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.
이런 작업을 AI에게 가르치는 Skill, 이것과 함께 쓸 수 있습니다
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
목록은 사용 점수(100점 만점)로 정렬되며 구성은 다음과 같습니다
| 인기 | 0/80 | GitHub 별 또는 주간 다운로드: 큰 쪽 60, 작은 쪽 20 |
|---|---|---|
| 최신성 | 3/12 | 30일 안에 릴리스나 코드 변경이 있으면 만점 |
| 응답 중 | 0/8 | 마지막 점검 때 클라우드 엔드포인트가 응답 |
| 사용 점수 | 3/100 |
품질: 기본 점검 2/3개 통과(표시만, 정렬에는 안 씀) · 상승세: 데이터 없음 (급상승 탭에서만 사용)
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
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.
이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter
uv --versionMac: ⌘ + 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
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
제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.
키 받는 방법은 아래 제작자 README에 있어요
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"
}
}
}
}키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요
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
위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.
ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6) RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1) JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: 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
A · Literature Review Council에 연결되는 앱 쓰기
Claude Code에 연결할 수 있지만 먼저 준비가 필요해요
Literature Review Council 키가 필요해요 (제작자 사이트에서 만들기) · 먼저 컴퓨터에 Python (uv)를 설치하세요 (한 번만)
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.
이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter
uv --versionMac: ⌘ + 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
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
제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.
키 받는 방법은 아래 제작자 README에 있어요
Mac: Command+스페이스를 누르고 Terminal 입력 · Windows: PowerShell 열기
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 전에 “your-value”를 내 키로 바꾸세요
키는 앱 입력란에만 붙여 넣고, 채팅에 붙이거나 다른 사람에게 보내지 마세요
Literature Review Council이 목록에 있고 연결됨으로 보이면 돼요
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
위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.
ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6) RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1) JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: 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)
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.
이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter
uv --versionMac: ⌘ + 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
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
제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.
키 받는 방법은 아래 제작자 README에 있어요
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
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
위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.
ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6) RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1) JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: 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)
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.
이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter
uv --versionMac: ⌘ + 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
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
제작자 사이트에서 가입하고 다음 단계에 쓸 API 키를 만드세요. 요금과 무료 요금제는 제작자 사이트에서 확인하세요.
키 받는 방법은 아래 제작자 README에 있어요
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
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
위 명령은 이 값들 없이도 동작합니다. 바꾸고 싶을 때만 제작자 설명대로 추가하세요.
ENG_MODEL 엔지니어 에이전트용 모델(기본값: openrouter/moonshotai/kimi-k2.6) RESEARCH_MODEL 리서치 에이전트용 모델(기본값: openrouter/z-ai/glm-5.1) JUDGE_MODEL 리뷰어/종합 에이전트용 모델(기본값: 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
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 비밀 필수 envGITHUB_TOKEN 비밀 필수 envTAVILY_API_KEY 비밀 필수 envOPENALEX_API_KEY 비밀 필수 envENG_MODEL envRESEARCH_MODEL envJUDGE_MODEL env설명은 자동 번역이며 변수 이름은 원문 그대로입니다. 확실하지 않으면 원문을 확인하세요.
이 설정은 제작자의 레지스트리 정보로 만들었어요. README와 다르면 README를 따르세요.
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
내 컴퓨터에서 실행돼요. 설치하면 AI 앱에 도구 목록이 나타나요.
누구나 볼 수 있는 정보를 점검했고, 코드는 읽지 않았어요. 해당하지 않는 항목은 개수에서 뺐어요. · 2026년 11월 18일 점검
레지스트리 이름이 GitHub 계정 Ravicha2 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
코드 마지막 변경: 5개월 전
저장소에서 라이선스 파일을 찾지 못했어요
내 컴퓨터에서 실행되는 서버라 인터넷 엔드포인트가 없어요
내 컴퓨터에서 실행되며, 대신 로컬 설정을 사용해요
내 컴퓨터에서 실행돼요. 도구 목록은 인터넷 엔드포인트가 있는 서버에서만 읽을 수 있어요
OSV.dev에 lit-review-council@0.1.4 항목이 없습니다
이 버전의 패키지 자체만 확인하며 모든 의존성은 아닙니다 · 확인 2026년 11월 16일
제작자라면 이 코드를 README에 붙여 넣으세요. 배지는 이 페이지로 연결됩니다.
[](https://mcp.popnx.com/en/servers/ravicha2-lit-review-council)질문하고, 팁을 나누고, 안 되는 점을 알려 주세요. "도움이 됨"이 많은 순서예요.
아직 리뷰가 없어요
레지스트리에서 이 카테고리의 활성 서버 전체와 비교했어요. 스타는 게시자가 저장소를 소유한 경우에만 세요.
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.
입력해야 할 값: OPENROUTER_API_KEY, GITHUB_TOKEN, TAVILY_API_KEY, OPENALEX_API_KEY
내 컴퓨터에서 실행돼요. AI 앱이 필요할 때 실행하고, 데이터는 제작자의 서버를 거치지 않아요(서버 자체가 온라인 서비스를 호출하는 경우는 제외).
GitHub 저장소는 마지막으로 5개월 전 변경됐고, 최신 버전(0.1.4)은 5개월 전 레지스트리에 올라왔어요.
Claude Desktop, Claude Code, Cursor, VS Code처럼 MCP를 지원하는 앱에서 쓸 수 있어요. 내 컴퓨터에 Python (uv)도 있어야 해요.
같은 카테고리에는: OpenSEO, Exa, Microsoft Learn MCP, Docs, COTAL actions (cotal.ai)
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
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
| 이 항목 Literature Review Council | OpenSEO | Exa | Microsoft Learn MCP | Docs | COTAL actions (cotal.ai) | |
|---|---|---|---|---|---|---|
| 실행 위치 | 컴퓨터에 설치 필요 | 클라우드에서 동작, 설치 불필요 | 클라우드에서 동작, 설치 불필요 | 클라우드에서 동작, 설치 불필요 | 클라우드에서 동작, 설치 불필요 | 클라우드에서 동작, 설치 불필요 |
| 키 필요 | 예 | 아니요 | 아니요 | 아니요 | 아니요 | 아니요 |
| Claude에서 +로 추가 | 아니요 | 예 | 예 | 예 | 아니요 | 아니요 |
| 기본 점검 | 2/3 | 5/5 | 2/4 | 4/4 | 4/4 | 4/4 |
| 라이선스 | – | MIT | MIT | CC-BY-4.0 | NOASSERTION | Apache-2.0 |
| 가격 | 등록 정보에 비용 없음 | 등록 정보에 비용 없음 | 등록 정보에 비용 없음 | 등록 정보에 비용 없음 | 등록 정보에 비용 없음 | 등록 정보에 비용 없음 |
제작자의 저장소에서 쓰인 그대로 가져왔어요. PopNx MCP가 검토하거나 보증한 내용이 아니에요. HTML, 이미지, 스크립트는 제거했어요. 링크를 누르면 이 사이트를 벗어나요.
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.