YGao2005/scholar-feed-mcp

YGao2005/scholar-feed-mcp

от ygao2005
MCP-сервер для поиска более 600 000 научных статей по CS/AI/ML с LLM-анализом новизны. Помогает исследователям проводить литературный обзор и отслеживать тренды прямо в Claude Code или Cursor.

Scholar Feed

Scholar Feed MCP Server

CI npm version Node License: MIT smithery badge

Search 600,000+ CS/AI/ML research papers with LLM-generated novelty analysis, without leaving Claude Code, Cursor, or any MCP client. Built for researchers running a literature review where they already work: search, trace citations, pull full text, and export BibTeX in the same session.

Scholar Feed indexes arXiv papers daily and ranks them using a multi-signal scoring system (recency, citation velocity, institutional reputation, code availability). Each paper has an LLM-generated summary and novelty score.

Quick Start

npx scholar-feed-mcp@latest init

This interactive wizard will:

  1. Optionally ask for an API key (or skip for anonymous access)
  2. Detect your MCP client (Claude Code, Cursor, or Claude Desktop)
  3. Write the config and verify the connection

No API key required. Anonymous access gives you 100 calls/day, enough for a typical research session. For higher limits (1,000/day per account), get a free key at scholarfeed.org/settings.

Try asking: "Search for recent papers on test-time compute scaling"

add_to_collection

Добавляет статью в коллекцию, адресуемую по collection_id ИЛИ collection_name (получить-или-создать по имени — не нужно сначала искать id). Вложенность через "/": имя коллекции "AgentOPA/Formal" помещает статью в папку "AgentOPA". МУТИРУЕТ: также автоматически сохраняет статью в библиотеку. Идемпотентна (добавление уже находящейся в коллекции статьи ничего не делает). Требует SF_API_KEY.

Add to Collection

Добавляет статью в коллекцию, адресуемую по collection_id ИЛИ collection_name (получить-или-создать по имени — не нужно сначала искать id). Вложенность через "/": имя коллекции "AgentOPA/Formal" помещает статью в папку "AgentOPA". МУТИРУЕТ: также автоматически сохраняет статью в библиотеку. Идемпотентна (добавление уже находящейся в коллекции статьи ничего не делает). Требует SF_API_KEY.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper to add, e.g. '2407.15831'.

  • collection_namestring

    Name of the collection. Created if it doesn't exist. Use '/' to nest, e.g. 'AgentOPA/Formal'. Provide this OR collection_id.

  • collection_idstring

    UUID of an existing collection. Provide this OR collection_name.

ask_libraryтолько чтение

Отвечает на вопрос, используя ТОЛЬКО сохранённые статьи - синтез по вашей библиотеке (или одной коллекции) со встроенными цитатами [arXiv-ID]. Обратная функция для find_gaps (которая находит важные работы, которых вам НЕ ХВАТАЕТ): ask_library рассуждает на основе того, что У ВАС ЕСТЬ. Опционально ограничивает область одной коллекцией (collection_name или collection_id); если опустить оба, используется вся библиотека. Только чтение. Требует SF_API_KEY (читает ваш сохранённый набор). Бесплатные аккаунты получают 1 вопрос в месяц; Pro увеличивает это до 200 в день.

Ask Library

Отвечает на вопрос, используя ТОЛЬКО сохранённые статьи - синтез по вашей библиотеке (или одной коллекции) со встроенными цитатами [arXiv-ID]. Обратная функция для find_gaps (которая находит важные работы, которых вам НЕ ХВАТАЕТ): ask_library рассуждает на основе того, что У ВАС ЕСТЬ. Опционально ограничивает область одной коллекцией (collection_name или collection_id); если опустить оба, используется вся библиотека. Только чтение. Требует SF_API_KEY (читает ваш сохранённый набор). Бесплатные аккаунты получают 1 вопрос в месяц; Pro увеличивает это до 200 в день.

Параметры

  • questionstringобязательный

    The natural-language question to answer from your saved papers.

  • collection_namestring

    Scope the answer to one collection by name (resolved by the backend). Omit to use your whole library.

  • collection_idstring

    Scope the answer to one collection by UUID. Omit to use your whole library.

  • limitinteger

    How many of your most-relevant saved papers to ground the answer on (max 20). Default 8.

check_driftтолько чтение

Отвечает на вопрос «для моей проблемы: устарел ли используемый мной метод — и чем?» на основе привязанной к сущностям базы знаний, состоящей из рецензий в виде текстовых выдержек и отрывов по доминированию в бенчмарках (~90% точность, без вызова LLM). Вызывайте с параметром `family` (например, 'rag', 'peft', 'kvcache') и `method` (например, 'SnapKV', 'LoRA'), чтобы получить вердикт: насколько метод устарел, КТО его критикует (дословные цитаты + ссылка на цитирующую статью), КТО его превосходит на бенчмарках (победитель, показатели, условия, исходная статья), и ещё не устаревшие альтернативы в той же подзадаче. Опустите `method`, чтобы получить карту всей группы: самые устаревшие базовые методы, конкурирующие подзадачи и живые рубежи. Имена методов сопоставляются без учёта регистра и пробелов, при ошибке предлагается вариант «возможно, вы имели в виду». Используйте этот инструмент, когда выбираете или оцениваете технику для известной проблемной области, или проверяете, превзошли ли базовый метод, на который опирается статья. Не требует Pro API ключа. Охватывает около 10 групп задач построения LLM: retrieval-augmented generation (rag), parameter-efficient fine-tuning (peft), mixture-of-experts (moe), reasoning/chain-of-thought (reasoning), KV-cache compression (kvcache), speculative decoding (specdec), quantization (quant), agent memory (agentmemory), long-context (longcontext) и tool use (tooluse) — и постоянно расширяется. Запрос с неизвестным значением `family` (например, family='list') выдаёт актуальный список доступных групп. Ограничение охвата: данные берутся только из таблиц бенчмарков на arXiv, поэтому «устарел» означает, что метод был превзойдён в опубликованном сравнении (а не то, что он мёртв или непригоден), производственные фреймворки (LangChain, LlamaIndex и т.д.) фигурируют только как базовые методы и никогда как победители, а результаты — это сигнал из литературы, а не рекомендация к внедрению.

Check Drift (is my method superseded?)

Отвечает на вопрос «для моей проблемы: устарел ли используемый мной метод — и чем?» на основе привязанной к сущностям базы знаний, состоящей из рецензий в виде текстовых выдержек и отрывов по доминированию в бенчмарках (~90% точность, без вызова LLM). Вызывайте с параметром `family` (например, 'rag', 'peft', 'kvcache') и `method` (например, 'SnapKV', 'LoRA'), чтобы получить вердикт: насколько метод устарел, КТО его критикует (дословные цитаты + ссылка на цитирующую статью), КТО его превосходит на бенчмарках (победитель, показатели, условия, исходная статья), и ещё не устаревшие альтернативы в той же подзадаче. Опустите `method`, чтобы получить карту всей группы: самые устаревшие базовые методы, конкурирующие подзадачи и живые рубежи. Имена методов сопоставляются без учёта регистра и пробелов, при ошибке предлагается вариант «возможно, вы имели в виду». Используйте этот инструмент, когда выбираете или оцениваете технику для известной проблемной области, или проверяете, превзошли ли базовый метод, на который опирается статья. Не требует Pro API ключа. Охватывает около 10 групп задач построения LLM: retrieval-augmented generation (rag), parameter-efficient fine-tuning (peft), mixture-of-experts (moe), reasoning/chain-of-thought (reasoning), KV-cache compression (kvcache), speculative decoding (specdec), quantization (quant), agent memory (agentmemory), long-context (longcontext) и tool use (tooluse) — и постоянно расширяется. Запрос с неизвестным значением `family` (например, family='list') выдаёт актуальный список доступных групп. Ограничение охвата: данные берутся только из таблиц бенчмарков на arXiv, поэтому «устарел» означает, что метод был превзойдён в опубликованном сравнении (а не то, что он мёртв или непригоден), производственные фреймворки (LangChain, LlamaIndex и т.д.) фигурируют только как базовые методы и никогда как победители, а результаты — это сигнал из литературы, а не рекомендация к внедрению.

Параметры

  • familystringобязательный

    Builder-problem family to query, e.g. 'rag' (retrieval-augmented generation), 'peft' (parameter-efficient fine-tuning), 'kvcache' (KV-cache compression). Query with an unknown family (e.g. 'list') to get the live list of available families.

  • methodstring

    Method to check, e.g. 'SnapKV', 'H2O', 'StreamingLLM' (case/spacing-insensitive). Omit to get the whole-family map instead of a single-method verdict.

  • limitinteger

    Max items per list — receipts, dominance edges, frontier (3–50, default 12).

check_watchesтолько чтение

Получает новые подходящие статьи с момента последней доставки дайджеста в том же формате, что и результаты search_papers. Опционально ограничивает область одним наблюдением по watch_name или watch_id; если оба опущены — применяет ко всем наблюдениям. Только для чтения и идемпотентный — НЕ продвигает никакой watermark (только доставка дайджеста делает это), поэтому его можно безопасно вызывать многократно (без отметки о прочтении). Это внутрисессионный запрос «что нового в моих наблюдениях?». Требует SF_API_KEY.

Check Watches

Получает новые подходящие статьи с момента последней доставки дайджеста в том же формате, что и результаты search_papers. Опционально ограничивает область одним наблюдением по watch_name или watch_id; если оба опущены — применяет ко всем наблюдениям. Только для чтения и идемпотентный — НЕ продвигает никакой watermark (только доставка дайджеста делает это), поэтому его можно безопасно вызывать многократно (без отметки о прочтении). Это внутрисессионный запрос «что нового в моих наблюдениях?». Требует SF_API_KEY.

Параметры

  • watch_namestring

    Scope to one watch by name. Provide this OR watch_id, or neither for all.

  • watch_idstring

    Scope to one watch by UUID. Provide this OR watch_name, or neither for all.

  • limitinteger

    Max hits to return (max 100).

co_author_graphтолько чтение

Находит окрестность соавторства одного или нескольких авторов. Получает список author_ids, возвращает ребра {from, to, papers_count, last_collab_year}, где 'from' — один из входных авторов, а 'to' — любой соавтор, появившийся в совместной статье в пределах окна. Используется для сортировки рецензентов AC (поиск конфликтов), уточнения исследователей (с кем они на самом деле работают?) или расширения начального набора авторов до исследовательского сообщества. window_years по умолчанию 10. Результат ограничен 500 ребрами, отсортирован по papers_count DESC.

Co-Author Graph

Находит окрестность соавторства одного или нескольких авторов. Получает список author_ids, возвращает ребра {from, to, papers_count, last_collab_year}, где 'from' — один из входных авторов, а 'to' — любой соавтор, появившийся в совместной статье в пределах окна. Используется для сортировки рецензентов AC (поиск конфликтов), уточнения исследователей (с кем они на самом деле работают?) или расширения начального набора авторов до исследовательского сообщества. window_years по умолчанию 10. Результат ограничен 500 ребрами, отсортирован по papers_count DESC.

Параметры

  • author_idsinteger[]обязательный

    Author IDs to query (1-25). Get author IDs via the find_author tool.

  • window_yearsinteger

    Only count co-authorships from the last N years (default 10, max 30).

create_collection

Создаёт новую именованную коллекцию. MUTATES. Если коллекция с таким именем уже существует, возвращает существующую (get-or-create — никогда не вызывает ошибку при дубликате). Используйте "/" для вложения в папку, например "AgentOPA/Formal" — папка определяется из имени, поэтому не нужно сначала создавать родительскую. Требуется SF_API_KEY.

Create Collection

Создаёт новую именованную коллекцию. MUTATES. Если коллекция с таким именем уже существует, возвращает существующую (get-or-create — никогда не вызывает ошибку при дубликате). Используйте "/" для вложения в папку, например "AgentOPA/Formal" — папка определяется из имени, поэтому не нужно сначала создавать родительскую. Требуется SF_API_KEY.

Параметры

  • namestringобязательный

    Name for the collection, e.g. 'KV-cache compression'. Use '/' to nest: 'AgentOPA/Formal' files it under an 'AgentOPA' folder.

create_watch

Создайте постоянный мониторинг — ежедневно оценивается по вновь проиндексированным статьям, отображает новые совпадения через email-дайджест и через check_watches. МУТИРУЕТ. Получает или создаёт по имени (повторное создание с уже существующим именем возвращает его без изменений — никогда не выдаёт ошибку при дубликате). ДВЕ формы: (1) структурированный фильтр v2 через `criteria` (collections/authors/categories/text/has_code/min_novelty/similar, AND-скомпонованный) — компонуемая, настраиваемая агентом форма, рекомендуется; настройте её сначала с помощью preview_watch, а затем редактируйте с помощью update_watch. Структурированные мониторинги по умолчанию ранжируются по 'rising' (прогнозируемый прорывной эффект) и ужесточаются с помощью min_impact_pct для anti-noise мониторинга, который отображает только прорывные статьи в вашей нише. (2) единственный устаревший селектор начального условия (q ИЛИ collection_name ИЛИ collection_id ИЛИ anchor_paper_id); если указан `criteria`, он имеет приоритет. Требует SF_API_KEY.

Create Watch

Создайте постоянный мониторинг — ежедневно оценивается по вновь проиндексированным статьям, отображает новые совпадения через email-дайджест и через check_watches. МУТИРУЕТ. Получает или создаёт по имени (повторное создание с уже существующим именем возвращает его без изменений — никогда не выдаёт ошибку при дубликате). ДВЕ формы: (1) структурированный фильтр v2 через `criteria` (collections/authors/categories/text/has_code/min_novelty/similar, AND-скомпонованный) — компонуемая, настраиваемая агентом форма, рекомендуется; настройте её сначала с помощью preview_watch, а затем редактируйте с помощью update_watch. Структурированные мониторинги по умолчанию ранжируются по 'rising' (прогнозируемый прорывной эффект) и ужесточаются с помощью min_impact_pct для anti-noise мониторинга, который отображает только прорывные статьи в вашей нише. (2) единственный устаревший селектор начального условия (q ИЛИ collection_name ИЛИ collection_id ИЛИ anchor_paper_id); если указан `criteria`, он имеет приоритет. Требует SF_API_KEY.

Параметры

  • namestringобязательный

    Label for the watch, e.g. 'novel KV-cache work'.

  • novelty_minnumber

    Only surface papers at/above this novelty score (0..1). The signal/noise knob — raise it for 'only tell me when it matters'. Default 0.5.

  • qstring

    Semantic/keyword topic seed. One seed selector only.

  • collection_namestring

    Watch the neighborhood of a collection by name (resolved by the backend). One seed selector only.

  • collection_idstring

    Watch the neighborhood of a collection by UUID. One seed selector only.

  • anchor_paper_idstring

    Watch papers similar to this arXiv ID. One seed selector only.

  • scope_to_citations_ofstring

    Watch new papers citing this arXiv ID. One seed selector only.

  • author_idstring

    Watch an author's new work, by author ID. One seed selector only.

  • categorystring

    Watch an arXiv category (e.g. 'cs.LG'), filtered by novelty_min. One seed selector only.

  • criteriaobject

    v2 STRUCTURED filter (collections/authors/categories/text/has_code/min_novelty/similar). When provided, this defines the watch (kind='filter') and the single-selector seeds above are IGNORED. This is the composable, agent-tunable form — call preview_watch first to tune it.

  • recency_daysinteger

    For a structured (criteria) watch: only consider papers from the last N days (default 7; the 'cites' relation uses 30).

delete_watch

Удаляет отслеживание, заданное по watch_id ИЛИ имени. ИЗМЕНЯЕТ. Идемпотентно: удаление несуществующего отслеживания не выполняет никаких действий (без ошибки). Чтобы изменить отслеживание на месте (rename / novelty_min / retarget criteria), используйте update_watch вместо delete-and-recreate. Требует SF_API_KEY.

Delete Watch

Удаляет отслеживание, заданное по watch_id ИЛИ имени. ИЗМЕНЯЕТ. Идемпотентно: удаление несуществующего отслеживания не выполняет никаких действий (без ошибки). Чтобы изменить отслеживание на месте (rename / novelty_min / retarget criteria), используйте update_watch вместо delete-and-recreate. Требует SF_API_KEY.

Параметры

  • namestring

    Name of the watch to delete. Provide this OR watch_id.

  • watch_idstring

    UUID of the watch to delete. Provide this OR name.

embed_textтолько чтение

Встраивает текстовую строку в 768-мерный вектор Gemini Flash. Используется для поиска в стиле HyDE: (1) создаёт гипотетическую короткую статью, которая идеально отвечает на запрос пользователя, (2) встраивает её с task_type='RETRIEVAL_DOCUMENT' (по умолчанию — соответствует стороне эмбеддингов корпуса), (3) передаёт полученный эмбеддинг обратно через инструменты поискового типа, чтобы найти реальные статьи, ближайшие к гипотетической. task_type='RETRIEVAL_QUERY' соответствует стороне запроса и полезен для прямого встраивания запроса пользователя без HyDE. Только для Pro — требует SF_API_KEY на аккаунте Pro; анонимные и бесплатные вызывающие получают ошибку 403 pro_required. Стоимость: ~$0,0001 за вызов; ограничение скорости: 30 запросов в минуту на один ключ API.

Embed Text

Встраивает текстовую строку в 768-мерный вектор Gemini Flash. Используется для поиска в стиле HyDE: (1) создаёт гипотетическую короткую статью, которая идеально отвечает на запрос пользователя, (2) встраивает её с task_type='RETRIEVAL_DOCUMENT' (по умолчанию — соответствует стороне эмбеддингов корпуса), (3) передаёт полученный эмбеддинг обратно через инструменты поискового типа, чтобы найти реальные статьи, ближайшие к гипотетической. task_type='RETRIEVAL_QUERY' соответствует стороне запроса и полезен для прямого встраивания запроса пользователя без HyDE. Только для Pro — требует SF_API_KEY на аккаунте Pro; анонимные и бесплатные вызывающие получают ошибку 403 pro_required. Стоимость: ~$0,0001 за вызов; ограничение скорости: 30 запросов в минуту на один ключ API.

Параметры

  • textstringобязательный

    Text to embed (1-8000 chars). For HyDE flows this is your hypothetical answer/abstract.

  • task_typeenum

    RETRIEVAL_DOCUMENT (default) matches paper-side embeddings — use for HyDE. RETRIEVAL_QUERY matches query-side semantic search.

    RETRIEVAL_DOCUMENTRETRIEVAL_QUERY
fetch_fulltextтолько чтение

Извлекает содержимое статьи из LaTeX-исходника статьи на arXiv. Два режима: 'results' (по умолчанию) возвращает 800 символов результатов/экспериментов + 3 подписи к таблицам. 'all' возвращает полные разделы статьи (аннотация, введение, связанные работы, метод, результаты, заключение) до 3000 символов каждый + 5 подписей к таблицам. У ~62% статей на arXiv есть LaTeX-исходник. Может занять несколько секунд.

Fetch Full Text

Извлекает содержимое статьи из LaTeX-исходника статьи на arXiv. Два режима: 'results' (по умолчанию) возвращает 800 символов результатов/экспериментов + 3 подписи к таблицам. 'all' возвращает полные разделы статьи (аннотация, введение, связанные работы, метод, результаты, заключение) до 3000 символов каждый + 5 подписей к таблицам. У ~62% статей на arXiv есть LaTeX-исходник. Может занять несколько секунд.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper

  • sectionsenum

    'results' (default): lean results section only. 'all': full paper — abstract, intro, method, results, conclusion, related work.

    resultsall
find_authorтолько чтение

Two-mode author tool - заменяет discover_authors и get_author. Укажите ровно один из q или id. Q-MODE (q=...): ищет исследователей по теме или имени - использует эмбеддинговое сходство для тем ('efficient LLM inference'), нечеткое сопоставление для имен ('Yann LeCun'). Возвращает список подходящих авторов с полями author_id, name, h_index, total_papers, primary_field, research_topics. ID-MODE (id=...): находит профиль одного автора по author_id (полученному из предыдущего вызова q-mode или из результатов co_author_graph). Возвращает h-index, total citations, global rank, primary field, novelty score distribution, research topics, code/venue scores, years active и их топ-10 статей по rank score.

Find Author

Two-mode author tool - заменяет discover_authors и get_author. Укажите ровно один из q или id. Q-MODE (q=...): ищет исследователей по теме или имени - использует эмбеддинговое сходство для тем ('efficient LLM inference'), нечеткое сопоставление для имен ('Yann LeCun'). Возвращает список подходящих авторов с полями author_id, name, h_index, total_papers, primary_field, research_topics. ID-MODE (id=...): находит профиль одного автора по author_id (полученному из предыдущего вызова q-mode или из результатов co_author_graph). Возвращает h-index, total citations, global rank, primary field, novelty score distribution, research topics, code/venue scores, years active и их топ-10 статей по rank score.

Параметры

  • qstring

    Topic or researcher name to search (q-mode). Returns a list of matching authors. Examples: 'efficient transformer training', 'Geoffrey Hinton'.

  • idinteger

    Author ID for direct profile lookup (id-mode). Returns the single author profile with top 10 papers. Get IDs from q-mode results or co_author_graph.

  • fieldstring

    (q-mode only) Filter by primary research field e.g. 'cs.LG', 'cs.CV', 'cs.CL'.

  • limitinteger

    (q-mode only) Max results to return (default 20).

find_gapsтолько чтение

Находит важные работы, которые вы НЕ СОХРАНИЛИ для коллекции или темы: анализ «что я упускаю?». Возвращает две категории: foundational_gaps (канонические якоря графа цитирования в нише, отсутствующие в вашей библиотеке) и frontier_gaps (недавние высокооригинальные работы в нише, ещё не сохранённые). Принимает ровно один источник: collection_name, collection_id или topic. Бэкенд определяет нишу, выполняет поиск по цепочке цитирования и недавним новинкам, а затем вычитает ваше сохранённое множество. Только для чтения. Требует SF_API_KEY (он нужен для вычитания вашей библиотеки) и доступен только в Pro, бесплатные аккаунты увидят предложение обновить тариф.

Find Research Gaps

Находит важные работы, которые вы НЕ СОХРАНИЛИ для коллекции или темы: анализ «что я упускаю?». Возвращает две категории: foundational_gaps (канонические якоря графа цитирования в нише, отсутствующие в вашей библиотеке) и frontier_gaps (недавние высокооригинальные работы в нише, ещё не сохранённые). Принимает ровно один источник: collection_name, collection_id или topic. Бэкенд определяет нишу, выполняет поиск по цепочке цитирования и недавним новинкам, а затем вычитает ваше сохранённое множество. Только для чтения. Требует SF_API_KEY (он нужен для вычитания вашей библиотеки) и доступен только в Pro, бесплатные аккаунты увидят предложение обновить тариф.

Параметры

  • collection_namestring

    Analyze gaps for a collection by name (resolved by the backend). Provide exactly one seed.

  • collection_idstring

    Analyze gaps for a collection by UUID. Provide exactly one seed.

  • topicstring

    Analyze gaps for a free-text topic/area. Provide exactly one seed.

  • scopeenum

    Which gaps to surface: 'foundational' (canonical anchors you're missing), 'frontier' (recent novel work you haven't saved), or 'both' (default).

    foundationalfrontierboth
  • limitinteger

    Max gaps per bucket (max 50). Default 10.

get_citationsтолько чтение

Получает граф цитирования для статьи, отсортированный по rank_score цитирующей статьи (сначала с наибольшим влиянием). 'citing' = исходящие ссылки, которые цитирует эта статья; 'cited_by' = входящие цитирования из других статей. Ответ по умолчанию — компактная форма с 12 полями на статью — передайте verbose=true для полной формы с 28 полями.

Get Citations

Получает граф цитирования для статьи, отсортированный по rank_score цитирующей статьи (сначала с наибольшим влиянием). 'citing' = исходящие ссылки, которые цитирует эта статья; 'cited_by' = входящие цитирования из других статей. Ответ по умолчанию — компактная форма с 12 полями на статью — передайте verbose=true для полной формы с 28 полями.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper

  • directionenum

    'citing' = outgoing references this paper cites; 'cited_by' = incoming citations from other papers

    citingcited_by
  • limitinteger

    Number of papers to return (max 50)

  • fieldsstring

    Comma-separated list of fields to return (e.g. 'arxiv_id,title,llm_summary,llm_novelty_score'). If omitted, returns the lean 12-field default unless verbose=true.

  • verboseboolean

    If true, returns the full 28-field paper shape. Default false returns the lean 12-field set. Ignored when `fields` is provided.

  • exclude_idsstring[]

    arXiv IDs to exclude from results (for deduplication across chained calls)

get_field_orientationтолько чтение

Возвращает КАНДИДАТОВ В ФУНДАМЕНТАЛЬНЫЕ РАБОТЫ для исследовательской темы: только дешёвый поиск, без синтеза. Ранжирует работы по смеси числа цитирований (вес 0.6, отражает важность) и семантического сходства с вашей темой (вес 0.4). Используйте это, чтобы начать обзор литературы или быстро оценить ландшафт. Для синтезированного ориентировочного отчёта (ключевые концепции, открытые проблемы, порядок чтения) используйте навык /field-guide, который внутри себя вызывает этот инструмент. Не требует ключа Pro API. Вызовы LLM не производятся.

Get Field Orientation

Возвращает КАНДИДАТОВ В ФУНДАМЕНТАЛЬНЫЕ РАБОТЫ для исследовательской темы: только дешёвый поиск, без синтеза. Ранжирует работы по смеси числа цитирований (вес 0.6, отражает важность) и семантического сходства с вашей темой (вес 0.4). Используйте это, чтобы начать обзор литературы или быстро оценить ландшафт. Для синтезированного ориентировочного отчёта (ключевые концепции, открытые проблемы, порядок чтения) используйте навык /field-guide, который внутри себя вызывает этот инструмент. Не требует ключа Pro API. Вызовы LLM не производятся.

Параметры

  • topicstringобязательный

    Research area to orient on. Be specific for better results. Examples: 'diffusion models for protein structure prediction', 'efficient attention mechanisms for long-context LLMs', 'graph neural networks for molecular property prediction'.

  • limitinteger

    Number of candidate papers to return (5–30, default 15).

get_foundational_lineageтолько чтение

Возвращает ОСНОВОПОЛАГАЮЩУЮ РАБОТУ ДЛЯ НИШИ СТАТЬИ через граф цитирования - относительный вопрос («что является основополагающим для конкретной подобласти ЭТОЙ статьи», часто сама эта работа цитируется скромно), а не очевидные глобальные ориентиры. Привязывается к статье, берёт её окрестность эмбеддингов в качестве ниши и ранжирует то, что цитируется в нише, по трём уровням: `niche_roots` (основополагающие работы для конкретной ниши, ранжированные по тому, насколько специфично окрестность на них опирается - выявляет канонические якоря, которые пропускает семантический поиск), `field_level` (более широкие вторичные основы) и `discipline` (универсальные ориентиры, такие как Attention Is All You Need, свёрнутые в сторону). Каждая статья содержит свидетельство `cited_by_in_niche`, чтобы утверждение было обоснованным, а не голословным. Используйте этот инструмент для отслеживания предшествующих работ / происхождения статьи или для поиска канонических методов, на которых построена ниша. Дополняет get_field_orientation (который привязан к теме и работает только на поиске). Не требует Pro-ключа и вызовов LLM.

Get Foundational Lineage

Возвращает ОСНОВОПОЛАГАЮЩУЮ РАБОТУ ДЛЯ НИШИ СТАТЬИ через граф цитирования - относительный вопрос («что является основополагающим для конкретной подобласти ЭТОЙ статьи», часто сама эта работа цитируется скромно), а не очевидные глобальные ориентиры. Привязывается к статье, берёт её окрестность эмбеддингов в качестве ниши и ранжирует то, что цитируется в нише, по трём уровням: `niche_roots` (основополагающие работы для конкретной ниши, ранжированные по тому, насколько специфично окрестность на них опирается - выявляет канонические якоря, которые пропускает семантический поиск), `field_level` (более широкие вторичные основы) и `discipline` (универсальные ориентиры, такие как Attention Is All You Need, свёрнутые в сторону). Каждая статья содержит свидетельство `cited_by_in_niche`, чтобы утверждение было обоснованным, а не голословным. Используйте этот инструмент для отслеживания предшествующих работ / происхождения статьи или для поиска канонических методов, на которых построена ниша. Дополняет get_field_orientation (который привязан к теме и работает только на поиске). Не требует Pro-ключа и вызовов LLM.

Параметры

  • anchor_paper_idstringобязательный

    arXiv ID of the paper to anchor on, e.g. '2504.04704' or '2504.04704v2'. The niche is built from this paper's embedding neighbourhood.

  • scopeenum

    Niche breadth: 'narrow' (~100 nearest papers, tightest sub-topic — surfaces the few-citation niche root), 'field' (~200, default), 'broad' (~400, wider area foundations).

    narrowfieldbroad
  • generality_ceilingboolean

    When true (default), demote universally-cited landmark papers into the collapsed `discipline` tier so the niche-specific foundations lead. Set false to keep landmarks in the foundational tiers.

  • limitinteger

    Max papers in each of the niche_roots and field_level tiers (5–40, default 15).

get_paperтолько чтение

Получает полные сведения об одной или нескольких статьях по arXiv ID. Передайте массив из одного элемента для одной статьи; передайте несколько ID для массового получения до 50 статей за один вызов (заменяет удалённый инструмент batch_lookup). Передайте format='bibtex', чтобы получить цитату в формате .bib (заменяет удалённый инструмент export_bibtex - bibtex работает только для одной статьи; для нескольких статей вызывайте повторно). По умолчанию возвращает компактную структуру из 14 полей (arxiv_id, title, authors, year, categories, has_code, github_url, citation_count, venue_name, llm_summary, llm_significance, llm_novelty_score, impact_pct, impact_tier), где impact_pct - это процентиль влияния по категории от 0 до 100, спрогнозированный ML, а impact_tier - его оценка A+/A/B/C/D. Оба поля NULL для старых статей вне окна недавних оценок. Передайте verbose=true для полной структуры с извлечением структурированных данных (method_name, contribution_type, task_category, datasets, baselines) и тегами учреждений (institution_tags). Используйте fields='arxiv_id,title,abstract' для выбора точного подмножества полей или fetch_fulltext с sections='all' для получения полного текста статьи.

Get Paper

Получает полные сведения об одной или нескольких статьях по arXiv ID. Передайте массив из одного элемента для одной статьи; передайте несколько ID для массового получения до 50 статей за один вызов (заменяет удалённый инструмент batch_lookup). Передайте format='bibtex', чтобы получить цитату в формате .bib (заменяет удалённый инструмент export_bibtex - bibtex работает только для одной статьи; для нескольких статей вызывайте повторно). По умолчанию возвращает компактную структуру из 14 полей (arxiv_id, title, authors, year, categories, has_code, github_url, citation_count, venue_name, llm_summary, llm_significance, llm_novelty_score, impact_pct, impact_tier), где impact_pct - это процентиль влияния по категории от 0 до 100, спрогнозированный ML, а impact_tier - его оценка A+/A/B/C/D. Оба поля NULL для старых статей вне окна недавних оценок. Передайте verbose=true для полной структуры с извлечением структурированных данных (method_name, contribution_type, task_category, datasets, baselines) и тегами учреждений (institution_tags). Используйте fields='arxiv_id,title,abstract' для выбора точного подмножества полей или fetch_fulltext с sections='all' для получения полного текста статьи.

Параметры

  • arxiv_idsstring[]обязательный

    One or more arXiv IDs. Single-paper lookup uses [id]; batch lookup passes multiple IDs (max 50). Replaces the removed batch_lookup tool. Example: ['2407.15831'] or ['2407.15831', '2402.09906'].

  • formatenum

    Response format. 'json' (default) returns structured paper data. 'bibtex' returns a .bib citation entry — replaces the removed export_bibtex tool. Bibtex mode uses the first ID in arxiv_ids.

    jsonbibtex
  • fieldsstring

    Comma-separated list of fields to return (e.g. 'arxiv_id,title,llm_summary,abstract'). If omitted, returns the lean 12-field default unless verbose=true.

  • verboseboolean

    If true, returns the full 28-field paper shape (method/task/dataset extraction, application_domain, baselines, etc.). Default false returns the lean 12-field set. Ignored when `fields` is provided.

like_paper

Лайкает статью — калибровочный сигнал «больше похожего», который настраивает ленту «Для вас» пользователя на похожие работы. Только INSERT и идемпотентно (двойной лайк — пустая операция, никогда не отменяет лайк). Отличается от save_paper: лайк выражает предпочтение для ранжирования; сохранение добавляет закладку для последующего чтения. Требует SF_API_KEY.

Like Paper

Лайкает статью — калибровочный сигнал «больше похожего», который настраивает ленту «Для вас» пользователя на похожие работы. Только INSERT и идемпотентно (двойной лайк — пустая операция, никогда не отменяет лайк). Отличается от save_paper: лайк выражает предпочтение для ранжирования; сохранение добавляет закладку для последующего чтения. Требует SF_API_KEY.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper to like.

list_collectionsтолько чтение

Перечисляет коллекции (именованные группы сохранённых статей) аутентифицированного пользователя с количеством статей. Только для чтения. Используйте перед add_to_collection, чтобы просмотреть существующие коллекции. Требует SF_API_KEY.

List Collections

Перечисляет коллекции (именованные группы сохранённых статей) аутентифицированного пользователя с количеством статей. Только для чтения. Используйте перед add_to_collection, чтобы просмотреть существующие коллекции. Требует SF_API_KEY.

Параметры

Без параметров.

list_libraryтолько чтение

Перечисляет сохранённые статьи аутентифицированного пользователя (его библиотеку), сначала самые новые. Только для чтения. Используйте это, чтобы просмотреть список для чтения или увидеть, что уже сохранено, перед сохранением новых. Требует SF_API_KEY.

List Library

Перечисляет сохранённые статьи аутентифицированного пользователя (его библиотеку), сначала самые новые. Только для чтения. Используйте это, чтобы просмотреть список для чтения или увидеть, что уже сохранено, перед сохранением новых. Требует SF_API_KEY.

Параметры

  • limitinteger

    How many saved papers to return (max 100).

  • pageinteger

    Page number for paging through a large library.

list_watchesтолько чтение

Перечисляет watches аутентифицированного пользователя с именем, однострочным кратким описанием, last_evaluated_at и pending_hits (количество новых совпадений с момента последней доставки дайджеста). Только чтение. Используйте перед create_watch, чтобы увидеть, что уже отслеживается. Требуется SF_API_KEY.

List Watches

Перечисляет watches аутентифицированного пользователя с именем, однострочным кратким описанием, last_evaluated_at и pending_hits (количество новых совпадений с момента последней доставки дайджеста). Только чтение. Используйте перед create_watch, чтобы увидеть, что уже отслеживается. Требуется SF_API_KEY.

Параметры

Без параметров.

preview_watchтолько чтение

Выполняет пробный прогон структурированного фильтра по недавним статьям БЕЗ создания отслеживания - цикл настройки. Возвращает {window_days, needs_similarity, match_count, sample}, чтобы вы могли итерировать (добавить категорию, повысить min_novelty, изменить отношение коллекции) перед сохранением с помощью create_watch. Структурированные отслеживания по умолчанию ранжируют по 'rising' (прогнозируемый прорывной эффект) и ужесточают с помощью min_impact_pct для антишумового отслеживания, которое показывает только прорывные статьи в вашей нише. ПРИМЕЧАНИЕ: для фильтра по схожести match_count ограничен 200 (окно косинусного поиска) и поэтому насыщается на уровне 200 по широким/горячим темам - настраивайте по оценкам `sample` и сужайте с помощью categories/min_novelty (или более высокого порога схожести), а не полагайтесь только на match_count. Только для чтения. Требует SF_API_KEY.

Preview Watch

Выполняет пробный прогон структурированного фильтра по недавним статьям БЕЗ создания отслеживания - цикл настройки. Возвращает {window_days, needs_similarity, match_count, sample}, чтобы вы могли итерировать (добавить категорию, повысить min_novelty, изменить отношение коллекции) перед сохранением с помощью create_watch. Структурированные отслеживания по умолчанию ранжируют по 'rising' (прогнозируемый прорывной эффект) и ужесточают с помощью min_impact_pct для антишумового отслеживания, которое показывает только прорывные статьи в вашей нише. ПРИМЕЧАНИЕ: для фильтра по схожести match_count ограничен 200 (окно косинусного поиска) и поэтому насыщается на уровне 200 по широким/горячим темам - настраивайте по оценкам `sample` и сужайте с помощью categories/min_novelty (или более высокого порога схожести), а не полагайтесь только на match_count. Только для чтения. Требует SF_API_KEY.

Параметры

  • criteriaobjectобязательный

    The structured filter to test.

  • recency_daysinteger

    Window in days (default 7; the 'cites' relation uses 30).

remove_from_collection

Удаляет статью из коллекции по идентификатору коллекции (collection_id) или имени коллекции (collection_name). MUTATES (статья остаётся в вашей библиотеке; она только удаляется из этой коллекции). Идемпотентна. Требует SF_API_KEY.

Remove from Collection

Удаляет статью из коллекции по идентификатору коллекции (collection_id) или имени коллекции (collection_name). MUTATES (статья остаётся в вашей библиотеке; она только удаляется из этой коллекции). Идемпотентна. Требует SF_API_KEY.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper to remove from the collection.

  • collection_namestring

    Name of the collection. Provide this OR collection_id.

  • collection_idstring

    UUID of the collection. Provide this OR collection_name.

save_paper

Сохраняет статью в библиотеку Scholar Feed аутентифицированного пользователя (закладка). ИЗМЕНЯЕТ библиотеку и влияет на персонализацию пользователя — сохранённые статьи — самый сильный сигнал в ленте For You и в email-дайджесте. Идемпотентно: повторный вызов для уже сохранённой статьи оставляет её сохранённой. Требует SF_API_KEY. Чтобы одним шагом поместить её в именованную коллекцию, используйте add_to_collection (он тоже сохраняет).

Save Paper

Сохраняет статью в библиотеку Scholar Feed аутентифицированного пользователя (закладка). ИЗМЕНЯЕТ библиотеку и влияет на персонализацию пользователя — сохранённые статьи — самый сильный сигнал в ленте For You и в email-дайджесте. Идемпотентно: повторный вызов для уже сохранённой статьи оставляет её сохранённой. Требует SF_API_KEY. Чтобы одним шагом поместить её в именованную коллекцию, используйте add_to_collection (он тоже сохраняет).

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper to save, e.g. '2407.15831'.

search_papersтолько чтение

Ищет в 600к+ корпусе статей по CS/AI/ML из Scholar Feed. По умолчанию выполняет семантический поиск (по эмбеддингам) — находит концептуально связанные статьи, даже когда формулировка пользователя не совпадает с названием или аннотацией. Передайте mode='keyword' для полнотекстового поиска по точному совпадению строк. ВАЖНО: семантический поиск часто пропускает старые ВЫСОКОЦИТИРУЕМЫЕ КАНОНИЧЕСКИЕ работы (например, основополагающие труды, такие как H2O по вытеснению KV, GRIT по объединённому эмбеддингу+генерации), потому что ранжировщик предпочитает недавние стилистически похожие статьи. Если вы ищете канонический якорь для области, проанализируйте аннотации топ-5 результатов на упоминания базовых методов («мы сравниваемся с X, Y, Z»), а затем найдите самое упоминаемое имя напрямую. Возвращает статьи с LLM-сгенерированными сводками, оценками новизны и структурированными данными извлечения. Ответ по умолчанию — компактная форма из 14 полей (arxiv_id, title, authors, year, categories, has_code, github_url, citation_count, venue_name, llm_summary, llm_significance, llm_novelty_score, impact_pct, impact_tier). Передайте verbose=true или fields=... для полной формы с извлечением методов/задач/наборов данных. РАНЖИРОВАНИЕ ПО ВЛИЯНИЮ — два разных понятия, не путайте их: (1) ДОКАЗАННОЕ влияние = цитирования. Для «важных/основополагающих статей по теме X» передайте sort='impactful' (наиболее цитируемые в выборке) или sort='balanced' (релевантные И хорошо цитируемые). Это правильный инструмент для устоявшихся/фундаментальных работ. (2) ПРОГНОЗИРУЕМОЕ влияние = impact_pct (0–100), ML-перцентиль ПРЕДСКАЗАННЫХ цитирований по категории, вычисляется только для последних ~90 дней; impact_tier — это оценка A+/A/B/C/D. Для «что нового/растущего в X» передайте sort='trending' или фильтр impact_min=N — но УЧТИТЕ, что impact_pct равен NULL для всего старше ~90 дней, поэтому impact_min ОТСЕКАЕТ все устоявшиеся/канонические статьи (это НЕ способ найти влиятельные работы в нише — для этого используйте sort='impactful'). Оба показателя влияния отличаются от llm_novelty_score (оценка свежести идеи, ортогональный фильтр). (3) ВЛИЯНИЕ ПО ВНЕДРЕНИЮ = активность на GitHub. Передайте sort='community', чтобы ранжировать по реальному использованию…

Search Papers

Ищет в 600к+ корпусе статей по CS/AI/ML из Scholar Feed. По умолчанию выполняет семантический поиск (по эмбеддингам) — находит концептуально связанные статьи, даже когда формулировка пользователя не совпадает с названием или аннотацией. Передайте mode='keyword' для полнотекстового поиска по точному совпадению строк. ВАЖНО: семантический поиск часто пропускает старые ВЫСОКОЦИТИРУЕМЫЕ КАНОНИЧЕСКИЕ работы (например, основополагающие труды, такие как H2O по вытеснению KV, GRIT по объединённому эмбеддингу+генерации), потому что ранжировщик предпочитает недавние стилистически похожие статьи. Если вы ищете канонический якорь для области, проанализируйте аннотации топ-5 результатов на упоминания базовых методов («мы сравниваемся с X, Y, Z»), а затем найдите самое упоминаемое имя напрямую. Возвращает статьи с LLM-сгенерированными сводками, оценками новизны и структурированными данными извлечения. Ответ по умолчанию — компактная форма из 14 полей (arxiv_id, title, authors, year, categories, has_code, github_url, citation_count, venue_name, llm_summary, llm_significance, llm_novelty_score, impact_pct, impact_tier). Передайте verbose=true или fields=... для полной формы с извлечением методов/задач/наборов данных. РАНЖИРОВАНИЕ ПО ВЛИЯНИЮ — два разных понятия, не путайте их: (1) ДОКАЗАННОЕ влияние = цитирования. Для «важных/основополагающих статей по теме X» передайте sort='impactful' (наиболее цитируемые в выборке) или sort='balanced' (релевантные И хорошо цитируемые). Это правильный инструмент для устоявшихся/фундаментальных работ. (2) ПРОГНОЗИРУЕМОЕ влияние = impact_pct (0–100), ML-перцентиль ПРЕДСКАЗАННЫХ цитирований по категории, вычисляется только для последних ~90 дней; impact_tier — это оценка A+/A/B/C/D. Для «что нового/растущего в X» передайте sort='trending' или фильтр impact_min=N — но УЧТИТЕ, что impact_pct равен NULL для всего старше ~90 дней, поэтому impact_min ОТСЕКАЕТ все устоявшиеся/канонические статьи (это НЕ способ найти влиятельные работы в нише — для этого используйте sort='impactful'). Оба показателя влияния отличаются от llm_novelty_score (оценка свежести идеи, ортогональный фильтр). (3) ВЛИЯНИЕ ПО ВНЕДРЕНИЮ = активность на GitHub. Передайте sort='community', чтобы ранжировать по реальному использованию…

Параметры

  • qstring

    Search query keywords. Optional when anchor_paper_id is set (anchor mode ignores q and returns papers similar to the anchor).

  • sortenum

    Result ranking — a relevance↔impact dial plus time-based and adoption orders. 'relevance' (default) = best topical match. 'balanced' = relevant AND well-cited. 'impactful' = the most-cited (proven-influential) papers among those relevant to the query — use this for 'the important/seminal papers on topic X'. 'trending' = rising/FORECAST impact (impact_pct, last ~90 days) — use for 'what's hot/new in X', NOT for established work. 'recent' = newest first. 'community' = GitHub adoption (stars + star-velocity) — surfaces the papers practitioners are actually running/building on, regardless of citations or recency. Proven impact ('impactful'/'balanced') ranks by real citations; 'trending' is a model prediction; 'community' is real-world engineering traction. Pair with get_foundational_lineage for a topic's canonical roots.

    relevancebalancedimpactfultrendingrecentcommunity
  • anchor_paper_idstring

    Return papers similar to this arXiv paper ID (replaces the removed find_similar tool). When set, q is ignored and results carry similarity_score. Example: '2407.15831'.

  • scope_to_citations_ofstring

    Restrict search to this paper's citation graph, ranked by relevance to q (replaces the removed find_citations_about tool). Pass the arXiv ID of the paper whose citations you want to search within.

  • categorystring

    Filter by arXiv category e.g. 'cs.AI', 'cs.LG'

  • novelty_minnumber

    Minimum novelty score (0-1). Use 0.5+ for novel papers.

  • impact_mininteger

    Minimum impact_pct (0-100), e.g. 80 = top 20% FORECAST impact. This is a RISING-WORK filter: impact_pct is only computed for the last ~90 days, so impact_min restricts results to recent papers predicted to land well AND DROPS everything older. Use it for 'what's rising in X'. Do NOT use it to find the influential/seminal papers in a topic — that excludes the established work; use sort='impactful' instead.

  • daysinteger

    Limit to papers published within N days

  • has_codeboolean

    Filter to papers with a linked code release (has_code=true). Surfaces runnable/reproducible work — pair with min_stars/sort='community' to find the papers practitioners actually adopt.

  • min_citationsinteger

    Minimum real citation count. Unlike impact_min (a ~90-day FORECAST percentile), this filters on PROVEN citations and keeps established/canonical papers.

  • min_starsinteger

    Minimum GitHub stars on the paper's linked repo. A proxy for engineering adoption — surfaces work that practitioners are actually running/building on. Pair with sort='community' to rank by it.

  • github_url_existsboolean

    Filter on whether the paper has a linked GitHub URL (true = only papers with a repo). Stricter than has_code (which counts any code link).

  • published_afterstring

    Only papers published on or after this date, 'YYYY-MM-DD'. Use with published_before to bound an arbitrary date window (days only gives a rolling N-day lookback).

  • published_beforestring

    Only papers published on or before this date, 'YYYY-MM-DD'. Pair with published_after for an explicit window.

  • method_categorystring

    Filter by method category e.g. 'reinforcement learning', 'transformer'

  • method_namestring

    Filter to papers introducing/using a specific named method e.g. 'LoRA', 'YOLO', 'DPO'. Case-insensitive substring match on the extracted method_name field.

  • taskstring

    Filter by task e.g. 'image classification', 'question answering' (partial match)

  • datasetstring

    Filter to papers that evaluate on a specific dataset e.g. 'MMLU', 'ImageNet'

  • contribution_typeenum

    Filter by paper's contribution type

    modelmethodbenchmarkdatasetsurveytheoreticalempirical_studysystem
  • task_categoryenum

    Filter by broad research area

    NLPComputer VisionRLAudio/SpeechGraphsMultimodalSystemsTheorySecurityOther
  • modeenum

    Search mode. 'semantic' (default) uses embedding similarity — finds conceptually related papers even without exact keyword matches. 'keyword' uses Postgres full-text search — faster but only matches exact terms.

    keywordsemantic
  • cursorstring

    Cursor from previous response's next_cursor for keyset pagination

  • pageinteger

    Page number

  • limitinteger

    Results per page (max 50)

  • fieldsstring

    Comma-separated list of fields to return (e.g. 'arxiv_id,title,llm_summary,llm_novelty_score'). If omitted, returns the lean 12-field default unless verbose=true.

  • verboseboolean

    If true, returns the full 28-field paper shape (method/task/dataset extraction, application_domain, baselines, etc.). Default false returns the lean 12-field set. Ignored when `fields` is provided.

  • exclude_idsstring[]

    arXiv IDs to exclude from results (for deduplication across chained calls)

unsave_paper

Удаляет статью из библиотеки Scholar Feed аутентифицированного пользователя. ИЗМЕНЯЕТ библиотеку. Идемпотентна: удаление статьи, которой нет в сохранённых, оставляет её несохранённой. Примечание: сохранённая библиотека — это надмножество всех коллекций, поэтому отмена сохранения статьи ТАКЖЕ удаляет её из каждой коллекции, в которой она находилась. Чтобы оставить её в коллекции, используйте вместо этого remove_from_collection (это оставляет статью сохранённой). Требует SF_API_KEY.

Unsave Paper

Удаляет статью из библиотеки Scholar Feed аутентифицированного пользователя. ИЗМЕНЯЕТ библиотеку. Идемпотентна: удаление статьи, которой нет в сохранённых, оставляет её несохранённой. Примечание: сохранённая библиотека — это надмножество всех коллекций, поэтому отмена сохранения статьи ТАКЖЕ удаляет её из каждой коллекции, в которой она находилась. Чтобы оставить её в коллекции, используйте вместо этого remove_from_collection (это оставляет статью сохранённой). Требует SF_API_KEY.

Параметры

  • arxiv_idstringобязательный

    arXiv ID of the paper to remove from the library.

update_watch

Обновляет существующее наблюдение на месте: переименовывает, изменяет novelty_min или ПЕРЕНАЦЕЛИВАЕТ его структурированный фильтр `criteria`. МУТИРУЕТ. Адресуется по watch_id ИЛИ имени. Изменение `criteria` заменяет определение и очищает ожидающие попадания наблюдения (чтобы устаревшие совпадения не доставлялись); следующая ежедневная оценка перезаполняет список. Структурированные наблюдения ранжируются по 'rising' (прогнозируемая ударная сила прорыва) по умолчанию и ужесточают порог с помощью min_impact_pct для защиты от шума — такое наблюдение показывает только прорывные статьи в вашей нише. Сначала настройте новые критерии с помощью preview_watch. Требует SF_API_KEY.

Update Watch

Обновляет существующее наблюдение на месте: переименовывает, изменяет novelty_min или ПЕРЕНАЦЕЛИВАЕТ его структурированный фильтр `criteria`. МУТИРУЕТ. Адресуется по watch_id ИЛИ имени. Изменение `criteria` заменяет определение и очищает ожидающие попадания наблюдения (чтобы устаревшие совпадения не доставлялись); следующая ежедневная оценка перезаполняет список. Структурированные наблюдения ранжируются по 'rising' (прогнозируемая ударная сила прорыва) по умолчанию и ужесточают порог с помощью min_impact_pct для защиты от шума — такое наблюдение показывает только прорывные статьи в вашей нише. Сначала настройте новые критерии с помощью preview_watch. Требует SF_API_KEY.

Параметры

  • namestring

    Find the watch by its current name. Provide this OR watch_id.

  • watch_idstring

    Find the watch by UUID. Provide this OR name.

  • new_namestring

    Rename the watch.

  • novelty_minnumber

    New novelty floor (0..1).

  • criteriaobject

    Replace the watch's filter (becomes kind='filter'). Clears pending hits.

  • recency_daysinteger

    Window for the new criteria.

Другие проверенные MCP-сервера

stripe/agent-toolkit

stripe/agent-toolkit

Stripe AI - MCP сервер для интеграции платежей Stripe с AI-агентами. Безопасный доступ через OAuth, SDK для Vercel AI, OpenAI и Anthropic. Полезен разработчикам, строящим AI-продукты с встроенной биллинговой инфраструктурой.

TypeScript1693
Infobip/mcp

Infobip/mcp

официальный

Infobip MCP серверы дают AI-агентам отправлять SMS, WhatsApp, Viber, Email и push-уведомления, управлять двухфакторной аутентификацией и контактами клиентов. Просто подключитесь через MCP — и ваш AI заработает с Infobip.

32
storybookjs/addon-mcp

storybookjs/addon-mcp

официальный

MCP сервер для AI-агентов, интегрирующихся со Storybook: передаёт данные о UI-компонентах и упрощает процессы разработки. Полезен frontend-разработчикам и командам, использующим Storybook для документирования.

TypeScript264
atilaahmettaner/tradingview-mcp

atilaahmettaner/tradingview-mcp

MCP сервер для рыночных данных и технического анализа — акции, крипта, форекс и фьючерсы. Включает скринеры, бэктестинг и 30+ инструментов. Работает с Claude, ChatGPT, Cursor — всё в одном сервере.

Python3576
executeautomation/playwright-mcp-server

executeautomation/playwright-mcp-server

Сервер для браузерной автоматизации на Playwright. Используется AI-агентами для открытия страниц, скриншотов, веб-скрапинга и выполнения JavaScript в реальном браузере. Отлично подходит для тестиро...

TypeScript5578
0xMassi/webclaw

0xMassi/webclaw

MCP-сервер webclaw преобразует веб-страницы в чистый Markdown, JSON и LLM-контекст для AI-агентов. Работает локально, подключается к Claude/Cursor, скрапит, краулит и извлекает структурированные да...

Rust1783
© Каталог MCP, 2026. Все права защищены.
Проект не аффилирован с Anthropic и любыми упомянутыми продуктами.
Все названия и торговые марки принадлежат их владельцам.
Контакты для связи: hi@mcp-katalog.ru

Лука Никитин