Academic Research Kernel

Name: Academic Research Kernel
Author: xngg1021

von xngg1021Version 2.1.0i★ –iLäuft auf deinem Computer

Name in der Registryio.github.xngg1021/academic-research-kernel

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Deterministic research state, evidence validation and statistical recomputation.

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 auf deinem Computer
Transport: stdio
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 deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

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

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "academic-research-kernel": {
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "mcp"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add academic-research-kernel -- uvx academic-research-kernel mcp

In Cursor öffnen

Oder kopier die Einstellungen selbst

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

{
  "mcpServers": {
    "academic-research-kernel": {
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "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": {
    "academic-research-kernel": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "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.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

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

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto xngg1021 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
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Suche & KI-Gedächtnisi

Mehr Sterne als 0 % der anderen 5651 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 57 % der anderen 5651 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 5651 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 Academic Research Kernel 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 auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (2.1.0) kam vor 30 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

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 gestern

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 21 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.

academic-research-kernel

English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Deutsch · Français · Español · Português · Русский · Bahasa Indonesia · Italiano · हिन्दी · العربية · বাংলা · اردو · Tiếng Việt · Türkçe · فارسی · Kiswahili · Polski

This repository is a practical toolkit for verifying scholarly sources, checking statistical numbers, and tracking research evidence with AI agents. When researchers use language models to read papers or draft literature reviews, models often invent citations, misread tables, or lose track of which page supports a specific claim. To prevent this, academic-research-kernel packages 14 scholarly workflows and 12 deterministic verification tools behind a standard Model Context Protocol (MCP) server and command-line interface. You can use it to check paper identities and retractions, recompute reported statistics, read papers into source-linked reports, manage systematic review screening logs, and record every claim alongside its supporting evidence and negative results. It works directly with Claude Code, Cursor, Codex, Gemini CLI, and Hermes Agent. Validation scope and external service limits are documented in the project audit.

Author: Junfu Shi (SJF, xngg1021), Hermes Agent. License: Source Lineage License 1.0.

Quick start

If you want your AI agent to read a paper, check its numbers, and generate a report, install the package with PDF support and export the paper-research workflow into your agent's skill directory; if you want to connect the 12 verification tools as a background MCP server for an MCP client, install uv and start the stdio server:

# 1. Read PDF papers and generate reports with your local AI agent

uv tool install "academic-research-kernel[research]==2.2.0" academic-research-kernel research skill --output ./paper-research

2. Or start the background stdio MCP server for an MCP client

uvx academic-research-kernel@2.2.0 mcp

Note that running mcp in a terminal waits silently for JSON-RPC requests from an MCP client rather than opening an interactive menu. The 2.2.0 release page lists package hashes and publication status. If you download the release wheel, you can also run it locally with uvx --from ./academic_research_kernel-2.2.0-py3-none-any.whl academic-research-kernel mcp. The package supports Python 3.10–3.14, and uvx --python 3.12 selects a specific Python version. The base installation includes all 12 verification tools and loads statistical libraries on demand when statistical recomputation is called.

Verify installation

uvx academic-research-kernel@2.2.0 doctor

uvx academic-research-kernel@2.2.0 --version

The doctor command runs offline and checks runtime dependencies, JSON schemas, and all 12 tool definitions. Leaving optional external APIs unconfigured will not fail the check. Pass doctor --json if you need machine-readable output.

Package install

uv tool install academic-research-kernel==2.2.0

academic-research-kernel doctor academic-research-kernel mcp

You can also install the package with pipx install academic-research-kernel==2.2.0 or python -m pip install academic-research-kernel==2.2.0 inside a virtual environment. Installing with [full] adds libraries used in extended scientific computing examples. Installing with [research] adds pypdf==6.19.0 and fonttools==4.65.0 so PDF font decoding behaves identically across clean environments on Python 3.10 and newer. Installing with [qa] adds repository test tools on top of those parsing libraries. HTML, XML, DOCX, and XLSX reading use the Python standard library, while GPU backends and paid scholarly databases remain optional.

Hermes

Make sure uv is on the Hermes process PATH, then install and enable the plugin:

hermes plugins install xngg1021/academic-research-kernel --no-enable

hermes plugins enable academic-skills

The plugin keeps the academic-skills name for compatibility and includes all 14 skills, including paper-research. Its mcp.json configuration runs uv run --frozen --no-dev --no-editable with Python 3.12 and the repository's uv.lock file, storing its isolated environment under ${PLUGIN_DATA}/runtime. On first run, it installs its own dependencies without modifying Hermes or system Python packages. If you prefer installing individual skills without the plugin runtime, see Integration & Portable Usage.

Run from source

git clone https://github.com/xngg1021/academic-research-kernel.git

cd academic-research-kernel uv sync --frozen --no-dev --no-editable uv run --frozen --no-dev --no-editable academic-research-kernel doctor uv run --frozen --no-dev --no-editable python scripts/mcp_server.py

See distribution and release for dependency groups, reproducible build steps, and release verification checkpoints.

License

Snapshots containing this notice apply Source Lineage License 1.0 to the covered material and rights described in LICENSE-APPLICATION.md. The initial SLL commit and the subsequent boundary-recording commit are recorded in LICENSE-HISTORY.md and SOURCE-LINEAGE.md. Later snapshots that keep this notice carry the same license scope.

Historical snapshots through commit 439ce4a29d6d2d9137308d7f9f045863e9f0c5b3 were distributed under the MIT License. Users of those earlier snapshots keep their MIT permissions and do not need to migrate to SLL. The previous MIT license text and tests/upstream/LICENSE are preserved unchanged.

SLL permits use, study, modification, commercial use, redistribution, and proprietary extensions, provided you keep the required license and source-lineage notices. It is not copyleft and does not require disclosing your source code. Running a network service without distributing software copies does not trigger the source-lineage notice requirement. The license includes no express patent grant, and third-party files remain under their original licenses. The English LICENSE text is authoritative; LicenseRef-Source-Lineage-1.0 is a local identifier rather than an SPDX or OSI-approved code. Contribution rules are separate from downstream license rights.

Skills

Skill	Version	What it does
`skills/academic-source-verification`	1.2.0	Check paper metadata and citation counts across databases, inspect corrections or retractions, find open-access full text, and verify that a local PDF matches the cited work
`skills/literature-analysis`	1.3.0	Twelve everyday workflows: find similar papers, check text overlap, search for counter-evidence, summarize author histories, run mock peer review, check reasoning flaws, build comparison tables, suggest target journals, export BibTeX, read bilingually, spot research gaps, and plan reproduction
`skills/academic-writing`	1.1.1	Revise academic prose, format citations (ISO 690, APA, MLA, Chicago, IEEE, AMA, and regional standards), check journal author guidelines, prepare submission files, and verify anonymization for blind review
`skills/math-computation`	1.2.1	Route symbolic, numerical, and statistical calculation tasks to verified Python tools, accompanied by four domain reference guides
`skills/quantitative-paper-audit`	1.1.0	Recompute reported effect sizes, p-values, confidence intervals, odds or risk ratios, and statistical power from summary numbers to catch reporting errors
`skills/research-reproducibility`	1.0.1	Audit whether a paper's code, data, dependencies, and reported metrics can be reproduced across a 14-step checklist
`skills/systematic-review-meta-analysis`	1.0.1	Record PRISMA search and screening logs, convert effect sizes, test heterogeneity, pool fixed or random effects, and run sensitivity and publication-bias checks
`skills/literature-watch`	1.1.0	Monitor OpenAlex and Crossref weekly for new papers by topic, author, or cited DOI, deduplicating results so only new works are reported
`skills/retraction-watch`	1.1.0	Recheck a DOI watchlist weekly against OpenAlex retraction flags and Crossref update records, reporting only papers whose status changed
`skills/research-object-identity`	1.1.0	Normalize DOIs, arXiv IDs, and file hashes into canonical records, verify resource status, and trace how derived files were produced from raw sources
`skills/claim-evidence-graph`	1.0.0	Link each scientific claim to the exact source passage, table, or calculation record that supports or contradicts it
`skills/decision-ledger`	1.0.0	Keep an append-only Research Decision Log of methodological choices, failed attempts, reasons for dropping a direction, and later outcome revisions
`skills/paper-research`	1.0.0	Read a paper and its supplements from a DOI, URL, or local folder, verify extracted numbers, save structured research state, and generate source-linked Chinese reports or two-paper comparisons
`skills/cross-review-five`	2.0.0	Coordinate independent blind reviews across multiple language models or subagents, merge overlapping points, assign cross-challenges, and grade issues from P0 to P3 while preserving unresolved dissent

Across the 14 skills, 22 Markdown reference guides are loaded on demand when a task requires them.

Scholarly Standards & Multi-Profile Baseline

Citation formats, reporting checklists, and metadata rules depend on your target journal, funder, discipline, and region. This repository uses ISO 690:2021 (bibliographic references), ISO 5127:2017 (documentation vocabulary), and W3C PROV (provenance records) as its international baseline, alongside regional standards such as GB/T 7714-2025 in Mainland China, UNE-ISO 690:2024 in Spain, and DIN ISO 690:2021 in Germany, plus disciplinary guides including APA 7th, IEEE, ACM, Vancouver, Chicago, PRISMA 2020, and ICMJE. A target journal's own instructions always override default settings. See the Scholarly Standards Architecture and Natural Terminology Guide.

When saving research state, the kernel checks that DOIs and external identifiers match, prevents contradictory statistical verdicts on the same check, and tracks unresolved questions in a shared review list. Cache verification rebuilds state directly from saved source packages and hash bindings rather than trusting summary lists, so deleting both a record and its cache entry will still be caught during replay. Details are recorded in the four-blocker closeout.

Integration & Portable Usage

1. Universal Agent Plugins v1 & Model Context Protocol (MCP)

This repository follows the vendor-neutral Agent Plugins v1 format (plugin.json) and exposes its verification and statistical tools through a standard stdio MCP server (mcp.json / scripts/mcp_server.py). You can load it directly in Claude Code, Cursor, Codex, Gemini CLI, or any other MCP-compatible client. Although the repository is named academic-research-kernel, the plugin name academic-skills and existing MCP aliases remain unchanged so existing configurations keep working:

Nur der Anfang wird gezeigt; den Rest findest du im Repo

Academic Research Kernel

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

academic-research-kernel

Quick start

2. Or start the background stdio MCP server for an MCP client

Verify installation

Package install

Hermes

Run from source

License

Skills

Scholarly Standards & Multi-Profile Baseline

Integration & Portable Usage

1. Universal Agent Plugins v1 & Model Context Protocol (MCP)