从零开始学MCP(7) | 实战：用 MCP 构建论文分析智能体

在之前的教程中，我们已经了解了 MCP（Model Context Protocol）的基本概念和核心组件。本篇教程将通过一个实际案例，展示如何使用 MCP 构建一个能够分析学术论文的智能体。这个论文分析智能体将能够读取 PDF 论文，提取关键信息，并回答用户关于论文内容的问题。

一、项目概述

我们将构建一个具有以下功能的论文分析智能体：

读取和解析 PDF 论文
提取论文的基本信息（标题、作者、摘要等）
分析论文内容并回答用户问题
提供论文关键信息的总结

二、环境准备

首先，确保你已经安装了以下工具：

Node.js (版本 18 或更高)
npm 或 yarn
Claude 桌面应用或支持 MCP 的其它客户端

创建项目目录并初始化：

安装所需依赖：

三、实现 MCP 服务器

1. 创建服务器入口文件

创建 server.js 文件：

<pre data-tool="mdnice编辑器" style="-webkit-tap-highlight-color: transparent; margin: 10px 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important; border-radius: 5px; box-shadow: rgba(0, 0, 0, 0.55) 0px 2px 10px; text-align: left;">const { Server } = require('@modelcontextprotocol/server-nodejs'); const { analyzePaper, extractPaperInfo } = require('./paperAnalyzer'); class PaperAnalysisServer { constructor() { this.server = new Server( { name: 'paper-analysis-server', version: '1.0.0', }, { capabilities: { resources: {}, tools: {}, }, } ); this.setupResources(); this.setupTools(); this.setupErrorHandling(); } setupResources() { // 资源相关设置将在后续实现 } setupTools() { this.server.setRequestHandler('tools/call', async (request) => { const { name, arguments: args } = request.params; try { switch (name) { case'analyze_paper': returnawaitthis.analyzePaper(args); case'extract_paper_info': returnawaitthis.extractPaperInfo(args); case'summarize_paper': returnawaitthis.summarizePaper(args); default: thrownewError(Unknown tool: ${name}`); } } catch (error) { return { content: [ { type: 'text', text: `Error:$ {error.message}, }, ], isError: true, }; } }); } setupErrorHandling() { this.server.onerror = (error) => { console.error('Server error:', error); }; } async analyzePaper(args) { const { pdfPath, question } = args; if (!pdfPath) { thrownewError('PDF path is required'); } const analysis = await analyzePaper(pdfPath, question); return { content: [ { type: 'text', text: analysis, }, ], }; } async extractPaperInfo(args) { const { pdfPath } = args; if (!pdfPath) { thrownewError('PDF path is required'); } const info = await extractPaperInfo(pdfPath); return { content: [ { type: 'text', text: JSON.stringify(info, null, 2), }, ], }; } async summarizePaper(args) { const { pdfPath } = args; if (!pdfPath) { thrownewError('PDF path is required'); } // 这里实现论文总结逻辑 const summary = "论文总结内容将在这里显示"; return { content: [ { type: 'text', text: summary, }, ], }; } async run() { awaitthis.server.connect(); console.log('Paper Analysis MCP Server is running...'); } } const server = new PaperAnalysisServer(); server.run().catch(console.error); </pre>

2. 实现论文分析器

创建 paperAnalyzer.js 文件：

<pre data-tool="mdnice编辑器" style="-webkit-tap-highlight-color: transparent; margin: 10px 0px; padding: 0px; outline: 0px; max-width: 100%; box-sizing: border-box !important; overflow-wrap: break-word !important; border-radius: 5px; box-shadow: rgba(0, 0, 0, 0.55) 0px 2px 10px; text-align: left;">const fs = require('fs'); const pdf = require('pdf-parse'); class PaperAnalyzer { constructor() { this.cache = newMap(); } async parsePDF(pdfPath) { if (this.cache.has(pdfPath)) { returnthis.cache.get(pdfPath); } try { const dataBuffer = fs.readFileSync(pdfPath); const data = await pdf(dataBuffer); const result = { text: data.text, info: data.info, metadata: data.metadata, }; this.cache.set(pdfPath, result); return result; } catch (error) { thrownewError(Failed to parse PDF: ${error.message}`); } } async extractPaperInfo(pdfPath) { const paperData = awaitthis.parsePDF(pdfPath); const text = paperData.text; // 简单的信息提取逻辑（实际应用中可能需要更复杂的 NLP 处理） const titleMatch = text.match(/^(.+)\n\n(?:Abstract|ABSTRACT)/m); const abstractMatch = text.match(/(?:Abstract|ABSTRACT)[\s\S]*?(\n\n|$ )/i); const authorMatch = text.match(/(?:Authors?|By)[:\s]+(.+?)(?=\n\n)/i); return { title: titleMatch ? titleMatch[1].trim() : 'Unknown', authors: authorMatch ? authorMatch[1].trim() : 'Unknown', abstract: abstractMatch ? abstractMatch[0].replace(/(Abstract|ABSTRACT)/i, '').trim() : 'Unknown', pageCount: paperData.info.Pages || 'Unknown', }; } async analyzeContent(pdfPath, question) { const paperData = awaitthis.parsePDF(pdfPath); // 这里可以实现更复杂的内容分析逻辑 // 目前只是简单返回包含问题的响应 return关于论文的分析结果：问题: ${question} 回答: 根据论文内容，这里应该包含针对问题的详细分析。; } } // 创建单例实例 const analyzer = new PaperAnalyzer(); // 导出函数 asyncfunction analyzePaper(pdfPath, question) { returnawait analyzer.analyzeContent(pdfPath, question); } asyncfunction extractPaperInfo(pdfPath) { returnawait analyzer.extractPaperInfo(pdfPath); } module.exports = { analyzePaper, extractPaperInfo, };` </pre>

四、配置 MCP 客户端

创建 claude_desktop_config.json 文件（位于 Claude 桌面应用的配置目录）：

五、测试智能体

创建测试脚本 test.js：

六、运行和使用

启动 MCP 服务器：

在 Claude 桌面应用中，你现在可以使用以下工具：

analyze_paper: 分析论文内容并回答问题
extract_paper_info: 提取论文基本信息
summarize_paper: 生成论文总结

示例对话：

七、进阶功能扩展

你可以进一步扩展这个智能体：

集成 NLP 库：添加自然语言处理功能，如实体识别、关系提取等
添加引用分析：解析论文的参考文献和引用关系
实现可视化：生成论文内容的可视化分析报告
添加缓存机制：提高重复查询的响应速度
支持多种格式：扩展支持 Word、HTML 等其他文档格式

八、总结

通过本教程，你学会了如何：

创建一个基于 MCP 的论文分析智能体
实现 PDF 解析和内容提取功能
配置 MCP 服务器与 Claude 客户端的集成
构建实用的论文分析工具

这个项目展示了 MCP 在实际应用中的强大能力，通过组合不同的工具和资源，可以构建出专门针对特定领域的高效智能体。

记得在实际应用中处理错误情况、添加适当的日志记录，并考虑性能优化和安全问题。

2025-08-27