Scansci PDF

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）

组合能力（需编排多工具）

不可实现（超出 MCP 能力）

MCP 工具参考

论文下载

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

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

WebVPN 管理

系统管理

机构登录（通用，支持所有出版商）

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：

1. 传入 DOI → 自动打开该论文页面（通用，支持所有出版商）
2. 传入出版商名称 → 打开该出版商首页
3. 用户在浏览器中点击 "Access through your institution" 或 "Log In"
4. 选择机构并完成 SSO 登录
5. 登录完成后关闭浏览器
6. Cookies 自动捕获并保存，后续所有下载自动使用

EZProxy（图书馆代理）

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：

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）

使用流程：

1. scansci_pdf_tor_install — 首次使用时下载 Tor 二进制（~30MB）
2. scansci_pdf_tor_start — 启动 Tor SOCKS5 代理（自动分配端口）
3. 下载时设置 use_tor=true，自动通过 Tor 代理访问
4. 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）

首次使用 scansci-pdf、遇到 Elsevier/ScienceDirect/Cell Press 论文（DOI 常以 10.1016/ 开头）、用户有校园网/VPN/机构网络、或下载失败提示 elsevier_setup 时，优先引导配置 Elsevier API Key。不要把它当作最后兜底；它是 ScienceDirect 的最快稳定通道。

1. scansci_pdf_elsevier_setup
   → 自动打开 Elsevier Developer Portal
   → 返回注册与配置步骤

2. 用户在浏览器中：
   → 注册/登录 Elsevier 账号
   → 进入 "My API Key" / API Key Settings
   → 创建 API Key；如果页面要求选择产品/API，选择 ScienceDirect / Article Retrieval 相关权限
   → 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 基本有效性

5. 确认网络：
   → 校园网、学校 VPN、规则 VPN 或机构出口已生效
   → 如果配置了 network_proxy，确认它不是普通非机构代理；Elsevier API 应优先走 direct route

6. 后续 Elsevier/ScienceDirect/Cell Press 论文自动优先走 API

触发时机：

• 初次使用且用户会下载 Elsevier/ScienceDirect 论文时
• 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：

• API key 可在 Elsevier Developer Portal 申请；不要把 key 写进日志、文档或仓库
• 完整闭源全文取决于机构订阅和请求 IP entitlement；API key 本身不等于所有文章全文授权
• 稳定路径不是直接请求 PDF，而是：Article Retrieval API ?view=FULL → XML 中解析 PDF attachment-eid → Content Object API /content/object/eid/{eid}
• 对有校园网/规则 VPN 的用户，Elsevier API 应 direct-first，让 api.elsevier.com 走机构出口；普通代理可能导致 NOT_ENTITLED
• 直接 PDF 响应若只有 1 页是预览，必须拒绝并继续 XML/object-eid 路径
• 详细实现和排查见仓库 docs/elsevier-api-fulltext-guide.md

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

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

快速安装

# 0.（推荐）配置 Elsevier API Key，ScienceDirect 论文走 FULL XML → object/eid 快速通道
scansci_pdf_elsevier_setup → 打开浏览器注册 → 复制 key → scansci_pdf_config_set → scansci_pdf_elsevier_setup(test=true)

# 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)