大模型时代，阅读论文新范式

大家好，我是 Ai 学习的老章

本文目录

MCP（模型上下文协议）
ArXiv 论文深度阅读 MCP
Windsurf MCP 集成
MCP in Cherry Studio

介绍一个我在用的非常牛逼的论文阅读方式

论文检索、论文下载、论文深度阅读，几句话搞定

MCP（模型上下文协议）

核心就是 MCP

这一块就不详细介绍了，不搞开发的话，简单了解就行了

MCP 来源于 Anthropic，旨在无缝地将 AI 系统与外部数据源连接起来。MCP 标准化了应用程序向 LLMs 提供上下文的方式，简化了各种工具和服务的集成，使 AI 能够利用更广泛的数据和功能。

就像 USB-C 提供了一种标准化的方式将设备连接到各种外设和配件一样，MCP 提供了一种标准化的方式将 AI 模型连接到不同的数据源和工具。

入门 MCP 开发有一个极好的网站，来自 Anthropic 官方：https://modelcontextprotocol.io/introduction

也有一个不错的中文站：https://mcpcn.com/docs/examples/

提供了不少实用 MCP 示例

ArXiv 论文深度阅读 MCP

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

ArXiv MCP 服务器通过消息控制协议（MCP）在 AI 助手和 arXiv 的研究存储库之间架起了一座桥梁，它允许 AI 模型以编程方式搜索论文并访问其内容。

核心功能：

论文检索：使用日期范围和类别的过滤器查询 arXiv 论文

论文下载：下载和阅读论文内容

论文列表：查看所有下载的论文

️ 本地存储：纸张保存在本地以便更快地访问

Windsurf MCP 集成

我用的WindSurf

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

arxiv-mcp-server 依赖 uv，需要先安装一下pip install uv

然后回到 Windsurf，点击 Add Server

添加自定义 Server

把下面配置添加 Windsurf 客户端配置文件中：

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

格式如下：

回到设置页，点击 Refresh

上手使用

在 windsurf 中可以更明显地看到 MCP 的执行过程

我在给出任务后，MCP Tool 自动被调用了

先是 search_papers 查找论文

找到具体论文 id 后，下载论文

最后是阅读论文

被检索到的论文，已经下载到本地了

我发现 arxiv-mcp-server 还有专门的提示（deep-paper-analysis）来帮助深度阅读论文。

• 全面的分析结构包括：

• • 摘要

  • 研究背景

  • 方法分析

  • 结果评估

  • 实践和理论意义

  • 未来的研究方向

  • 更广泛的影响

它的输入是 paper_id，那就简单了，直接问

MCP in Cherry Studio

没有 Windsurf 怎么办呢

也有免费开源的 ChatBot 支持 MCP

比如我特别喜欢的 Cherry Studio

前文有过介绍：

接入 DeepSeek，来读论文，体验也不错

具体方法：

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

点击 MCP 服务器 - 添加服务器 - 照着抄 - 点击保存

最简单的方法是点击左上角 - 编辑 MCP 配置，把下面 json 沾上去

但是 Cherry Studio 貌似对 uv 方式安装的 MCP 支持有 bug

我试了 N 多方式，终于调试成功

方法是从 terminal 启动 cherry studio

找不到 uv 的话就找一下 uv 的实际路径

然后配置中修改命令

使用时，要在对话框激活 MCP 服务器

就是速度有点慢

制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个，谢谢你看我的文章，我们下篇再见！