Academic Research Kernel

Name: Academic Research Kernel
Author: xngg1021

제작자: xngg1021버전 2.1.0i★ –i내 컴퓨터에서 실행

레지스트리 이름io.github.xngg1021/academic-research-kernel

설치

개요

제작자가 쓴 설명(영어 원문)

Deterministic research state, evidence validation and statistical recomputation.

PopNx MCP의 세 기둥

이 세 가지는 절대 하나의 점수로 합치지 않아요. 의견, 측정, 인기는 서로 다른 것이니까요.

사용자 의견i아직 리뷰가 없어요리뷰는 다음 단계에서 계정 기능과 함께 열려요
우리의 기본 점검i1개 중 1개 통과공개된 정보로 점검했으며, 코드는 아직 스캔하지 않았어요
사용 정도i아직 측정 안 함★ –

할 수 있는 일

이 서버는 아직 쉬운 말로 된 요약을 쓰지 못했어요. 아래는 레지스트리에서 읽어 온 사실이에요.

연결 방식: 내 컴퓨터에서 실행
전송 방식: stdio
카테고리: 검색 및 AI 기억

설치

쓰고 있는 AI 앱을 고른 다음 설정을 복사하세요.

설치하기 전에

기본 점검: 1개 중 1개 통과
내 컴퓨터에서 내 사용자 계정의 권한(파일, 네트워크, 앱)으로 실행돼요.
레지스트리에 입력해야 할 키가 나와 있지 않아요.

필요한 것

PyPIPython의 uv 설치(uvx 명령어용)

어떤 앱을 쓰세요?

ClaudeClaude CodeCursorVS CodeChatGPT

위에서 앱을 고르세요. 기억해 두었다가 다음부터는 버튼에 “…에 설치”라고 표시해요.

Claude Desktop → Settings → Developer → Edit Config를 열고 claude_desktop_config.json에 이 내용을 붙여 넣으세요

{
  "mcpServers": {
    "academic-research-kernel": {
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "mcp"
      ]
    }
  }
}

터미널에서 이 명령어를 실행하세요

claude mcp add academic-research-kernel -- uvx academic-research-kernel mcp

Cursor에서 열기

또는 설정을 직접 복사하기

프로젝트의 .cursor/mcp.json 또는 ~/.cursor/mcp.json에 붙여 넣으세요

{
  "mcpServers": {
    "academic-research-kernel": {
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

VS Code에서 열기

또는 설정을 직접 복사하기

프로젝트의 .vscode/mcp.json에 붙여 넣으세요

{
  "servers": {
    "academic-research-kernel": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "academic-research-kernel",
        "mcp"
      ]
    }
  }
}

브라우저가 앱을 열지 물어본 다음, 앱이 설정을 보여 주고 확인을 요청해요. 키 값은 비워 두니 직접 입력하세요.

이 서버는 내 컴퓨터에서 실행되는데, ChatGPT는 인터넷에 있는 서버에만 연결할 수 있어요. 다른 앱을 고르세요.

선택한 앱은 이 기기의 쿠키에만 저장돼요. 계정은 필요 없어요.

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

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 7일 점검

✓ 통과
제작자와 저장소 일치
레지스트리 이름이 GitHub 계정 xngg1021 기준으로 확인되었고, 이 계정이 저장소를 소유하고 있어요
… 아직 점검 안 함
계속 관리되고 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
… 아직 점검 안 함
라이선스 있음
아직 GitHub에서 이 저장소를 읽어 오지 않았어요
– 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

검색 및 AI 기억 카테고리의 다른 서버와 비교i

이 카테고리의 다른 서버 5654개 중 0%보다 스타가 많아요
이 카테고리의 다른 서버 5654개 중 57%보다 최근에 레지스트리에 공개됐어요
기본 점검 결과가 이 카테고리의 다른 서버 5654개 중 100%와 같거나 더 좋아요

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

자주 묻는 질문

Academic Research Kernel, 안전한가요?

해당하는 기본 점검 1개 중 1개를 통과했어요. 코드는 읽지 않았어요. 키나 토큰을 넣기 전에 서버가 어떤 권한을 요구하는지 확인하고, 꼭 필요한 권한만 있는 키를 쓰세요.

어떤 키나 코드가 필요한가요?

레지스트리에 필수 키가 나와 있지 않아요. 다만 처음 쓸 때 로그인을 요구하는 서버도 있어요.

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 – 변경됐고, 최신 버전(2.1.0)은 30일 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: Context7, Codebase Memory, Exa

대안

같은 카테고리에서 다른 제작자가 만든 서버예요. 스타 순으로 정렬했어요.

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

Context7

제작자: upstash

Up-to-date docs for AI agents

컴퓨터 또는 클라우드★ 64,224MIT어제 업데이트

설치

Codebase Memory

제작자: DeusData

Codebase knowledge graph for AI agents — 162 languages, sub-ms queries, 99% fewer tokens.

내 컴퓨터에서 실행★ 48,148MIT21일 전 업데이트

설치

Exa

제작자: exa-labs

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

클라우드에서 실행★ 5,213MIT2개월 전 업데이트

설치

제작자의 README

README 열기

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

academic-research-kernel

English · 简体中文 · 繁體中文 · 日本語 · 한국어 · Deutsch · Français · Español · Português · Русский · Bahasa Indonesia · Italiano · हिन्दी · العربية · বাংলা · اردو · Tiếng Việt · Türkçe · فارسی · Kiswahili · Polski

This repository is a practical toolkit for verifying scholarly sources, checking statistical numbers, and tracking research evidence with AI agents. When researchers use language models to read papers or draft literature reviews, models often invent citations, misread tables, or lose track of which page supports a specific claim. To prevent this, academic-research-kernel packages 14 scholarly workflows and 12 deterministic verification tools behind a standard Model Context Protocol (MCP) server and command-line interface. You can use it to check paper identities and retractions, recompute reported statistics, read papers into source-linked reports, manage systematic review screening logs, and record every claim alongside its supporting evidence and negative results. It works directly with Claude Code, Cursor, Codex, Gemini CLI, and Hermes Agent. Validation scope and external service limits are documented in the project audit.

Author: Junfu Shi (SJF, xngg1021), Hermes Agent. License: Source Lineage License 1.0.

Quick start

If you want your AI agent to read a paper, check its numbers, and generate a report, install the package with PDF support and export the paper-research workflow into your agent's skill directory; if you want to connect the 12 verification tools as a background MCP server for an MCP client, install uv and start the stdio server:

# 1. Read PDF papers and generate reports with your local AI agent

uv tool install "academic-research-kernel[research]==2.2.0" academic-research-kernel research skill --output ./paper-research

2. Or start the background stdio MCP server for an MCP client

uvx academic-research-kernel@2.2.0 mcp

Note that running mcp in a terminal waits silently for JSON-RPC requests from an MCP client rather than opening an interactive menu. The 2.2.0 release page lists package hashes and publication status. If you download the release wheel, you can also run it locally with uvx --from ./academic_research_kernel-2.2.0-py3-none-any.whl academic-research-kernel mcp. The package supports Python 3.10–3.14, and uvx --python 3.12 selects a specific Python version. The base installation includes all 12 verification tools and loads statistical libraries on demand when statistical recomputation is called.

Verify installation

uvx academic-research-kernel@2.2.0 doctor

uvx academic-research-kernel@2.2.0 --version

The doctor command runs offline and checks runtime dependencies, JSON schemas, and all 12 tool definitions. Leaving optional external APIs unconfigured will not fail the check. Pass doctor --json if you need machine-readable output.

Package install

uv tool install academic-research-kernel==2.2.0

academic-research-kernel doctor academic-research-kernel mcp

You can also install the package with pipx install academic-research-kernel==2.2.0 or python -m pip install academic-research-kernel==2.2.0 inside a virtual environment. Installing with [full] adds libraries used in extended scientific computing examples. Installing with [research] adds pypdf==6.19.0 and fonttools==4.65.0 so PDF font decoding behaves identically across clean environments on Python 3.10 and newer. Installing with [qa] adds repository test tools on top of those parsing libraries. HTML, XML, DOCX, and XLSX reading use the Python standard library, while GPU backends and paid scholarly databases remain optional.

Hermes

Make sure uv is on the Hermes process PATH, then install and enable the plugin:

hermes plugins install xngg1021/academic-research-kernel --no-enable

hermes plugins enable academic-skills

The plugin keeps the academic-skills name for compatibility and includes all 14 skills, including paper-research. Its mcp.json configuration runs uv run --frozen --no-dev --no-editable with Python 3.12 and the repository's uv.lock file, storing its isolated environment under ${PLUGIN_DATA}/runtime. On first run, it installs its own dependencies without modifying Hermes or system Python packages. If you prefer installing individual skills without the plugin runtime, see Integration & Portable Usage.

Run from source

git clone https://github.com/xngg1021/academic-research-kernel.git

cd academic-research-kernel uv sync --frozen --no-dev --no-editable uv run --frozen --no-dev --no-editable academic-research-kernel doctor uv run --frozen --no-dev --no-editable python scripts/mcp_server.py

See distribution and release for dependency groups, reproducible build steps, and release verification checkpoints.

License

Snapshots containing this notice apply Source Lineage License 1.0 to the covered material and rights described in LICENSE-APPLICATION.md. The initial SLL commit and the subsequent boundary-recording commit are recorded in LICENSE-HISTORY.md and SOURCE-LINEAGE.md. Later snapshots that keep this notice carry the same license scope.

Historical snapshots through commit 439ce4a29d6d2d9137308d7f9f045863e9f0c5b3 were distributed under the MIT License. Users of those earlier snapshots keep their MIT permissions and do not need to migrate to SLL. The previous MIT license text and tests/upstream/LICENSE are preserved unchanged.

SLL permits use, study, modification, commercial use, redistribution, and proprietary extensions, provided you keep the required license and source-lineage notices. It is not copyleft and does not require disclosing your source code. Running a network service without distributing software copies does not trigger the source-lineage notice requirement. The license includes no express patent grant, and third-party files remain under their original licenses. The English LICENSE text is authoritative; LicenseRef-Source-Lineage-1.0 is a local identifier rather than an SPDX or OSI-approved code. Contribution rules are separate from downstream license rights.

Skills

Skill	Version	What it does
`skills/academic-source-verification`	1.2.0	Check paper metadata and citation counts across databases, inspect corrections or retractions, find open-access full text, and verify that a local PDF matches the cited work
`skills/literature-analysis`	1.3.0	Twelve everyday workflows: find similar papers, check text overlap, search for counter-evidence, summarize author histories, run mock peer review, check reasoning flaws, build comparison tables, suggest target journals, export BibTeX, read bilingually, spot research gaps, and plan reproduction
`skills/academic-writing`	1.1.1	Revise academic prose, format citations (ISO 690, APA, MLA, Chicago, IEEE, AMA, and regional standards), check journal author guidelines, prepare submission files, and verify anonymization for blind review
`skills/math-computation`	1.2.1	Route symbolic, numerical, and statistical calculation tasks to verified Python tools, accompanied by four domain reference guides
`skills/quantitative-paper-audit`	1.1.0	Recompute reported effect sizes, p-values, confidence intervals, odds or risk ratios, and statistical power from summary numbers to catch reporting errors
`skills/research-reproducibility`	1.0.1	Audit whether a paper's code, data, dependencies, and reported metrics can be reproduced across a 14-step checklist
`skills/systematic-review-meta-analysis`	1.0.1	Record PRISMA search and screening logs, convert effect sizes, test heterogeneity, pool fixed or random effects, and run sensitivity and publication-bias checks
`skills/literature-watch`	1.1.0	Monitor OpenAlex and Crossref weekly for new papers by topic, author, or cited DOI, deduplicating results so only new works are reported
`skills/retraction-watch`	1.1.0	Recheck a DOI watchlist weekly against OpenAlex retraction flags and Crossref update records, reporting only papers whose status changed
`skills/research-object-identity`	1.1.0	Normalize DOIs, arXiv IDs, and file hashes into canonical records, verify resource status, and trace how derived files were produced from raw sources
`skills/claim-evidence-graph`	1.0.0	Link each scientific claim to the exact source passage, table, or calculation record that supports or contradicts it
`skills/decision-ledger`	1.0.0	Keep an append-only Research Decision Log of methodological choices, failed attempts, reasons for dropping a direction, and later outcome revisions
`skills/paper-research`	1.0.0	Read a paper and its supplements from a DOI, URL, or local folder, verify extracted numbers, save structured research state, and generate source-linked Chinese reports or two-paper comparisons
`skills/cross-review-five`	2.0.0	Coordinate independent blind reviews across multiple language models or subagents, merge overlapping points, assign cross-challenges, and grade issues from P0 to P3 while preserving unresolved dissent

Across the 14 skills, 22 Markdown reference guides are loaded on demand when a task requires them.

Scholarly Standards & Multi-Profile Baseline

Citation formats, reporting checklists, and metadata rules depend on your target journal, funder, discipline, and region. This repository uses ISO 690:2021 (bibliographic references), ISO 5127:2017 (documentation vocabulary), and W3C PROV (provenance records) as its international baseline, alongside regional standards such as GB/T 7714-2025 in Mainland China, UNE-ISO 690:2024 in Spain, and DIN ISO 690:2021 in Germany, plus disciplinary guides including APA 7th, IEEE, ACM, Vancouver, Chicago, PRISMA 2020, and ICMJE. A target journal's own instructions always override default settings. See the Scholarly Standards Architecture and Natural Terminology Guide.

When saving research state, the kernel checks that DOIs and external identifiers match, prevents contradictory statistical verdicts on the same check, and tracks unresolved questions in a shared review list. Cache verification rebuilds state directly from saved source packages and hash bindings rather than trusting summary lists, so deleting both a record and its cache entry will still be caught during replay. Details are recorded in the four-blocker closeout.

Integration & Portable Usage

1. Universal Agent Plugins v1 & Model Context Protocol (MCP)

This repository follows the vendor-neutral Agent Plugins v1 format (plugin.json) and exposes its verification and statistical tools through a standard stdio MCP server (mcp.json / scripts/mcp_server.py). You can load it directly in Claude Code, Cursor, Codex, Gemini CLI, or any other MCP-compatible client. Although the repository is named academic-research-kernel, the plugin name academic-skills and existing MCP aliases remain unchanged so existing configurations keep working:

앞부분만 보여 드려요. 나머지는 저장소에서 읽어 보세요

Academic Research Kernel

개요

PopNx MCP의 세 기둥

할 수 있는 일

설치

설치하기 전에

할 수 있는 일

기본 점검i

제작자와 저장소 일치

계속 관리되고 있음

라이선스 있음

엔드포인트 응답

OAuth로 로그인

도구 설명에 숨겨진 지시 없음

검색 및 AI 기억 카테고리의 다른 서버와 비교i

자주 묻는 질문

대안

Context7

Codebase Memory

Exa

제작자의 README

academic-research-kernel

Quick start

2. Or start the background stdio MCP server for an MCP client

Verify installation

Package install

Hermes

Run from source

License

Skills

Scholarly Standards & Multi-Profile Baseline

Integration & Portable Usage

1. Universal Agent Plugins v1 & Model Context Protocol (MCP)