agent_hint": "请运行 scansci_pdf_login(identifier=\"10.1126/science.aec6396\")..."}
2. scansci_pdf_login(identifier="10.1126/science.aec6396")
→ 打开浏览器到论文页面
→ 提示用户："点击 Access through your institution → 选择你的机构 → 完成 SSO 登录 → 关闭浏览器"
→ 用户关闭浏览器后，cookies 自动保存并导入
3. scansci_pdf_download(identifier="10.1126/science.aec6396")
→ 使用已保存的 cookies 成功下载 PDF
关键点：
login和download使用相同的 identifier (DOI)- 传入 DOI 时打开论文页面（而非通用登录页），用户可直接看到 "Access through your institution" 按钮
- 无需配置 WebVPN/CARSI — 任何有机构账号的用户都能用
- Cookies 持久化保存，登录一次后所有同出版商的论文都能下载
- 对于批量下载中的多篇付费论文，只需登录一次（同出版商共享 cookies）
支持的机构类型： 中国高校（清华、北大等）、海外高校、研究所、图书馆等任何提供 SSO/Shibboleth 认证的机构。
技术要点（2026-05 实测验证）：
- 浏览器引擎为 CloakBrowser（Playwright 兼容反检测浏览器），能通过 Cloudflare Turnstile
- PDF 必须通过浏览器下载——出版社（PNAS、Elsevier 等）检测 TLS 指纹，Python HTTP 客户端（requests/httpx）即使带有效 cookies 也会返回 403
- SSO 联邦选择：中国高校通常支持 CARSI (CERNET Federation)，部分高校（如清华）同时支持 OpenAthens。若 CARSI 列表中找不到目标大学，尝试 OpenAthens 或用搜索框搜大学名称
- SSO 回调可能出现 about:blank 中间态——等待最终 URL 落在出版社域名即可，不要中断
流程 6：Elsevier API Key 配置（ScienceDirect 快速通道）
当 Elsevier/ScienceDirect 论文（DOI 以 10.1016/ 开头）下载失败或需要更快下载时触发：
1. scansci_pdf_elsevier_setup
→ 自动打开浏览器到 Elseveloper Developer Portal
→ 返回详细注册步骤（中文指引）
2. 用户在浏览器中：
→ 注册/登录 → 点击 "My API Key" → 创建应用
→ 选择 "ScienceDirect Article Retrieval" API → 复制 API Key
3. scansci_pdf_config_set(key="elsevier_api_key", value="用户的APIKey")
4. scansci_pdf_elsevier_setup(test=true)
→ 验证 key 有效性 → 返回成功/失败状态
5. 后续所有 Elsevier 论文自动走 API 直接下载（1-2秒）
触发时机：
- 下载返回结果中
hint包含 "elsevier_setup" 时 - 用户提到 ScienceDirect/Elsevier 论文下载慢或失败时
- 用户主动要求配置 API key 时
关键点：
- 申请完全免费，无需机构邮箱
- 配置一次，所有 Elsevier/ScienceDirect/Cell Press 论文受益
- API 下载比浏览器快 10-30 倍，且不受 Cloudflare 拦截影响
- 不配置也能用（走浏览器登录回退），但配置后体验大幅提升
流程 4：故障排查
下载失败时的诊断流程：
1. scansci_pdf_network_diagnose → 一键诊断网络（DNS、代理、Tor、FlareSolverr）
2. 根据诊断结果修复：
- "检测到系统代理但未使用" → config_set network_proxy "<代理地址>"
- "DNS 解析失败" → 配置代理或更换 DNS
- "连接超时" → 配置代理绕过封锁
- "FlareSolverr 未运行" → docker run -d -p 8191:8191 ghcr.io/flareSolverr/flareSolverr
3. 重试下载，失败结果中 hint.guidance 包含针对性建议
关键点： 下载失败时，结果中的 hint.guidance 字段会自动给出具体操作步骤（配置代理、切换策略、启用 WebVPN 等），无需手动排查。
常见边界情况
| 场景 | 处理方式 |
|---|---|
| 用户只给了论文标题，没有 DOI | 先用 search 搜索标题获取 DOI，再用 download 下载 |
| 用户想下载的论文不在 OpenAlex 中 | 告知用户需要提供 DOI 或 arXiv ID |
| 用户想批量下载 100+ 篇 | 使用 batch_download，并发数由配置 batch_workers 控制 |
| 用户所在网络封锁 Sci-Hub | 配置代理或禁用 Sci-Hub（config_set scihub_enabled false） |
| 用户想下载的论文需要机构权限 | 运行 scansci_pdf_login(identifier=DOI) 打开浏览器登录，然后重试下载 |
| 用户想读取已下载论文的内容 | 超出能力，建议使用 PDF 阅读工具 |
| 用户环境缺少组件 | 调用 setup_check 诊断并按返回的建议引导 |
环境安装引导
当用户首次使用或遇到下载问题时，用 scansci_pdf_setup_check 诊断环境：
1. scansci_pdf_setup_check → 获取环境状态和安装建议
2. 根据 readiness 判断：
- "ready" → 一切就绪，可直接使用
- "partial" → 部分功能受限，按建议安装缺失组件
- "limited" → 核心组件缺失，部分下载源不可用
3. 按返回的建议逐步引导用户安装
组件说明
| 组件 | 用途 | 必需？ |
|---|---|---|
| Elsevier API Key | ScienceDirect/Elsevier 论文直接 API 下载（1-2秒） | 推荐（免费申请） |
| Tor | 匿名访问 Sci-Hub/LibGen，自动下载管理 | 可选（Sci-Hub 被封时需要） |
| WebVPN | 通过高校代理访问付费论文 | 可选（需要高校账号） |
快速安装
# 0.（推荐）配置 Elsevier API Key，ScienceDirect 论文直接下载
scansci_pdf_elsevier_setup → 打开浏览器注册 → 复制 key → scansci_pdf_config_set
# 1. 自动下载安装 Tor（首次使用）
scansci_pdf_tor_install
# 2. 启动 Tor 代理
scansci_pdf_tor_start
# 受限网络（防火墙封锁 Tor）：
scansci_pdf_tor_start(use_bridges=true)
# 3. 使用 Tor 下载论文
scansci_pdf_download(identifier="10.1038/nature12373", use_tor=true)