DPLP MCP сервер

MCP сервер, который предоставляет доступ к базе данных компьютерных наук DBLP, позволяя AI моделям искать публикации, генерировать BibTeX записи и проводить библиографический анализ.

Установка

Claude Code

claude mcp add mcp-dblp -- uvx mcp-dblp

Из исходного кода (для разработки)

git clone https://github.com/szeider/mcp-dblp.git
cd mcp-dblp
uv venv && source .venv/bin/activate
uv pip install -e .

Конфигурация

Claude Desktop

{
  "mcpServers": {
    "mcp-dblp": {
      "command": "uvx",
      "args": ["mcp-dblp"]
    }
  }
}

Claude Desktop (из исходного кода)

{
  "mcpServers": {
    "mcp-dblp": {
      "command": "uv",
      "args": ["--directory", "/path/to/mcp-dblp/", "run", "mcp-dblp"]
    }
  }
}

Доступные инструменты

Инструмент	Описание
`get_instructions`	Получение инструкций по использованию и руководства по рабочему процессу
`search`	Поиск публикаций в DBLP с использованием булевых запросов
`fuzzy_title_search`	Поиск публикаций с нечетким сопоставлением по названию
`get_author_publications`	Получение публикаций конкретного автора
`get_venue_info`	Получение подробной информации о месте публикации
`calculate_statistics`	Генерация статистики из результатов публикаций
`add_bibtex_entry`	Добавление BibTeX записи в коллекцию по ключу DBLP
`export_bibtex`	Экспорт всех собранных BibTeX записей в .bib файл

Возможности

Поиск и получение научных публикаций из базы данных DBLP
Обработка цитат и генерация BibTeX записей
Выполнение нечеткого сопоставления по названиям публикаций и именам авторов
Извлечение и форматирование библиографической информации
Обработка встроенных ссылок в документах
Прямой экспорт BibTeX, минующий обработку LLM для максимальной точности
Комплексные возможности поиска с булевыми запросами
Фильтрация публикаций по году и месту публикации
Статистический анализ данных публикаций

Ресурсы

GitHub Repository

Примечания

Системные требования: Python 3.11+ и пакетный менеджер uv. BibTeX записи получаются напрямую из DBLP с защитой от тайм-аута в 10 секунд для обеспечения максимальной точности без обработки LLM.