关键词

YÖK Tez学术搜索文档获取论文数据土耳其论文

项目简介

YokTez MCP 是一个基于 FastMCP 库构建的 MCP 服务器实现，专门用于与土耳其 Yükseköğretim Kurulu (YÖK) 的国家硕士博士论文中心（Ulusal Tez Merkezi）进行交互。它将 YÖK 论文中心的搜索和文档获取功能封装成标准的 MCP 工具，以便大语言模型 (LLM) 应用和支持 MCP 的客户端（如 Claude Desktop, 5ire）能够通过调用这些工具来访问 YÖK 的论文数据。

主要功能点

  • YÖK Tez Merkezi 标准接口: 提供一个符合 MCP 协议的标准化接口，便于 LLM 和客户端程序化访问 YÖK 论文数据。
  • 多维度详细搜索: 支持根据论文标题、作者、导师、所属大学、院系、专业、论文编号、关键词、摘要内容、论文类型、年份范围、访问许可状态等多种详细条件进行精确或模糊搜索。
  • 论文文档获取: 能够获取指定论文的 PDF 内容。特别地，它可以按页读取 PDF，并将指定的页面内容转换为 Markdown 格式，方便 LLM 理解和处理。
  • 元数据提取: 从论文详情页面提取关键元数据，如标题、作者、年份、摘要等。
  • PDF 访问许可检查: 在尝试获取 PDF 前检查论文是否允许在线访问。
  • Markdown 内容处理: 将 PDF 文本内容转换为结构化的 Markdown，提升 LLM 的处理效率和准确性。

安装步骤

本项目作为 MCP 服务器，主要通过 MCP 客户端的自动发现/运行机制启动。您通常无需手动克隆仓库或执行安装脚本。但在配置客户端之前，需要确保您的系统具备以下环境：

  1. Python 3.11: 确保系统已安装 Python 3.11 版本。安装时请勾选“Add Python to PATH”选项。
  2. Git: 安装 Git 版本控制工具。Windows 用户需下载并安装 Git for Windows。
  3. uv: 安装 uv Python 包管理器。uv 是一个高性能的替代品，本项目使用 uvx 来运行仓库中的模块。具体安装方法请参考 uv 官方文档或项目 README。
  4. Microsoft Visual C++ Redistributable (仅限 Windows): 某些 Python 库（如 Playwright）需要此组件才能正常工作。请从 Microsoft 官网下载并安装最新版本。

满足上述前置条件后，即可在您的 MCP 客户端中进行配置。

服务器配置 (MCP 客户端)

在您的 MCP 客户端（如 Claude Desktop, 5ire 等支持 MCP 的应用）中，找到“工具”或“提供者”相关的设置界面，添加一个新的本地 MCP 服务器配置。配置信息通常需要填写名称、启动命令和参数列表。

  • Server Name (服务器名称): 您可以为该服务器自定义一个易于识别的名称，例如 'YokTez MCP'。

  • Command (启动命令): 填写 'uvx'。这是用于运行仓库中特定模块的工具。

  • Args (参数): 填写启动服务器所需的参数列表。这是一个包含字符串的列表，通常在客户端界面中分多行输入或以特定格式输入。根据该仓库的设计，参数应设置为：

    • '--from' (指定源)
    • 'git+https://github.com/saidsurucu/yoktez-mcp' (指定仓库 URL)
    • 'yoktez-mcp' (指定要运行的仓库中的模块/入口点)

    客户端配置界面可能要求您将它们作为单独的参数项添加。

配置完成后，保存设置并在客户端界面中激活 'YokTez MCP' 工具。客户端会自动使用配置的命令和参数启动服务器。

基本使用方法

工具激活后，您可以通过与您的 LLM 交互，引导模型调用 'YokTez MCP' 服务器提供的工具。该服务器目前提供两个主要工具：

  1. 'search_yok_tez_detailed': 用于执行详细的论文搜索。您可以向 LLM 描述您想搜索的论文条件（如“搜索 2022 年关于人工智能的硕士论文，作者是 Ahmet Yılmaz”），LLM 应该能够根据您的描述构建参数并调用此工具。工具将返回符合条件的论文摘要列表，包含标题、作者、学校、年份和论文详情页 URL 等信息。
  2. 'get_yok_tez_document_markdown': 用于获取特定论文 PDF 的内容。在通过搜索工具找到目标论文并获取到其 'detail_page_url' 后，您可以请求 LLM 使用该 URL 调用此工具，并指定您感兴趣的 PDF 页码（例如“获取这篇论文（提供 URL）的第 5 页内容”）。工具将返回该页的 Markdown 格式内容，以及总页数等信息。

LLM 将利用其工具调用能力与服务器进行交互，并将工具的返回结果用于回答您的问题或执行后续任务。

信息

分类

AI与计算

访问项目