ScholarFetch

Name: ScholarFetch
Author: laibniz

von laibnizVersion 0.2.1i★ –iLäuft in der Cloud

Name in der Registryio.github.laibniz/scholarfetch

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Multi-engine scholarly research server for search, traversal, full text, and reading lists.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft in der Cloud
Transport: Streamable HTTP
Kategorie: Suche & KI-Gedächtnis

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf dem Server des Entwicklers: Was du fragst, läuft über dessen Server.
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

Läuft in der CloudNichts zu installieren; die Verbindung läuft übers Internet

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Funktioniert in Claude im Web, auf dem Desktop und auf dem Handy:

Öffne Settings → Connectors
Tippe auf Add custom connector
Füge die Adresse unten ein und tippe auf Add
Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an

https://laibniz-scholarfetch-web.hf.space/mcp/

Führe das in deinem Terminal aus

claude mcp add --transport http scholarfetch https://laibniz-scholarfetch-web.hf.space/mcp/

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "scholarfetch": {
      "url": "https://laibniz-scholarfetch-web.hf.space/mcp/"
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "scholarfetch": {
      "type": "http",
      "url": "https://laibniz-scholarfetch-web.hf.space/mcp/"
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

ChatGPT verbindet sich nur mit Servern im Internet:

Öffne ChatGPT im Web → Settings → Connectors (Apps)
Tippe auf Create oder Add (bei manchen Tarifen musst du zuerst Developer mode unter Advanced einschalten)
Füge die Adresse unten ein, gib ihr einen Namen und speichere
Wenn eine Anmeldung verlangt wird, melde dich beim Dienst des Entwicklers an

https://laibniz-scholarfetch-web.hf.space/mcp/

Menünamen können sich je nach Tarif und mit der Zeit leicht unterscheiden.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Die Tool-Liste dieses Servers haben wir noch nicht gelesen; wir prüfen die Endpunkte reihum.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto laibniz bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Endpunkt antwortet
Noch nicht geprüft; wir prüfen die Endpunkte reihum
… Noch nicht geprüft
Anmeldung mit OAuth
Noch nicht geprüft; wir prüfen die Endpunkte reihum
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Noch nicht geprüft; wir lesen die Tool-Liste, wenn wir den Endpunkt prüfen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Mehr Sterne als 0 % der anderen 7248 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 6 % der anderen 7248 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 7248 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist ScholarFetch sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft in der Cloud des Entwicklers. Du verbindest dich übers Internet, ohne etwas zu installieren, aber was du sendest, läuft über die Server des Entwicklers.

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.2.1) kam vor 8 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Er verbindet sich per URL, also funktionieren auch Apps, die Remote-MCP-Server akzeptieren, zum Beispiel ChatGPT im Entwicklermodus.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Context7, Codebase Memory, Exa

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Context7

von upstash

Up-to-date docs for AI agents

Computer oder Cloud★ 64.224MITAktualisiert heute

Installieren

Codebase Memory

von DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

Läuft auf deinem Computer★ 48.148MITAktualisiert vor 20 Tagen

Installieren

Exa

von exa-labs

Connect AI agents to Exa for web search, content fetching, and multi-step research.

Läuft in der Cloud★ 5.213MITAktualisiert letzten Monat

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

ScholarFetch

ScholarFetch is a multi-engine academic research environment for:

terminal-first literature exploration
MCP-powered agent workflows
building curated reading lists and exportable research corpora

It combines:

a rich interactive CLI for humans
a classic MCP server (stdio)
a FastMCP server (stdio, sse, streamable-http)

The core idea is simple: start from keywords, DOI, or authors, traverse papers and references, inspect abstracts and full text, save what matters, then export a compact corpus for synthesis.

What ScholarFetch Does

Searches across multiple scholarly engines in parallel
Resolves ambiguous author identities and expands author paper lists
Traverses references as first-class research nodes
Retrieves abstracts and machine-readable full text when available
Tracks a saved paper set during an interactive research session
Exports citations, abstracts, BibTeX, or full-text corpora
Exposes the same research workflow to MCP agents
Maintains stateful saved-paper collections inside one MCP session

Engines

Elsevier (Scopus / Abstract / Article retrieval)
OpenAlex
Crossref
arXiv
Europe PMC
Springer Nature (metadata + open access)
Semantic Scholar (DOI enrichment path)

Installation

git clone https://github.com/laibniz/scholarfetch.git

cd scholarfetch python3 -m venv .venv source .venv/bin/activate pip install -e . scholarfetch

Console scripts:

scholarfetch
scholarfetch-mcp
scholarfetch-fastmcp

Alternative:

python3 scholarfetch.py

Credentials

ScholarFetch loads provider credentials server-side / client-side from environment.

Default env file:

.scholarfetch.env

Typical variables:

ELSEVIER_API_KEY=...

ELSEVIER_INSTTOKEN=... SPRINGER_META_API_KEY=... SPRINGER_OPENACCESS_API_KEY=...

Notes:

ELSEVIER_INSTTOKEN is optional
provider entitlements and rate limits still apply
MCP tools do not accept API keys in tool arguments

CLI Research Workflow

ScholarFetch CLI is designed for research traversal.

Typical flow:

Start from a topic, DOI, or author.
Inspect papers.
Read abstracts or full text.
Expand references.
Jump to related authors.
Save promising papers.
Export a corpus for downstream work.

Example:

/search graph neural networks

/author Albert Einstein /papers 1 has:abstract /article 1 /refs 1 /saved /export fulltext dummy corpus.txt

CLI Features

Interactive picker with tree navigation
Breadcrumbs for current research position
Action bar for OPEN, ABSTRACT, TEXT, REFS, and AUTHOR
Backspace to go to parent node
Esc to return to prompt
S to save a paper from paper lists or reference lists
X to remove from the saved list
AUTHOR action from a paper now lets you select:
a single author
ALL AUTHORS
Reference lists behave like paper lists:
open
abstract
text
refs
author
Automatic paper availability hints:
abstract availability
full-text availability
Progress feedback for expensive transitions
Interruptible reference preview building with partial results kept

Core CLI Commands

/search
/author
/papers [filters]
/doi
/open
/abstract
/article
/refs
/ref
/saved
/export [format style path ...]
/import [path]
/pick [mode]
/config
/engines
/help

Paper Filters

Use with /papers:

year>=YYYY, year<=YYYY, year=YYYY
has:abstract, has:doi, has:pdf, has:fulltext
venue: , title: , doi:

Examples:

/papers 1 year>=2020 has:abstract

/papers 1 has:fulltext /papers andrea de mauro venue:marketing

Export Modes

ScholarFetch supports four export modes from the saved paper set.

bib
BibTeX for citation managers and bibliographic tooling
citations
citation-only export in harvard, apa, or ieee
abstracts
metadata + abstract for each saved paper
fulltext
metadata + abstract + full text when available
optional inclusion of references

This makes ScholarFetch useful as a corpus builder for downstream synthesis agents.

MCP Server

ScholarFetch exposes the same research model through MCP.

Modes:

Classic MCP (stdio): python3 scholarfetch_mcp.py
FastMCP stdio: python3 scholarfetch_fastmcp.py --transport stdio
FastMCP SSE: python3 scholarfetch_fastmcp.py --transport sse --host 127.0.0.1 --port 8000
FastMCP streamable HTTP: python3 scholarfetch_fastmcp.py --transport streamable-http --host 127.0.0.1 --port 8000 --http-path /mcp

Validation:

python3 scholarfetch_mcp.py --self-test

python3 scholarfetch_fastmcp.py --self-test

Public demo endpoints:

Web UI: https://huggingface.co/spaces/Laibniz/ScholarFetch_Web
Public MCP endpoint: https://laibniz-scholarfetch-web.hf.space/mcp/
MCP Registry listing: io.github.laibniz/scholarfetch

MCP Research Model

The MCP server is designed for agent workflows, not only one-off calls.

An agent can:

Search papers
Resolve authors
Expand to author papers
Read abstracts / full text
Expand references
Save promising papers into a named in-memory reading list
Export the reading list as:

citations
abstracts
BibTeX
full-text corpus

This lets an agent build a focused research set inside one MCP session and then hand off an export artifact to another synthesis step.

See MCP_SERVER.md for the detailed tool model.

Repository Files

scholarfetch.py: CLI entrypoint
scholarfetch_cli.py: core CLI + retrieval logic
scholarfetch_mcp.py: classic MCP server
scholarfetch_fastmcp.py: FastMCP server
MCP_SERVER.md: MCP usage guide
AGENTS.md: agent-facing workflow guide
SKILL.md: structured research skill guide
SKILLS.md: index for agent-facing skill docs
CONTRIBUTING.md: contributor notes

For Agents

If you are running ScholarFetch from an MCP-compatible system, read:

AGENTS.md
SKILL.md
SKILLS.md

These documents explain how to use ScholarFetch as a literature-research environment rather than as a flat search API.

Contributing

See CONTRIBUTING.md.

Security

See SECURITY.md.

License

MIT License. See LICENSE.

ScholarFetch

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Häufige Fragen

Alternativen

Context7

Codebase Memory

Exa

README vom Entwickler

ScholarFetch

What ScholarFetch Does

Engines

Installation

Credentials

CLI Research Workflow

CLI Features

Core CLI Commands

Paper Filters

Export Modes

MCP Server

MCP Research Model

Repository Files

For Agents

Contributing

Security

License