프로토타입 · 미리 보기: 공식 레지스트리의 모든 서버를 담고 있으며 30분마다 동기화해요. Google로 로그인하면 리뷰를 쓸 수 있어요.프로토타입 · 30분마다 업데이트
PopNx MCPAI를 쓰는 사람을 위한 MCP 서버 · 쉬운 말로 설명해요

Literature Review Council

제작자: Ravicha2버전 0.1.4i★ 0i내 컴퓨터에서 실행저장소 ↗
레지스트리 이름io.github.Ravicha2/lit-review-council

설치 방법

What it does

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

  • Connects 내 컴퓨터에서 실행
  • Account or key Needs OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY
  • Category 검색 및 AI 기억

함께 쓰기

이런 작업을 AI에게 가르치는 Skill, 이것과 함께 쓸 수 있습니다

timesfm

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

제작자: google-research★ 35,629skill 1개

Skill · 안내서

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…

제작자: BigBodyCobain★ 11,602skill 1개

Skill · 안내서

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

제작자: gosom★ 8,209skill 1개

Skill · 안내서

이 순위인 이유

목록은 사용 점수(100점 만점)로 정렬되며 구성은 다음과 같습니다

인기0/80GitHub 별 또는 주간 다운로드: 큰 쪽 60, 작은 쪽 20
최신성3/1230일 안에 릴리스나 코드 변경이 있으면 만점
응답 중0/8마지막 점검 때 클라우드 엔드포인트가 응답
사용 점수3/100

품질: 기본 점검 2/3개 통과(표시만, 정렬에는 안 씀) · 상승세: 데이터 없음 (급상승 탭에서만 사용)

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

한 문장으로 AI에게 설치 맡기기

Literature Review Council 설치해 줘. https://mcp.popnx.com/i/ravicha2-lit-review-council.md 를 따라 하고, 명령을 먼저 보여 주고 내가 승인하면 실행해.

내 컴퓨터에서 작업하는 AI(Claude Code, Cursor 등)에 붙여 넣으세요. 단계를 읽고 명령을 보여 준 뒤 승인을 기다립니다. 키도 가입도 필요 없습니다. · AI가 읽을 전체 내용 보기

검사 2/3 통과 · 내 컴퓨터에서 실행돼요 · ✓ 명령 확인 2026년 11월 14일

먼저: 어떤 AI를 쓰시나요?

쓰는 앱을 고르면 아래에 단계가 나옵니다.

Claude에 연결할 수 있지만 먼저 준비가 필요해요

Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만) · 컴퓨터용 Claude 앱(Windows 또는 Mac)에서만 되고 웹이나 모바일은 안 돼요

AI에게 설치 맡기기

이 메시지를 Claude 채팅에 붙여 넣으세요. AI가 컴퓨터를 확인하고 어떤 파일을 바꿀지 알려 준 뒤 매번 동의를 기다립니다.

이 컴퓨터의 Claude에 MCP server Literature Review Council을 설치해 주세요. 순서대로: 1) uv --version로 uv가 있는지 확인. 없으면 https://docs.astral.sh/uv/getting-started/installation/에서 설치하라고 알려 주고 직접 설치하지 마세요. 2) 이 설정만 사용하세요(PopNx MCP 확인 완료): { "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) 바꿀 파일의 전체 경로나 실행할 명령을 알려 주고 제 동의를 기다리세요. 4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY에는 "your-value"를 그대로 두고, 실제 값은 제가 파일이나 앱 입력란에 직접 붙여 넣도록 안내하세요. 채팅에 키를 입력하라고 하지 마세요. 5) 합의한 대로 실행한 뒤 Literature Review Council의 도구가 실제로 보이는지 확인하세요.

이 메시지에는 키가 없습니다. 키가 필요하면 AI가 파일이나 앱 입력란에 직접 붙여 넣으라고 안내합니다.

  1. uv 설치 (아직 없다면)

    이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter

    uv --version
    • 버전 번호(예: uv …)가 나오면 설치된 것입니다. 이 단계는 건너뛰세요
    • "command not found"(Windows는 "is not recognized")가 나오면 아직 설치하지 않았거나, 방금 설치해서 터미널을 닫았다가 다시 열어야 합니다
    터미널 여는 법

    Mac: ⌘ + Space를 누르고 Terminal 입력 후 Enter

    Windows: 시작 메뉴를 열고 Windows PowerShell 입력 후 "열기"

    아직 설치하지 않았다면: uv에는 클릭형 설치 파일이 없습니다. uv 공식 페이지에서 내 시스템(macOS 또는 Windows)용 한 줄 명령을 복사해 터미널에 붙여 넣으세요 · Python을 따로 설치할 필요 없이 uv가 필요할 때 자동으로 내려받습니다

    uv 다운로드 페이지 열기 ↗

    설치가 끝나면 터미널을 닫았다가 다시 열고 같은 명령을 실행하세요. 버전 번호가 나와야 합니다: uv --version

    한 번 설치하면 uv가 필요한 모든 도구에서 쓸 수 있습니다

  2. Literature Review Council에 가입하고 키 만들기

    제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.

    키 받는 방법은 아래 제작자 README에 있어요

  3. 컴퓨터용 Claude 앱 설정 파일 열기

    SettingsDeveloperEdit Config

  4. 이 설정을 붙여 넣고 저장

    {
      "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"
          }
        }
      }
    }

    키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요

  5. Claude를 끄고 다시 열기

  6. 해 보기

    Literature Review Council을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Claude가 Literature Review Council을 쓰고 있다고 하거나 답에 Literature Review Council 도구 이름이 나오면 연결된 거예요

추가 설정 3개 (입력하지 않아도 사용 가능)

위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.

  • ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6)
    영어 원문 보기Model for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1)
    영어 원문 보기Model for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: openrouter/deepseek/deepseek-v4-pro)
    영어 원문 보기Model for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

ChatGPT는 아직 Literature Review Council에 연결할 수 없어요

Literature Review Council는 내 컴퓨터에 설치해서 쓰지만 ChatGPT는 웹에서 도는 서버만 연결할 수 있어요

대신 이렇게 할 수 있어요

A · Literature Review Council에 연결되는 앱 쓰기

  • Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만) · 컴퓨터용 Claude 앱(Windows 또는 Mac)에서만 되고 웹이나 모바일은 안 돼요
  • Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)
  • Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)
  • Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)

B · 검색 및 AI 기억에서 ChatGPT에 연결되는 다른 서버

같은 분류에서 많이 쓰는 것 중 키 없이 주소만으로 연결되는 것을 골랐어요

Claude Code에 연결할 수 있지만 먼저 준비가 필요해요

Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)

AI에게 설치 맡기기

이 메시지를 Claude Code 채팅에 붙여 넣으세요. AI가 컴퓨터를 확인하고 어떤 파일을 바꿀지 알려 준 뒤 매번 동의를 기다립니다.

이 컴퓨터의 Claude Code에 MCP server Literature Review Council을 설치해 주세요. 순서대로: 1) uv --version로 uv가 있는지 확인. 없으면 https://docs.astral.sh/uv/getting-started/installation/에서 설치하라고 알려 주고 직접 설치하지 마세요. 2) 이 설정만 사용하세요(PopNx MCP 확인 완료): 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) 바꿀 파일의 전체 경로나 실행할 명령을 알려 주고 제 동의를 기다리세요. 4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY에는 "your-value"를 그대로 두고, 실제 값은 제가 파일이나 앱 입력란에 직접 붙여 넣도록 안내하세요. 채팅에 키를 입력하라고 하지 마세요. 5) 합의한 대로 실행한 뒤 Literature Review Council의 도구가 실제로 보이는지 확인하세요.

이 메시지에는 키가 없습니다. 키가 필요하면 AI가 파일이나 앱 입력란에 직접 붙여 넣으라고 안내합니다.

  1. uv 설치 (아직 없다면)

    이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter

    uv --version
    • 버전 번호(예: uv …)가 나오면 설치된 것입니다. 이 단계는 건너뛰세요
    • "command not found"(Windows는 "is not recognized")가 나오면 아직 설치하지 않았거나, 방금 설치해서 터미널을 닫았다가 다시 열어야 합니다
    터미널 여는 법

    Mac: ⌘ + Space를 누르고 Terminal 입력 후 Enter

    Windows: 시작 메뉴를 열고 Windows PowerShell 입력 후 "열기"

    아직 설치하지 않았다면: uv에는 클릭형 설치 파일이 없습니다. uv 공식 페이지에서 내 시스템(macOS 또는 Windows)용 한 줄 명령을 복사해 터미널에 붙여 넣으세요 · Python을 따로 설치할 필요 없이 uv가 필요할 때 자동으로 내려받습니다

    uv 다운로드 페이지 열기 ↗

    설치가 끝나면 터미널을 닫았다가 다시 열고 같은 명령을 실행하세요. 버전 번호가 나와야 합니다: uv --version

    한 번 설치하면 uv가 필요한 모든 도구에서 쓸 수 있습니다

  2. Literature Review Council에 가입하고 키 만들기

    제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.

    키 받는 방법은 아래 제작자 README에 있어요

  3. 터미널 열기

    Mac: Command+스페이스를 누르고 Terminal 입력 · Windows: PowerShell 열기

  4. 이 명령을 붙여 넣고 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 전에 “your-value”를 내 키로 바꾸세요

    키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요

  5. Claude Code에서 /mcp 입력

    Literature Review Council이 목록에 있고 연결됨으로 보이면 돼요

  6. 해 보기

    Literature Review Council을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Claude Code가 Literature Review Council을 쓰고 있다고 하거나 답에 Literature Review Council 도구 이름이 나오면 연결된 거예요

추가 설정 3개 (입력하지 않아도 사용 가능)

위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.

  • ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6)
    영어 원문 보기Model for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1)
    영어 원문 보기Model for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: openrouter/deepseek/deepseek-v4-pro)
    영어 원문 보기Model for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.

메뉴 이름은 2026년 11월 11일에 Anthropic 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Cursor에 연결할 수 있지만 먼저 준비가 필요해요

Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)

AI에게 설치 맡기기

이 메시지를 Cursor 채팅에 붙여 넣으세요. AI가 컴퓨터를 확인하고 어떤 파일을 바꿀지 알려 준 뒤 매번 동의를 기다립니다.

이 컴퓨터의 Cursor에 MCP server Literature Review Council을 설치해 주세요. 순서대로: 1) uv --version로 uv가 있는지 확인. 없으면 https://docs.astral.sh/uv/getting-started/installation/에서 설치하라고 알려 주고 직접 설치하지 마세요. 2) 이 설정만 사용하세요(PopNx MCP 확인 완료): { "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) 바꿀 파일의 전체 경로나 실행할 명령을 알려 주고 제 동의를 기다리세요. 4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY에는 "your-value"를 그대로 두고, 실제 값은 제가 파일이나 앱 입력란에 직접 붙여 넣도록 안내하세요. 채팅에 키를 입력하라고 하지 마세요. 5) 합의한 대로 실행한 뒤 Literature Review Council의 도구가 실제로 보이는지 확인하세요.

이 메시지에는 키가 없습니다. 키가 필요하면 AI가 파일이나 앱 입력란에 직접 붙여 넣으라고 안내합니다.

  1. uv 설치 (아직 없다면)

    이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter

    uv --version
    • 버전 번호(예: uv …)가 나오면 설치된 것입니다. 이 단계는 건너뛰세요
    • "command not found"(Windows는 "is not recognized")가 나오면 아직 설치하지 않았거나, 방금 설치해서 터미널을 닫았다가 다시 열어야 합니다
    터미널 여는 법

    Mac: ⌘ + Space를 누르고 Terminal 입력 후 Enter

    Windows: 시작 메뉴를 열고 Windows PowerShell 입력 후 "열기"

    아직 설치하지 않았다면: uv에는 클릭형 설치 파일이 없습니다. uv 공식 페이지에서 내 시스템(macOS 또는 Windows)용 한 줄 명령을 복사해 터미널에 붙여 넣으세요 · Python을 따로 설치할 필요 없이 uv가 필요할 때 자동으로 내려받습니다

    uv 다운로드 페이지 열기 ↗

    설치가 끝나면 터미널을 닫았다가 다시 열고 같은 명령을 실행하세요. 버전 번호가 나와야 합니다: uv --version

    한 번 설치하면 uv가 필요한 모든 도구에서 쓸 수 있습니다

  2. Literature Review Council에 가입하고 키 만들기

    제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.

    키 받는 방법은 아래 제작자 README에 있어요

  3. 이 버튼으로 Cursor 열기

    Cursor에서 열기

    Cursor가 설치를 확인하면 Install을 누르세요

  4. 키 입력

    Literature Review Council 설정에서 OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY가 비어 있어요. 내 키를 넣고 저장하세요

    키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요

  5. Cursor에서 AI 채팅을 Agent 모드로 열기

  6. 해 보기

    Literature Review Council을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ Cursor가 Literature Review Council을 쓰고 있다고 하거나 답에 Literature Review Council 도구 이름이 나오면 연결된 거예요

추가 설정 3개 (입력하지 않아도 사용 가능)

위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.

  • ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6)
    영어 원문 보기Model for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1)
    영어 원문 보기Model for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: openrouter/deepseek/deepseek-v4-pro)
    영어 원문 보기Model for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.

메뉴 이름은 2026년 11월 11일에 Cursor 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

VS Code에 연결할 수 있지만 먼저 준비가 필요해요

Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)

AI에게 설치 맡기기

이 메시지를 VS Code 채팅에 붙여 넣으세요. AI가 컴퓨터를 확인하고 어떤 파일을 바꿀지 알려 준 뒤 매번 동의를 기다립니다.

이 컴퓨터의 VS Code에 MCP server Literature Review Council을 설치해 주세요. 순서대로: 1) uv --version로 uv가 있는지 확인. 없으면 https://docs.astral.sh/uv/getting-started/installation/에서 설치하라고 알려 주고 직접 설치하지 마세요. 2) 이 설정만 사용하세요(PopNx MCP 확인 완료): { "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) 바꿀 파일의 전체 경로나 실행할 명령을 알려 주고 제 동의를 기다리세요. 4) OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY에는 "your-value"를 그대로 두고, 실제 값은 제가 파일이나 앱 입력란에 직접 붙여 넣도록 안내하세요. 채팅에 키를 입력하라고 하지 마세요. 5) 합의한 대로 실행한 뒤 Literature Review Council의 도구가 실제로 보이는지 확인하세요.

이 메시지에는 키가 없습니다. 키가 필요하면 AI가 파일이나 앱 입력란에 직접 붙여 넣으라고 안내합니다.

  1. uv 설치 (아직 없다면)

    이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter

    uv --version
    • 버전 번호(예: uv …)가 나오면 설치된 것입니다. 이 단계는 건너뛰세요
    • "command not found"(Windows는 "is not recognized")가 나오면 아직 설치하지 않았거나, 방금 설치해서 터미널을 닫았다가 다시 열어야 합니다
    터미널 여는 법

    Mac: ⌘ + Space를 누르고 Terminal 입력 후 Enter

    Windows: 시작 메뉴를 열고 Windows PowerShell 입력 후 "열기"

    아직 설치하지 않았다면: uv에는 클릭형 설치 파일이 없습니다. uv 공식 페이지에서 내 시스템(macOS 또는 Windows)용 한 줄 명령을 복사해 터미널에 붙여 넣으세요 · Python을 따로 설치할 필요 없이 uv가 필요할 때 자동으로 내려받습니다

    uv 다운로드 페이지 열기 ↗

    설치가 끝나면 터미널을 닫았다가 다시 열고 같은 명령을 실행하세요. 버전 번호가 나와야 합니다: uv --version

    한 번 설치하면 uv가 필요한 모든 도구에서 쓸 수 있습니다

  2. Literature Review Council에 가입하고 키 만들기

    제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.

    키 받는 방법은 아래 제작자 README에 있어요

  3. 이 버튼으로 VS Code 열기

    VS Code에서 열기

    VS Code가 설치를 확인하면 Install을 누르세요

  4. 키 입력

    Literature Review Council 설정에서 OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY가 비어 있어요. 내 키를 넣고 저장하세요

    키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요

  5. VS Code에서 AI 채팅을 Agent 모드로 열기

  6. 해 보기

    Literature Review Council을 써서 나에게 무엇을 해 줄 수 있는지 알려 주고, 하나 해 봐

    ✓ VS Code가 Literature Review Council을 쓰고 있다고 하거나 답에 Literature Review Council 도구 이름이 나오면 연결된 거예요

추가 설정 3개 (입력하지 않아도 사용 가능)

위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.

  • ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6)
    영어 원문 보기Model for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1)
    영어 원문 보기Model for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: openrouter/deepseek/deepseek-v4-pro)
    영어 원문 보기Model for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.

메뉴 이름은 2026년 11월 11일에 VS Code 도움말에서 확인 · 앱 버전에 따라 화면이 조금 다를 수 있어요

Windsurf, Zed, Gemini CLI 같은 다른 MCP 앱은 추가 방법이 저마다 달라요. 앱 목록에서 확인하세요

MCP를 쓰는 앱 모두 보기 →

JSON 설정은 아래 “개발자용”에 있어요

막혔나요? Literature Review Council을 쓰는 사람에게 물어보세요💬 토론 →
개발자용: 터미널 명령과 JSON 설정

컴퓨터에 설치

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"
      }
    }
  }
}

직접 입력할 값

  • OPENROUTER_API_KEY 비밀 필수 env
    LLM 액세스를 위한 OpenRouter API 키
    영어 원문 보기OpenRouter API key for LLM access
  • GITHUB_TOKEN 비밀 필수 env
    GitHub personal access token for practitioner track searches
  • TAVILY_API_KEY 비밀 필수 env
    웹 검색용 Tavily API 키
    영어 원문 보기Tavily API key for web search
  • OPENALEX_API_KEY 비밀 필수 env
    학술 검색용 OpenAlex API 키
    영어 원문 보기OpenAlex API key for academic search
  • ENG_MODEL env
    엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6)
    영어 원문 보기Model for engineer agents (default: openrouter/moonshotai/kimi-k2.6)
  • RESEARCH_MODEL env
    리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1)
    영어 원문 보기Model for research agents (default: openrouter/z-ai/glm-5.1)
  • JUDGE_MODEL env
    리뷰어/종합 에이전트용 모델(기본값: openrouter/deepseek/deepseek-v4-pro)
    영어 원문 보기Model for reviewer/synthesis agents (default: openrouter/deepseek/deepseek-v4-pro)

설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.

이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.

한눈에 보기

주간 다운로드i
20/주
라이선스i
라이선스 표시 없음
연결 방식
내 컴퓨터에서 실행
최신 버전i
0.1.4
레지스트리 공개i
2026년 6월 22일
코드 마지막 변경i
2026년 6월 23일
제작자
Ravicha2
패키지
pypi: lit-review-council
레지스트리 상태
활성

어떤 앱에서 쓸 수 있나요

이 서버의 연결 방식과 각 앱의 공식 문서를 바탕으로 했어요. 2026년 11월 10일 확인.

내 컴퓨터에서 실행하는 앱

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

모든 앱과 장단점 →

할 수 있는 일

내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.

기본 점검i

누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 18일 점검

  • ✓ 통과

    제작자와 저장소 일치

    레지스트리 이름이 GitHub 계정 Ravicha2 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요

  • ✓ 통과

    계속 관리되고 있음

    코드 마지막 변경: 5개월 전

  • ✕ 실패

    라이선스 있음

    저장소에서 라이선스 파일을 찾지 못했어요

  • – 해당 없음

    엔드포인트 응답

    내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요

  • – 해당 없음

    OAuth로 로그인

    내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요

  • … 아직 점검 안 함

    도구 설명에 숨겨진 지시 없음

    내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요

공개된 취약점 (OSV.dev)

OSV.dev에 lit-review-council@0.1.4 항목이 없습니다

이 버전의 패키지 자체만 확인하며 모든 의존성은 아닙니다 · 확인 2026년 11월 16일

우리가 확인하는 것 → · JSON

제작자: 재확인 요청 또는 잘못된 정보 신고
제작자용: README에 배지 달기

제작자라면 이 코드를 README에 붙여 넣으세요. 배지는 이 페이지로 연결됩니다.

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

토론

질문하고, 팁을 나누고, 안 되는 점을 알려 주세요. "도움이 됨"이 많은 순서예요.

아직 글이 없어요. 처음으로 질문하거나 공유해 보세요.

이곳의 글은 사용자가 쓴 것으로, PopNx 팀의 글이 아니에요.

로그인하고 글쓰기

사용자 리뷰

아직 리뷰가 없어요

로그인하고 리뷰 쓰기

검색 및 AI 기억 카테고리의 다른 서버와 비교i

  • 이 카테고리의 다른 서버 6370개 중 0%보다 스타가 많아요
  • 이 카테고리의 다른 서버 6370개 중 16%보다 최근에 레지스트리에 공개됐어요
  • 기본 점검 결과가 이 카테고리의 다른 서버 6370개 중 50%와 같거나 더 좋아요

레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.

자주 묻는 질문

Literature Review Council, 안전한가요?

해당하는 기본 점검 3개 중 2개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

입력해야 할 값: OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY

내 컴퓨터에서 실행되나요, 클라우드에서 실행되나요?

내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).

아직 관리되고 있나요?

GitHub 저장소는 마지막으로 5개월 전 변경됐고, 최신 버전(0.1.4)은 5개월 전 레지스트리에 올라왔어요.

어떤 앱에서 쓸 수 있나요?

Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.

대신 쓸 수 있는 건 뭐가 있나요?

같은 카테고리에는: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)

비슷하게 동작하는 다른 것

같은 카테고리, 다른 제작자, 명령 확인 완료. 공식이 먼저, 그다음 스타 순.

카드 보는 법:↓ 주간 다운로드i★ GitHub 스타i세 기둥: 리뷰 · 점검 · 사용 정도i업데이트 = 최신 버전을 레지스트리에 공개한 날i

OpenSEO

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

제작자: every-app널리 사용됨★ 2.8만4일 전 업데이트

클라우드에서 실행✓ everyapp.com

Exa

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

제작자: exa-labs널리 사용됨★ 5.2천2개월 전 업데이트

클라우드에서 실행✓ 서비스 회사 · exa.aiPopNx 팀이 직접 써 봄

Microsoft Learn MCP

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

제작자: MicrosoftDocs널리 사용됨★ 2천12개월 전 업데이트

클라우드에서 실행✓ 서비스 회사 · microsoft.comPopNx 팀이 직접 써 봄

Docs

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

제작자: proxysoul성장 중★ 1.6천2개월 전 업데이트

클라우드에서 실행✓ empryo.com
비슷한 항목과 비교
이 항목
Literature Review Council
OpenSEOExaMicrosoft Learn MCPDocsCOTAL actions (cotal.ai)
실행 위치컴퓨터에 설치 필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요클라우드에서 동작, 설치 불필요
키 필요예아니요아니요아니요아니요아니요
Claude에서 +로 추가아니요예예예아니요아니요
기본 점검2/35/52/44/44/44/4
라이선스–MITMITCC-BY-4.0NOASSERTIONApache-2.0
가격등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음등록 정보에 비용 없음

제작자의 README

README 열기

제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.

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.