プロトタイプ · プレビュー版:公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。Google でログインするとレビューを書けます。プロトタイプ · 30分ごとに更新
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説

Literature Review Council

作者:Ravicha2バージョン 0.1.4i★ 0iパソコンで動くリポジトリ ↗
レジストリ名io.github.Ravicha2/lit-review-council

インストール方法

What it does

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

  • Connects パソコンで動く
  • Account or key Needs OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY
  • Category 検索・AIの記憶

一緒に使える

この種の作業を AI に教える Skill。これと一緒に使えます

timesfm

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

作者:google-research★ 35,6291 個の skill

Skill · 手順書

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…

作者:BigBodyCobain★ 11,6021 個の skill

Skill · 手順書

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

作者:gosom★ 8,2091 個の skill

Skill · 手順書

この順位の理由

一覧は利用スコア(100 点満点)で並びます。内訳は次のとおり

人気0/80GitHub スターか週間ダウンロード数。大きい方を 60、小さい方を 20 で数えます
新しさ3/1230 日以内のリリースかコード更新で満点
応答中0/8前回の確認でクラウドのエンドポイントが応答
利用スコア3/100

品質: 基本チェック 2/3 項目に合格(表示のみ、並び順には不使用) · 勢い: データなし (「急上昇」タブでのみ使用)

インストール

使っているAIアプリを選んで、設定をコピーしてください。

ひとことで AI にインストールしてもらう

Literature Review Council をインストールして。https://mcp.popnx.com/i/ravicha2-lit-review-council.md に従い、コマンドを見せて、私が OK するまで実行しないで。

パソコンで作業できる AI(Claude Code や Cursor など)に貼り付けます。手順を読み、コマンドを見せて、あなたの OK を待ちます。キー不要・登録不要。 · AI が読む全文を見る

チェック 2/3 合格 · あなたのパソコンで動きます · ✓ コマンド確認済み 2026年11月14日

まず:どの AI を使っていますか?

使っているアプリを選ぶと、下に手順が表示されます。

Claude につなげますが、先に準備が必要です

Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません

AI にインストールしてもらう

このメッセージを Claude のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude に MCP server Literature Review Council を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "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) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Literature Review Council のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Literature Review Council に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    キーの取り方は下の提供元 README にあります

  3. パソコン版 Claude アプリの設定ファイルを開く

    SettingsDeveloperEdit Config

  4. この設定を貼り付けて保存

    {
      "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"
          }
        }
      }
    }

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Claude を終了してもう一度開く

  6. 試してみる

    Literature Review Council を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude が Literature Review Council を使っていると言うか、回答に Literature Review Council のツール名が出れば接続成功です

追加の設定 3 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • ENG_MODEL エンジニアエージェント用のモデル(デフォルト: openrouter/moonshotai/kimi-k2.6)
    英語の原文を見るModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL リサーチエージェント用のモデル(デフォルト: openrouter/z-ai/glm-5.1)
    英語の原文を見るModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL レビュー担当/統合エージェント用のモデル(デフォルト: openrouter/deepseek/deepseek-v4-pro)
    英語の原文を見るModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

ChatGPT はまだ Literature Review Council につなげません

Literature Review Council はパソコンに入れて使うものですが、ChatGPT は Web 上で動くサーバーにしかつなげません

代わりにできること

A · Literature Review Council につなげるアプリを使う

  • Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません
  • Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

B · 検索・AIの記憶 の中で ChatGPT につなげる別のサーバー

同じカテゴリでよく使われているものから、キーなしでアドレスだけでつなげるものを選びました

Claude Code につなげますが、先に準備が必要です

Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Claude Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude Code に MCP server Literature Review Council を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):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) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Literature Review Council のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Literature Review Council に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    キーの取り方は下の提供元 README にあります

  3. ターミナルを開く

    Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く

  4. このコマンドを貼り付けて 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

    Enter の前に「your-value」を自分のキーに書き換えてください

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Claude Code で /mcp と入力

    Literature Review Council が一覧にあり、接続済みと表示されれば OK です

  6. 試してみる

    Literature Review Council を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude Code が Literature Review Council を使っていると言うか、回答に Literature Review Council のツール名が出れば接続成功です

追加の設定 3 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • ENG_MODEL エンジニアエージェント用のモデル(デフォルト: openrouter/moonshotai/kimi-k2.6)
    英語の原文を見るModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL リサーチエージェント用のモデル(デフォルト: openrouter/z-ai/glm-5.1)
    英語の原文を見るModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL レビュー担当/統合エージェント用のモデル(デフォルト: openrouter/deepseek/deepseek-v4-pro)
    英語の原文を見るModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Cursor につなげますが、先に準備が必要です

Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Cursor のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Cursor に MCP server Literature Review Council を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "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) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Literature Review Council のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Literature Review Council に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    キーの取り方は下の提供元 README にあります

  3. このボタンで Cursor を開く

    Cursor で開く

    Cursor がインストールの確認をするので Install を押します

  4. キーを入力

    Literature Review Council の設定で OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY が空です。自分のキーを入れて保存します

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. Cursor の AI チャットを Agent モードで開く

  6. 試してみる

    Literature Review Council を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Cursor が Literature Review Council を使っていると言うか、回答に Literature Review Council のツール名が出れば接続成功です

追加の設定 3 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • ENG_MODEL エンジニアエージェント用のモデル(デフォルト: openrouter/moonshotai/kimi-k2.6)
    英語の原文を見るModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL リサーチエージェント用のモデル(デフォルト: openrouter/z-ai/glm-5.1)
    英語の原文を見るModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL レビュー担当/統合エージェント用のモデル(デフォルト: openrouter/deepseek/deepseek-v4-pro)
    英語の原文を見るModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Cursor のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

VS Code につなげますが、先に準備が必要です

Literature Review Council のキーが必要です(提供元のサイトで作成) · 先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを VS Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの VS Code に MCP server Literature Review Council を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "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) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY は "your-value" のままにして、本当の値は私がファイルかアプリの入力欄に自分で貼るよう伝える。チャットにキーを書かせない。5) 了承した内容を実行し、Literature Review Council のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. Literature Review Council に登録してキーを作る

    提供元のサイトで登録し、次の手順で使う API キーを作ります。料金や無料プランは提供元のサイトで確認してください。

    キーの取り方は下の提供元 README にあります

  3. このボタンで VS Code を開く

    VS Code で開く

    VS Code がインストールの確認をするので Install を押します

  4. キーを入力

    Literature Review Council の設定で OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY が空です。自分のキーを入れて保存します

    キーはアプリの入力欄にだけ貼り付け、チャットに貼ったり人に送ったりしないでください

  5. VS Code の AI チャットを Agent モードで開く

  6. 試してみる

    Literature Review Council を使って、私に何ができるか教えて、1 つやってみせて

    ✓ VS Code が Literature Review Council を使っていると言うか、回答に Literature Review Council のツール名が出れば接続成功です

追加の設定 3 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • ENG_MODEL エンジニアエージェント用のモデル(デフォルト: openrouter/moonshotai/kimi-k2.6)
    英語の原文を見るModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL リサーチエージェント用のモデル(デフォルト: openrouter/z-ai/glm-5.1)
    英語の原文を見るModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL レビュー担当/統合エージェント用のモデル(デフォルト: openrouter/deepseek/deepseek-v4-pro)
    英語の原文を見るModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に VS Code のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Windsurf、Zed、Gemini CLI など MCP を使える他のアプリは追加方法がそれぞれ違います。アプリ一覧で確認してください

MCP を使えるアプリをすべて見る →

JSON 設定は下の「開発者向け」にあります

つまずいたら?Literature Review Council を使っている人に聞いてみましょう💬 ディスカッション →
開発者向け:ターミナルのコマンドと JSON 設定

パソコンにインストール

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"
      }
    }
  }
}

自分で入力する値

  • OPENROUTER_API_KEY 秘密 必須 env
    LLM アクセス用の OpenRouter API キー
    英語の原文を見るOpenRouter API key for LLM access
  • GITHUB_TOKEN 秘密 必須 env
    practitioner track 検索用の GitHub 個人アクセストークン
    英語の原文を見るGitHub personal access token for practitioner track searches
  • TAVILY_API_KEY 秘密 必須 env
    Web検索用のTavily APIキー
    英語の原文を見るTavily API key for web search
  • OPENALEX_API_KEY 秘密 必須 env
    学術検索用の OpenAlex API キー
    英語の原文を見るOpenAlex API key for academic search
  • ENG_MODEL env
    エンジニアエージェント用のモデル(デフォルト: openrouter/moonshotai/kimi-k2.6)
    英語の原文を見るModel for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL env
    リサーチエージェント用のモデル(デフォルト: openrouter/z-ai/glm-5.1)
    英語の原文を見るModel for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL env
    レビュー担当/統合エージェント用のモデル(デフォルト: openrouter/deepseek/deepseek-v4-pro)
    英語の原文を見るModel for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

ひと目でわかる

週あたりのダウンロードi
20/週
ライセンスi
ライセンスの記載なし
接続方法
パソコンで動く
最新バージョンi
0.1.4
レジストリ公開日i
2026年6月22日
コードの最終更新i
2026年6月23日
作者
Ravicha2
パッケージ
pypi: lit-review-council
レジストリでの状態
有効

使えるアプリ

このサーバーのつなぎ方と、各アプリの公式ドキュメントに基づきます。2026年11月10日に確認。

パソコン上で動かせるアプリ

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

すべてのアプリと長所・短所 →

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月19日にチェック

  • ✓ 合格

    作者とリポジトリが一致

    レジストリ名は、リポジトリを所有するGitHubアカウント Ravicha2 で確認済みです

  • ✓ 合格

    今もメンテナンスされている

    コードの最終更新:5 か月前

  • ✕ 不合格

    ライセンスがある

    リポジトリにライセンスファイルが見つかりません

  • – 対象外

    エンドポイントが応答する

    これはパソコンで動くため、インターネット上のエンドポイントはありません

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

公開済みの脆弱性(OSV.dev)

OSV.dev に lit-review-council@0.1.4 の登録はありません

このバージョンのパッケージ本体のみ確認。すべての依存関係ではありません · 確認日 2026年11月16日

確認していること → · JSON

作者の方へ:再確認の依頼・情報の誤りの報告
作者向け:README にバッジを付ける

作者の方は、このコードを README に貼れます。バッジはこのページにリンクします。

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

話し合い

質問、コツの共有、使えないことの報告ができます。「役に立った」の多い順です。

まだ投稿はありません。最初の質問や共有をどうぞ。

ここの投稿は利用者によるもので、PopNx チームのものではありません。

ログインして投稿

ユーザーレビュー

まだレビューはありません

ログインしてレビューを書く

検索・AIの記憶のほかのサーバーとの比較i

  • このカテゴリのほかの6384件のうち0%よりスターが多い
  • このカテゴリのほかの6384件のうち16%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの6384件のうち50%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Literature Review Councilは安全ですか?

当てはまる基本チェック3項目のうち2項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか?

入力が必要なもの:OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY

パソコンで動きますか、それともクラウドですか?

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません(サーバー自体がオンラインサービスを呼び出す場合を除きます)。

今もメンテナンスされていますか?

GitHubリポジトリの最終更新は5 か月前、最新バージョン(0.1.4)がレジストリに届いたのは5 か月前です。

どのアプリで使えますか?

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。

代わりに使えるものは?

同じカテゴリには:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

似た働きのほかの候補

同じカテゴリでほかの作者のもの。コマンドは確認済み。公式を先に、次にスター順。

カードの見方:↓ 週あたりのダウンロードi★ GitHubスターi3つの柱:レビュー · チェック · 利用状況i更新=最新バージョンをレジストリに公開した日i

OpenSEO

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

作者:every-app広く使われている★ 2.8万5 日前更新

クラウドで動く✓ everyapp.com

Exa

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

作者:exa-labs広く使われている★ 52422 か月前更新

クラウドで動く✓ 提供元 · exa.aiPopNx チームが実際に試用

Microsoft Learn MCP

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

作者:MicrosoftDocs広く使われている★ 199712 か月前更新

クラウドで動く✓ 提供元 · microsoft.comPopNx チームが実際に試用

Docs

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

作者:proxysoul成長中★ 16262 か月前更新

クラウドで動く✓ empryo.com
似たものと比べる
これ
Literature Review Council
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
動く場所パソコンにインストールが必要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要
キーが必要はいいいえいいえいいえいいえいいえ
Claude で + から追加いいえはいはいはいいいえいいえ
基本チェック2/35/52/44/44/44/4
ライセンス–MITMITCC-BY-4.0NOASSERTIONApache-2.0
料金登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

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.