Prototipo · Versión preliminar: todos los servidores del registro oficial, sincronizados cada 30 minutos. Inicia sesión con Google para escribir reseñas.Prototipo · se actualiza cada 30 min
PopNx MCPServidores MCP para quienes usan IA · en palabras sencillas

Literature Review Council

de Ravicha2versión 0.1.4i★ 0iSe ejecuta en tu computadoraRepositorio ↗
Nombre en el registroio.github.Ravicha2/lit-review-council

Cómo instalar

What it does

Multi-agent literature review: research, peer review, and synthesize grounded reports.

  • Connects Se ejecuta en tu computadora
  • Account or key Needs OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY
  • Category Búsqueda y memoria de IA

Úsalo junto con

Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este

timesfm

TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.

de google-research★ 35.6291 skills

Skill · Guía de trabajo

Shadowbroker

Open-source intelligence for the global theater. Track everything from the corporate/private jets of the wealthy, and spy satellites, to seismic events in one unified interface. Hook an AI agent up to have it parse through data and find previously unseen correlations. The knowledge is available to…

de BigBodyCobain★ 11.6021 skills

Skill · Guía de trabajo

google-maps-scraper

scrape data from Google Maps. Extracts data such as the name, address, phone number, website URL, rating, reviews number, latitude and longitude, reviews,email and more for each place

de gosom★ 82091 skills

Skill · Guía de trabajo

Por qué está en este puesto

Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes

Popularidad0/80Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20
Actualidad3/12Puntuación completa con una versión o cambio de código en 30 días
Sigue respondiendo0/8El endpoint en la nube respondió en la última revisión
Puntuación de uso3/100

Calidad: Pasó 2/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)

Instalación

Elige la app de IA que usas y copia la configuración.

Que tu IA lo instale con una frase

Instala Literature Review Council. Sigue https://mcp.popnx.com/i/ravicha2-lit-review-council.md, enséñame los comandos y espera mi OK antes de ejecutarlos.

Pégala en una IA que trabaje en tu equipo (como Claude Code o Cursor). Lee nuestros pasos, te muestra los comandos y espera tu OK. Sin clave ni registro. · Ver el texto completo que lee tu IA

Pasó 2/3 revisiones · Funciona en tu computadora · ✓ Comandos revisados el 14 nov 2026

Primero: ¿qué IA usas?

Elige tu app y los pasos aparecen abajo.

Funciona con Claude, pero hay que preparar algo antes

Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez) · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

Que la IA lo instale

Copia este mensaje en un chat de Claude. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.

Instala el MCP server Literature Review Council para Claude en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "lit-review-council": { "command": "uvx", "args": [ "lit-review-council" ], "env": { "OPENROUTER_API_KEY": "your-value", "GITHUB_TOKEN": "your-value", "TAVILY_API_KEY": "your-value", "OPENALEX_API_KEY": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de Literature Review Council aparecen de verdad.

Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.

  1. Instala uv (si no lo tienes)

    ¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter

    uv --version
    • Aparece un número de versión, p. ej. uv … = ya está instalado, sáltate este paso
    • Aparece "command not found" (en Windows, "is not recognized") = aún no está instalado, o acabas de instalarlo y debes cerrar y volver a abrir la Terminal
    Cómo abrir la Terminal

    Mac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter

    Windows: abre Inicio, escribe Windows PowerShell y elige Abrir

    Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita

    Abrir la página de descarga de uv ↗

    Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version

    Se instala una vez y sirve para todo lo que usa uv

  2. Regístrate y crea una clave de Literature Review Council

    Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.

    Cómo obtener la clave está en el README del autor, más abajo

  3. Abre el archivo de configuración de la app de Claude de escritorio

    SettingsDeveloperEdit Config

  4. Pega esta configuración y guarda el archivo

    {
      "mcpServers": {
        "lit-review-council": {
          "command": "uvx",
          "args": [
            "lit-review-council"
          ],
          "env": {
            "OPENROUTER_API_KEY": "your-value",
            "GITHUB_TOKEN": "your-value",
            "TAVILY_API_KEY": "your-value",
            "OPENALEX_API_KEY": "your-value"
          }
        }
      }
    }

    Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie

  5. Cierra Claude y vuelve a abrirlo

  6. Pruébalo

    Usa Literature Review Council y dime qué puedes hacer por mí; luego muéstrame una cosa

    ✓ Si Claude dice que está usando Literature Review Council o muestra una herramienta de Literature Review Council en la respuesta, ya está conectado

3 ajuste(s) opcional(es) (funciona sin ellos)

El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.

  • ENG_MODEL Modelo para los agentes ingenieros (predeterminado: openrouter/moonshotai/kimi-k2.6)
    Ver original en inglésModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL Modelo para los agentes de investigación (predeterminado: openrouter/z-ai/glm-5.1)
    Ver original en inglésModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL Modelo para los agentes revisor/síntesis (predeterminado: openrouter/deepseek/deepseek-v4-pro)
    Ver original en inglésModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.

Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión

ChatGPT todavía no puede conectar Literature Review Council

Literature Review Council se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web

Lo que puedes hacer en su lugar

A · Usa una app que pueda conectar Literature Review Council

  • Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez) · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil
  • Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)
  • Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)
  • Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)

B · Otros en Búsqueda y memoria de IA que funcionan con ChatGPT

Elegidos entre los más usados de la misma categoría, solo los que se conectan con una dirección y sin clave

Funciona con Claude Code, pero hay que preparar algo antes

Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)

Que la IA lo instale

Copia este mensaje en un chat de Claude Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.

Instala el MCP server Literature Review Council para Claude Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): claude mcp add --scope user lit-review-council --env OPENROUTER_API_KEY=your-value --env GITHUB_TOKEN=your-value --env TAVILY_API_KEY=your-value --env OPENALEX_API_KEY=your-value -- uvx lit-review-council 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de Literature Review Council aparecen de verdad.

Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.

  1. Instala uv (si no lo tienes)

    ¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter

    uv --version
    • Aparece un número de versión, p. ej. uv … = ya está instalado, sáltate este paso
    • Aparece "command not found" (en Windows, "is not recognized") = aún no está instalado, o acabas de instalarlo y debes cerrar y volver a abrir la Terminal
    Cómo abrir la Terminal

    Mac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter

    Windows: abre Inicio, escribe Windows PowerShell y elige Abrir

    Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita

    Abrir la página de descarga de uv ↗

    Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version

    Se instala una vez y sirve para todo lo que usa uv

  2. Regístrate y crea una clave de Literature Review Council

    Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.

    Cómo obtener la clave está en el README del autor, más abajo

  3. Abre la Terminal

    Mac: pulsa Command+Espacio y escribe Terminal · Windows: abre PowerShell

  4. Pega este comando y pulsa Enter

    claude mcp add --scope user lit-review-council --env OPENROUTER_API_KEY=your-value --env GITHUB_TOKEN=your-value --env TAVILY_API_KEY=your-value --env OPENALEX_API_KEY=your-value -- uvx lit-review-council

    Cambia “your-value” por tu clave antes de pulsar Enter

    Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie

  5. Escribe /mcp en Claude Code

    Deberías ver Literature Review Council en la lista como conectado

  6. Pruébalo

    Usa Literature Review Council y dime qué puedes hacer por mí; luego muéstrame una cosa

    ✓ Si Claude Code dice que está usando Literature Review Council o muestra una herramienta de Literature Review Council en la respuesta, ya está conectado

3 ajuste(s) opcional(es) (funciona sin ellos)

El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.

  • ENG_MODEL Modelo para los agentes ingenieros (predeterminado: openrouter/moonshotai/kimi-k2.6)
    Ver original en inglésModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL Modelo para los agentes de investigación (predeterminado: openrouter/z-ai/glm-5.1)
    Ver original en inglésModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL Modelo para los agentes revisor/síntesis (predeterminado: openrouter/deepseek/deepseek-v4-pro)
    Ver original en inglésModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.

Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión

Funciona con Cursor, pero hay que preparar algo antes

Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)

Que la IA lo instale

Copia este mensaje en un chat de Cursor. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.

Instala el MCP server Literature Review Council para Cursor en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "mcpServers": { "lit-review-council": { "command": "uvx", "args": [ "lit-review-council" ], "env": { "OPENROUTER_API_KEY": "your-value", "GITHUB_TOKEN": "your-value", "TAVILY_API_KEY": "your-value", "OPENALEX_API_KEY": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de Literature Review Council aparecen de verdad.

Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.

  1. Instala uv (si no lo tienes)

    ¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter

    uv --version
    • Aparece un número de versión, p. ej. uv … = ya está instalado, sáltate este paso
    • Aparece "command not found" (en Windows, "is not recognized") = aún no está instalado, o acabas de instalarlo y debes cerrar y volver a abrir la Terminal
    Cómo abrir la Terminal

    Mac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter

    Windows: abre Inicio, escribe Windows PowerShell y elige Abrir

    Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita

    Abrir la página de descarga de uv ↗

    Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version

    Se instala una vez y sirve para todo lo que usa uv

  2. Regístrate y crea una clave de Literature Review Council

    Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.

    Cómo obtener la clave está en el README del autor, más abajo

  3. Pulsa este botón para abrir Cursor

    Abrir en Cursor

    Cursor te pedirá confirmar; pulsa Install

  4. Escribe tu clave

    En la configuración de Literature Review Council, OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY está vacío; añade tu clave y guarda

    Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie

  5. Abre el chat de IA de Cursor en modo Agent

  6. Pruébalo

    Usa Literature Review Council y dime qué puedes hacer por mí; luego muéstrame una cosa

    ✓ Si Cursor dice que está usando Literature Review Council o muestra una herramienta de Literature Review Council en la respuesta, ya está conectado

3 ajuste(s) opcional(es) (funciona sin ellos)

El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.

  • ENG_MODEL Modelo para los agentes ingenieros (predeterminado: openrouter/moonshotai/kimi-k2.6)
    Ver original en inglésModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL Modelo para los agentes de investigación (predeterminado: openrouter/z-ai/glm-5.1)
    Ver original en inglésModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL Modelo para los agentes revisor/síntesis (predeterminado: openrouter/deepseek/deepseek-v4-pro)
    Ver original en inglésModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.

Nombres de menú comprobados con la ayuda de Cursor el 11 nov 2026 · tu pantalla puede variar un poco según la versión

Funciona con VS Code, pero hay que preparar algo antes

Necesitas una clave de Literature Review Council (créala en el sitio del autor) · Instala Python (uv) en tu computadora primero (una sola vez)

Que la IA lo instale

Copia este mensaje en un chat de VS Code. La IA revisa tu equipo, te dice qué archivo va a cambiar y espera tu visto bueno cada vez.

Instala el MCP server Literature Review Council para VS Code en este equipo, en este orden: 1) Comprueba uv con uv --version. Si falta, dime que lo instale desde https://docs.astral.sh/uv/getting-started/installation/; no lo instales tú. 2) Usa solo esta configuración (ya revisada por PopNx MCP): { "servers": { "lit-review-council": { "type": "stdio", "command": "uvx", "args": [ "lit-review-council" ], "env": { "OPENROUTER_API_KEY": "your-value", "GITHUB_TOKEN": "your-value", "TAVILY_API_KEY": "your-value", "OPENALEX_API_KEY": "your-value" } } } } 3) Dime la ruta completa del archivo que vas a cambiar o el comando que vas a ejecutar y espera mi visto bueno. 4) En OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY deja "your-value" y dime que pegue yo el valor real en el archivo o en el campo de la app. Nunca me pidas escribir una clave en el chat. 5) Haz lo acordado y comprueba que las herramientas de Literature Review Council aparecen de verdad.

Este mensaje no lleva tu clave. Si hace falta una, la IA te pedirá que la pegues tú en el archivo o en el campo de la app.

  1. Instala uv (si no lo tienes)

    ¿Ya está instalado? Compruébalo primero · Abre la Terminal, escribe este comando y pulsa Enter

    uv --version
    • Aparece un número de versión, p. ej. uv … = ya está instalado, sáltate este paso
    • Aparece "command not found" (en Windows, "is not recognized") = aún no está instalado, o acabas de instalarlo y debes cerrar y volver a abrir la Terminal
    Cómo abrir la Terminal

    Mac: pulsa ⌘ + Espacio, escribe Terminal y pulsa Enter

    Windows: abre Inicio, escribe Windows PowerShell y elige Abrir

    Si no está instalado: uv no tiene instalador de clics. Copia el comando de una línea para tu sistema (macOS o Windows) desde la página oficial de uv y pégalo en la Terminal · no hace falta instalar Python aparte; uv lo descarga cuando lo necesita

    Abrir la página de descarga de uv ↗

    Al terminar, cierra la Terminal, ábrela de nuevo y ejecuta el mismo comando. Debe aparecer un número de versión: uv --version

    Se instala una vez y sirve para todo lo que usa uv

  2. Regístrate y crea una clave de Literature Review Council

    Abre el sitio del autor, crea una cuenta y una clave de API para el siguiente paso. Consulta precios y planes gratis en su sitio.

    Cómo obtener la clave está en el README del autor, más abajo

  3. Pulsa este botón para abrir VS Code

    Abrir en VS Code

    VS Code te pedirá confirmar; pulsa Install

  4. Escribe tu clave

    En la configuración de Literature Review Council, OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY está vacío; añade tu clave y guarda

    Pega la clave solo en el campo de la app; nunca en un chat ni se la envíes a nadie

  5. Abre el chat de IA de VS Code en modo Agent

  6. Pruébalo

    Usa Literature Review Council y dime qué puedes hacer por mí; luego muéstrame una cosa

    ✓ Si VS Code dice que está usando Literature Review Council o muestra una herramienta de Literature Review Council en la respuesta, ya está conectado

3 ajuste(s) opcional(es) (funciona sin ellos)

El comando de arriba funciona sin estos valores. Añádelos solo si quieres cambiar algo, según la descripción del autor.

  • ENG_MODEL Modelo para los agentes ingenieros (predeterminado: openrouter/moonshotai/kimi-k2.6)
    Ver original en inglésModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL Modelo para los agentes de investigación (predeterminado: openrouter/z-ai/glm-5.1)
    Ver original en inglésModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL Modelo para los agentes revisor/síntesis (predeterminado: openrouter/deepseek/deepseek-v4-pro)
    Ver original en inglésModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.

Nombres de menú comprobados con la ayuda de VS Code el 11 nov 2026 · tu pantalla puede variar un poco según la versión

Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps

Ver todas las apps que usan MCP →

La configuración JSON está en “Para desarrolladores”, abajo

¿Te atascaste? Pregunta a quien usa Literature Review Council💬 Conversación →
Para desarrolladores: comandos de Terminal y configuración JSON

Instalado en tu computadora

Claude Code

claude mcp add --scope user lit-review-council --env OPENROUTER_API_KEY=your-value --env GITHUB_TOKEN=your-value --env TAVILY_API_KEY=your-value --env OPENALEX_API_KEY=your-value -- uvx lit-review-council

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "lit-review-council": {
      "command": "uvx",
      "args": [
        "lit-review-council"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value",
        "GITHUB_TOKEN": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENALEX_API_KEY": "your-value"
      }
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "lit-review-council": {
      "command": "uvx",
      "args": [
        "lit-review-council"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value",
        "GITHUB_TOKEN": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENALEX_API_KEY": "your-value"
      }
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "lit-review-council": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "lit-review-council"
      ],
      "env": {
        "OPENROUTER_API_KEY": "your-value",
        "GITHUB_TOKEN": "your-value",
        "TAVILY_API_KEY": "your-value",
        "OPENALEX_API_KEY": "your-value"
      }
    }
  }
}

Valores que debes completar

  • OPENROUTER_API_KEY secreto obligatorio env
    Clave de API de OpenRouter para acceso a LLM
    Ver original en inglésOpenRouter API key for LLM access
  • GITHUB_TOKEN secreto obligatorio env
    Token de acceso personal de GitHub para las búsquedas de practitioner track
    Ver original en inglésGitHub personal access token for practitioner track searches
  • TAVILY_API_KEY secreto obligatorio env
    Clave de API de Tavily para la búsqueda web
    Ver original en inglésTavily API key for web search
  • OPENALEX_API_KEY secreto obligatorio env
    Clave de API de OpenAlex para búsqueda académica
    Ver original en inglésOpenAlex API key for academic search
  • ENG_MODEL env
    Modelo para los agentes ingenieros (predeterminado: openrouter/moonshotai/kimi-k2.6)
    Ver original en inglésModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL env
    Modelo para los agentes de investigación (predeterminado: openrouter/z-ai/glm-5.1)
    Ver original en inglésModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL env
    Modelo para los agentes revisor/síntesis (predeterminado: openrouter/deepseek/deepseek-v4-pro)
    Ver original en inglésModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

Descripciones traducidas automáticamente; los nombres de variables quedan como en el original. Si dudas, mira el original.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

De un vistazo

Descargas por semanai
20/sem
Licenciai
Sin licencia indicada
Conexión
Se ejecuta en tu computadora
Última versióni
0.1.4
Publicado en el registroi
22 jun 2026
Último cambio de códigoi
23 jun 2026
Creador
Ravicha2
Paquetes
pypi: lit-review-council
Estado en el registro
Activo

Qué apps pueden usarlo

Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.

Se ejecutan en tu computadora en

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

Todas las apps, con ventajas y desventajas →

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 19 nov 2026

  • ✓ Superada

    El creador coincide con el repo

    El nombre en el registro se verificó con la cuenta de GitHub Ravicha2, dueña del repo

  • ✓ Superada

    Sigue en mantenimiento

    Último cambio de código: hace 5 meses

  • ✕ No superada

    Tiene licencia

    No se encontró ningún archivo de licencia en el repo

  • – No aplica

    El endpoint responde

    Este se ejecuta en tu computadora; no hay endpoint en internet

  • – No aplica

    Inicio de sesión con OAuth

    Se ejecuta en tu computadora y usa ajustes locales en su lugar

  • … Aún sin revisar

    Sin instrucciones ocultas en las descripciones de herramientas

    Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Vulnerabilidades publicadas (OSV.dev)

Sin entradas en OSV.dev para lit-review-council@0.1.4

Solo revisa esta versión del paquete, no todas sus dependencias · revisado 16 nov 2026

Qué revisamos → · JSON

Creadores: pedir otra revisión o avisar de un dato erróneo
Para autores: añade una insignia a tu README

Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/ravicha2-lit-review-council.svg)](https://mcp.popnx.com/en/servers/ravicha2-lit-review-council)

Conversación

Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.

Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.

Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.

Inicia sesión para publicar

Reseñas de usuarios

Aún no hay reseñas

Inicia sesión para escribir una reseña

Comparado con otros en Búsqueda y memoria de IAi

  • Más estrellas que el 0% de los otros 6384 servidores de esta categoría
  • Publicado en el registro más recientemente que el 16% de los otros 6384 servidores de esta categoría
  • Revisiones básicas iguales o mejores que el 50% de los otros 6384 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Literature Review Council?

Superó 2 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

Debes completar: OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez hace 5 meses, y la última versión (0.1.4) llegó al registro hace 5 meses.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

Alternativas parecidas

Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.

Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

OpenSEO

Keyword research, site audits, rank tracking and AI visibility for your AI agent.

de every-appMuy usado★ 28,2 milActualizado hace 5 días

Se ejecuta en la nube✓ everyapp.com

Exa

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

de exa-labsMuy usado★ 5,2 milActualizado hace 2 meses

Se ejecuta en la nube✓ del servicio · exa.aiProbado por el equipo de PopNx

Microsoft Learn MCP

Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.

de MicrosoftDocsMuy usado★ 2 milActualizado hace 12 meses

Se ejecuta en la nube✓ del servicio · microsoft.comProbado por el equipo de PopNx

Docs

Search and read Empryo's documentation. Read-only, no auth, no local access.

de proxysoulEn crecimiento★ 1,6 milActualizado hace 2 meses

Se ejecuta en la nube✓ empryo.com

COTAL actions (cotal.ai)

cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls

de Cotal-AIEn crecimiento★ 399Actualizado hace 2 meses

Se ejecuta en la nube✓ del servicio · cotal.ai
Comparado con otros parecidos
Este
Literature Review Council
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
Dónde se ejecutaSe instala en tu equipoFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nada
Necesita claveSíNoNoNoNoNo
Se añade con + en ClaudeNoSíSíSíNoNo
Revisiones básicas2/35/52/44/44/44/4
Licencia–MITMITCC-BY-4.0NOASSERTIONApache-2.0
PrecioSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registro

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

Multi-Agent Literature Review Pipeline

A multi-agent literature review pipeline built with the Google ADK (Agent Development Kit). It coordinates specialized agents to iteratively research sub-topics based on a YAML configuration. For each topic, it searches from academic and practitioner perspectives, evaluates the work through a peer review ensemble, and synthesizes a well-grounded report.

Built as a capstone submission for the Kaggle "AI Agents: Intensive Vibe Coding Capstone".

mcp-name: io.github.Ravicha2/lit-review-council

Motivation

Literature reviews are suffocating: hundreds of papers, conflicting claims, and no obvious signal in the noise. Andrej Karpathy's LLM Council showed that multi-agent debate surfaces sharper answers than a single prompt. This project takes that insight into the research domain.

LLMs researching complex topics suffer from two problems: lack of diverse grounding and self-preference bias (favoring their own outputs).

This pipeline addresses both:

  1. Tiered Orchestration: A Planner agent splits configured research topics into a multi-wave execution graph. Foundational concepts (Wave 1) run in parallel, and synthesis-dependent topics (Wave 2) run sequentially with distilled context from Wave 1.
  2. Source Isolation: Two independent tracks per topic, each with its own explorer (search) and reporter (write) agent. The academic track searches ArXiv, OpenAlex, and scholarly publishers. The practitioner track searches GitHub and engineering docs.
  3. Peer Review Ensemble: Three reviewers (Researcher, Engineer, Neutral) evaluate anonymized reports. Borda-count voting aggregates rankings so no single reviewer dominates.
  4. Anti-Hallucination Guardrails: The Synthesis agent's output is parsed and validated. Dangling citations like (Author, Year) or [1] are rejected. Every URL in the final report must exist in the original source references, or the run is retried (up to 2 times). A blog-tier ratio check warns when over 50% of sources are blog/forum tier.

Setup & Installation

Published to PyPI and the MCP Registry. No clone or manual config needed.

1. MCP Registry (Recommended, one command)

The server is listed on the MCP Registry, so installing is a single command. No JSON editing, no config files.

Claude Code:

claude mcp add lit-review-council \

-e OPENROUTER_API_KEY=sk-or-your-key \ -e GITHUB_TOKEN=ghp_your-token \ -e TAVILY_API_KEY=tvly_your-key \ -- uvx lit-review-council

VS Code: Search for "lit-review-council" in the MCP Registry and click Install. Or open the MCP Registry listing and click Install in VS Code.

Any other MCP client: See section 2 below.

Once connected, the lit_review_council_instructions prompt is available to guide any AI agent through the full review workflow.

2. Manual Config (Claude Desktop, Cursor, etc.)

Add this to your client's MCP server config:

{

"mcpServers": { "lit-review-council": { "command": "uvx", "args": ["lit-review-council"], "env": { "OPENROUTER_API_KEY": "sk-or-your-key", "GITHUB_TOKEN": "ghp_your-token", "TAVILY_API_KEY": "tvly_your-key", "OPENALEX_API_KEY": "your-key" } } } }

ClientConfig path
Claude Desktop (Mac)~/Library/Application Support/Claude/claude_desktop_config.json
Claude Desktop (Win)%APPDATA%\Claude\claude_desktop_config.json
Cursor.cursor/mcp.json
3. Local Developer Setup
git clone https://github.com/Ravicha2/lit-review-council && cd lit-review-council

cp .env.example .env # fill in your keys uv run python main.py --config topics.yaml --output okf_output --question "Your Research Question"

Environment Variables
VariablePurposeRequired
OPENROUTER_API_KEYLLM access via OpenRouterYes
GITHUB_TOKENPractitioner track (GitHub search)Yes
TAVILY_API_KEYWeb search across both tracksYes
OPENALEX_API_KEYAcademic track (OpenAlex API)No
ENG_MODELModel for engineer agentsNo (default: openrouter/moonshotai/kimi-k2.6)
RESEARCH_MODELModel for research agentsNo (default: openrouter/z-ai/glm-5.1)
JUDGE_MODELModel for reviewers & synthesisNo (default: openrouter/deepseek/deepseek-v4-pro)

Architecture

The pipeline is organized into four stages, with topics executed across two waves to balance parallelism and sequential dependency.

Why Two Waves?

Not all research topics are independent. Some topics (e.g., foundational concepts like "truth maintenance systems") can be researched in parallel, while others (e.g., "multi-agent coordination using TMS") depend on the synthesized understanding of earlier topics.

The Planner agent reads topics.yaml and partitions topics into:

  • Wave 1 — parallel, independent topics. All topics in this wave run simultaneously through the full Stage 1→2→3 pipeline.
  • Wave 2 — sequential, dependent topics. These topics require the distilled context from Wave 1 before they can be researched accurately.
Wave Handoff via the Distiller

After Wave 1 completes, the Distiller agent consumes the Wave 1 topic files and produces a compact summary of the foundational findings. This distilled context is injected into every Wave 2 topic's prompt as additional background, ensuring Wave 2 explorers and reporters build on top of verified Wave 1 conclusions rather than starting from scratch.

This prevents redundant searches and improves coherence across the final OKF bundle.

Stage Breakdown
Stage 0 (Orchestration)

├── Planner agent organizes YAML topics into Wave 1 (parallel) and Wave 2 (sequential) └── Distiller agent summarizes completed Wave 1 topics to provide prior context to Wave 2

Stage 1 (Parallel Fan-out per Topic) ├── Academic Track (SequentialAgent) │ ├── academic_explorer → searches ArXiv, OpenAlex, Tavily (scholarly domains) │ └── academic_reporter → writes Researcher report with structured references └── Practitioner Track (SequentialAgent) ├── practitioner_explorer → searches GitHub, Tavily (engineering domains) └── practitioner_reporter → writes Engineer report with structured references

Stage 2 (Peer Review Ensemble per Topic) ├── researcher_reviewer → ranks anonymized reports (Researcher perspective) ├── engineer_reviewer → ranks anonymized reports (Engineer perspective) └── technical_reviewer → ranks anonymized reports (Neutral perspective) → Borda-count tally → winning report selected

Stage 3 (Synthesis & Persistence) ├── synthesis agent → condensed final brief with YAML frontmatter │ → citation validation loop (rejects hallucinated/dangling URLs, retries up to 2x) └── Writes out to an interconnected Markdown OKF bundle (index.md and topic files)

Search Providers

ProviderDomainsUsed By
ArXiv APIarxiv.orgAcademic explorer
OpenAlex APIopenalex.orgAcademic explorer
Tavily (scholarly)acm.org, ieee.org, springer.com, sciencedirect.com, nature.com, science.org, wiley.comAcademic explorer
GitHub APIgithub.comPractitioner explorer
Tavily (engineering)github.com, docs.microsoft.com, aws.amazon.com, cloud.google.com, medium.com, dev.toPractitioner explorer

All providers use tenacity retry with exponential backoff for 429/5xx errors.

Source Tiers

Every reference is classified into one of four tiers:

  • __peer_reviewed__: ArXiv preprints, ACM/IEEE papers, conference proceedings
  • __established_project__: GitHub repos with meaningful adoption (stars, active maintenance)
  • __vendor_doc__: Official documentation from a company/project
  • __blog_or_forum__: Medium, personal blogs, Stack Overflow, Reddit

The synthesis step warns when more than half of cited sources are blog_or_forum tier.

Output

The pipeline runs all stages for each topic, executing them in waves where possible. On completion, it generates an interconnected Markdown bundle (OKF format) in the specified output directory, including an index.md linking to each specific topic file.