大家好，我是 Ai 學習的老章

本文目錄

MCP（模型上下文協議）
ArXiv 論文深度閱讀 MCP
Windsurf MCP 集成
MCP in Cherry Studio

介紹一個我在用的非常牛逼的論文閱讀方式

論文檢索、論文下載、論文深度閱讀，幾句話搞定

MCP（模型上下文協議）

核心就是 MCP

這一塊就不詳細介紹了，不搞開發的話，簡單了解就行了

MCP 來源于 Anthropic，旨在無縫地將 AI 系統與外部數據源連接起來。MCP 標準化了應用程序向 LLMs 提供上下文的方式，簡化了各種工具和服務的集成，使 AI 能夠利用更廣泛的數據和功能。

就像 USB-C 提供了一種標準化的方式將設備連接到各種外設和配件一樣，MCP 提供了一種標準化的方式將 AI 模型連接到不同的數據源和工具。

入門 MCP 開發有一個極好的網站，來自 Anthropic 官方：https://modelcontextprotocol.io/introduction

也有一個不錯的中文站：https://mcpcn.com/docs/examples/

提供了不少實用 MCP 示例

ArXiv 論文深度閱讀 MCP

項目地址：https://github.com/blazickjp/arxiv-mcp-server

ArXiv MCP 服務器通過消息控制協議（MCP）在 AI 助手和 arXiv 的研究存儲庫之間架起了一座橋梁，它允許 AI 模型以編程方式搜索論文并訪問其內容。

核心功能：

論文檢索：使用日期范圍和類別的過濾器查詢 arXiv 論文

論文下載：下載和閱讀論文內容

論文列表：查看所有下載的論文

? 本地存儲：紙張保存在本地以便更快地訪問

Windsurf MCP 集成

我用的WindSurf

下載：https://codeium.com/refer?referral_code=60b0053769

arxiv-mcp-server 依賴 uv，需要先安裝一下pip install uv

然后回到 Windsurf，點擊 Add Server

添加自定義 Server

把下面配置添加 Windsurf 客戶端配置文件中：

{     "mcpServers": {         "arxiv-mcp-server": {             "command": "uv",             "args": [                 "tool",                 "run",                 "arxiv-mcp-server",                 "--storage-path", "/path/to/paper/storage"             ]         }     } }

格式如下：

回到設置頁，點擊 Refresh

上手使用

在 windsurf 中可以更明顯地看到 MCP 的執行過程

我在給出任務后，MCP Tool 自動被調用了

先是 search_papers 查找論文

找到具體論文 id 后，下載論文

最后是閱讀論文

被檢索到的論文，已經下載到本地了

我發現 arxiv-mcp-server 還有專門的提示（deep-paper-analysis）來幫助深度閱讀論文。

• 全面的分析結構包括：

• • 摘要

  • 研究背景

  • 方法分析

  • 結果評估

  • 實踐和理論意義

  • 未來的研究方向

  • 更廣泛的影響

它的輸入是 paper_id，那就簡單了，直接問

MCP in Cherry Studio

沒有 Windsurf 怎么辦呢

也有免費開源的 ChatBot 支持 MCP

比如我特別喜歡的 Cherry Studio

前文有過介紹：

接入 DeepSeek，來讀論文，體驗也不錯

具體方法：

首先升級到最新版： https://github.com/CherryHQ/cherry-studio/releases

點擊 MCP 服務器 - 添加服務器 - 照著抄 - 點擊保存

最簡單的方法是點擊左上角 - 編輯 MCP 配置，把下面 json 沾上去

但是 Cherry Studio 貌似對 uv 方式安裝的 MCP 支持有 bug

我試了 N 多方式，終于調試成功

方法是從 terminal 啟動 cherry studio

找不到 uv 的話就找一下 uv 的實際路徑

然后配置中修改命令

使用時，要在對話框激活 MCP 服務器

就是速度有點慢

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！