timesfm
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
Multi-agent literature review: research, peer review, and synthesize grounded reports.
この種の作業を AI に教える Skill。これと一緒に使えます
TimesFM (Time Series Foundation Model) is a pretrained time-series foundation model developed by Google Research for time-series forecasting.
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…
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
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 | 0/80 | GitHub 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 | 3/12 | 30 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)
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
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。
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 --versionMac:⌘ + 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
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
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
SettingsDeveloperEdit Config
{
"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
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
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) 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) 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) 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
A · Literature Review Council につなげるアプリを使う
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)
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。
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 --versionMac:⌘ + 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
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
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
Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く
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-councilEnter 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
Literature Review Council が一覧にあり、接続済みと表示されれば OK です
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
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) 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) 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) 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)
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。
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 --versionMac:⌘ + 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
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
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
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
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
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) 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) 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) 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)
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。
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 --versionMac:⌘ + 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
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
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
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
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
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) 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) 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) 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
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-councilClaude 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"
}
}
}
}OPENROUTER_API_KEY 秘密 必須 envGITHUB_TOKEN 秘密 必須 envTAVILY_API_KEY 秘密 必須 envOPENALEX_API_KEY 秘密 必須 envENG_MODEL envRESEARCH_MODEL envJUDGE_MODEL env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。
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
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。
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
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
コードの最終更新:5 か月前
リポジトリにライセンスファイルが見つかりません
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
パソコンで動き、代わりにローカルの設定を使います
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
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
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。
[](https://mcp.popnx.com/en/servers/ravicha2-lit-review-council)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。
まだレビューはありません
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。
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。
入力が必要なもの:OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY
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)。
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。
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。
同じカテゴリには:OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
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
Keyword research, site audits, rank tracking and AI visibility for your AI agent.
Connect AI agents to Exa for web search, content fetching, and multi-step research.
Official Microsoft Learn MCP Server – real-time, trusted docs & code samples for AI and LLMs.
Search and read Empryo's documentation. Read-only, no auth, no local access.
cotal.ai actions: product overview, site search, build log, feedback, Cloud waitlist, updates, calls
| これ Literature Review Council | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL 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 | 2/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| ライセンス | – | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-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。
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
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:
(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.Published to PyPI and the MCP Registry. No clone or manual config needed.
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.
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" } } } }
| Client | Config 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 |
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"
| Variable | Purpose | Required |
|---|---|---|
OPENROUTER_API_KEY | LLM access via OpenRouter | Yes |
GITHUB_TOKEN | Practitioner track (GitHub search) | Yes |
TAVILY_API_KEY | Web search across both tracks | Yes |
OPENALEX_API_KEY | Academic track (OpenAlex API) | No |
ENG_MODEL | Model for engineer agents | No (default: openrouter/moonshotai/kimi-k2.6) |
RESEARCH_MODEL | Model for research agents | No (default: openrouter/z-ai/glm-5.1) |
JUDGE_MODEL | Model for reviewers & synthesis | No (default: openrouter/deepseek/deepseek-v4-pro) |
The pipeline is organized into four stages, with topics executed across two waves to balance parallelism and sequential dependency.
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:
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 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)
| Provider | Domains | Used By |
|---|---|---|
| ArXiv API | arxiv.org | Academic explorer |
| OpenAlex API | openalex.org | Academic explorer |
| Tavily (scholarly) | acm.org, ieee.org, springer.com, sciencedirect.com, nature.com, science.org, wiley.com | Academic explorer |
| GitHub API | github.com | Practitioner explorer |
| Tavily (engineering) | github.com, docs.microsoft.com, aws.amazon.com, cloud.google.com, medium.com, dev.to | Practitioner explorer |
All providers use tenacity retry with exponential backoff for 429/5xx errors.
Every reference is classified into one of four tiers:
The synthesis step warns when more than half of cited sources are blog_or_forum tier.
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.