关键词

学术引用验证引用幻觉预防DOI查询论文搜索学术内容核查

项目简介

'doi-mcp' 是一个基于 Model Context Protocol (MCP) 的服务器，专门用于防止大型语言模型（LLM）生成错误的学术引用（即“引用幻觉”）。它通过与 CrossRef、OpenAlex 和 PubMed 等真实学术数据库进行交互，强制LLM在提及任何学术论文之前验证其存在性和详细信息，或查找经过验证的论文，从而显著提升LLM输出的学术严谨性。

主要功能点

  • 强制引用验证: 在LLM引用任何学术论文之前，此服务器会强制要求通过工具对其进行验证，以确保该论文真实存在。如果无法验证，LLM将拒绝引用。
  • 多源实时验证: 支持查询 CrossRef、OpenAlex 和 PubMed 等多个权威学术数据库，提供实时、准确的引用验证结果，大大减少虚假引用的可能性。
  • 发现经过验证的论文: 允许LLM根据用户查询的主题搜索真实的、已验证的学术论文，并返回带有DOI的完整引用信息，帮助LLM提供准确的文献支持。
  • 信心评分与DOI支持: 对验证结果提供信心评分（高/中），并确保所有验证通过的引用都包含有效的、可点击的数字对象唯一标识符（DOI）链接，方便用户查阅原文。
  • 防止幻觉: 通过预设的Prompt模板，持续指导LLM严格遵循引用验证协议，拒绝引用未经验证或不存在的文献，从根本上解决引用幻觉问题。

安装步骤

该MCP服务器可以通过 Smithery CLI 自动安装和部署，或进行手动安装。

  • 通过 Smithery CLI 安装 (推荐): 在命令行中运行以下命令，Smithery CLI 将自动下载、安装并配置服务器： 
    npx -y @smithery/cli install @tfscharff/doi-mcp
  • 手动安装:
    1. 克隆 GitHub 仓库： 
      git clone https://github.com/tfscharff/doi-mcp.git
    2. 进入项目目录： 
      cd doi-mcp
    3. 安装项目依赖： 
      npm install
    4. 构建项目： 
      npm run build
    5. 完成构建后，您需要将此服务器添加到您的MCP客户端配置中。

服务器配置

您的MCP客户端需要以下JSON格式的配置信息才能连接此MCP服务器。'command' 和 'args' 指示客户端如何启动服务器进程，'config' 包含服务器自身的运行参数。

{
  "name": "DOI Citation Verifier",
  "command": "node",
  "args": [
    "./dist/index.js" // 指定Node.js运行构建后的服务器主脚本
    // 如果服务器需要监听特定端口（如用于WebSocket或SSE传输），可能需要额外参数
    // 例如："--port", "8080"
  ],
  "config": {
    "autoVerify": true // 可选配置，布尔值，默认为true。当设置为true时，服务器将尝试自动验证LLM响应中的引用。
  }
  // 如果服务器需要API Key等敏感配置，通常建议通过环境变量设置，
  // 而不是直接暴露在客户端配置中。例如，某些MCP客户端支持类似 "env": { "DOI_API_KEY": "your_key_here" } 的配置。
}
  • 'name': 服务器在MCP客户端中显示的名称。
  • 'command': 用于启动服务器进程的可执行程序，此处为 'node'。
  • 'args': 传递给 'command' 的参数列表。'./dist/index.js' 是 'npm run build' 命令生成的服务端代码入口文件。
  • 'config': 包含服务器特定的配置参数。当前示例中，'autoVerify' 是服务器支持的唯一参数，用于控制自动引用验证行为。

基本使用方法

将此MCP服务器连接到您的LLM客户端（如Claude、GPT等）后，LLM将能够利用服务器提供的工具和Prompt模板来实现以下功能：

  1. 验证特定引用: LLM在被训练后，会在引用任何学术论文之前自动调用 'verifyCitation' 工具。例如，当用户要求验证“Smith et al. (2024), 'Quantum AI', Nature”时，LLM会使用此工具查询学术数据库。如果该工具返回 'verified: false'，LLM会明确告知用户该引用可能不正确，从而避免传播虚假信息。
  2. 查找经过验证的论文: 当用户询问关于某个研究主题的论文时，LLM会调用 'findVerifiedPapers' 工具。该工具将搜索多个学术数据库，返回一系列经过验证的真实论文列表，LLM随后会使用这些信息来生成回复，并附带有效的DOI链接，确保信息的可靠性。
  3. 遵守引用规范: 服务器通过 'citation-verification-rules' Prompt模板向LLM提供一套严格的引用规则。这些规则指导LLM始终只引用真实存在、已通过验证的论文，并要求在引用时包含DOI信息，从根本上杜绝引用幻觉，提升LLM输出的学术质量。

信息

分类

AI与计算

访问项目