scansci-pdf

name

scansci-pdf

description

Use this skill whenever the user wants to download academic papers, search for research literature, get citations (BibTeX/RIS/EndNote), manage WebVPN institutional proxy for paper access, import .bib files, or batch-download papers. This skill orchestrates the scansci-pdf MCP server which has 13+ download sources, 100+ university WebVPNs, and parallel download. TRIGGER when: user mentions downloading papers, DOI, arXiv ID, Sci-Hub, paper search, literature review, citation export, WebVPN, institutional access, Elsevier API, ScienceDirect, "帮我下载论文", "搜索文献", "批量下载", "论文下载", "文献检索", "配置 Elsevier API", or provides a list of DOIs/arXiv IDs. SKIP: user is only discussing papers conceptually without intent to download/search/cite, or user asks about non-academic PDFs (invoices, reports, etc.).

scansci-pdf — 学术论文下载 MCP 服务

概述

scansci-pdf 是一个 MCP 服务器，提供 21 个工具，覆盖学术论文的搜索、下载、引文导出和 WebVPN 机构代理管理。支持 13+ 数据源并行下载，100+ 中国高校 WebVPN。

能力边界

直接能力（单工具即可完成）

能力	对应工具	说明
按 DOI/arXiv ID 下载单篇论文	scansci_pdf_download	支持 4 种下载策略
批量下载多篇论文	scansci_pdf_batch_download	并发下载，默认 10 线程
关键词搜索论文	scansci_pdf_search	基于 OpenAlex，支持年份筛选和排序
导出引文	scansci_pdf_citation	BibTeX / RIS / EndNote 三种格式
导入 .bib 文件并下载	scansci_pdf_import_bib	自动提取 DOI 并批量下载
推送到 Zotero	scansci_pdf_zotero_push	需先下载论文到缓存
解析论文列表文件	scansci_pdf_parse_list	支持 APA、BibTeX、DOI 列表
WebVPN 登录/测试/状态查询	scansci_pdf_instsci_* 系列	5 个工具管理 WebVPN
系统配置和健康检查	scansci_pdf_config_* / scansci_pdf_health_check	配置、缓存、诊断

组合能力（需编排多工具）

能力	工具编排	流程
模糊研究查询 → 下载	search → download	先搜索获取 DOI，再下载 PDF
论文列表全文下载	resolve_and_download	解析列表 → 补全 DOI → 批量下载
搜索+筛选+批量下载	search → 人工筛选 → batch_download	按关键词搜索，选择后批量下载
WebVPN 设置+下载	instsci_set_school → instsci_login → download	5 步 WebVPN 流程
.bib 导入+引文补全	import_bib → citation	下载后补充引文格式

不可实现（超出 MCP 能力）

请求	原因
阅读/理解论文内容	scansci-pdf 只下载 PDF，不解析内容
翻译论文	需要其他工具（如 PDF 阅读+翻译 API）
生成文献综述/摘要	需要 LLM 读取 PDF 后生成
下载非学术 PDF	不支持普通网页 PDF、报告、发票等
访问付费期刊全文（无机构代理）	无合法途径时可能失败

MCP 工具参考

论文下载

工具	描述	关键参数
scansci_pdf_smart_download	推荐 零配置下载，自动尝试所有源 + Tor	identifier（必需）、output_dir（可选）、bibtex（可选）
scansci_pdf_download	下载单篇论文（完整参数控制）	identifier（必需，DOI 或 arXiv ID）、use_instsci（可选）、use_tor（可选）、bibtex（可选）
scansci_pdf_batch_download	批量下载多篇论文	identifiers（必需，列表）、use_instsci（可选）、use_tor（可选）、batch_id（可选，断点续传 ID）、resume（默认 true）
scansci_pdf_resolve_and_download	解析列表 → 补全 DOI → 批量下载	file_path（必需）、resolve_titles（默认 true）

参数约束：

• identifier: DOI（如 10.1038/nature12373）、DOI URL、或 arXiv ID（如 2301.00001）
• use_instsci: 需先通过 instsci_login 完成 CAS 认证
• use_tor: 启用 Tor 代理（优先使用已运行的外部 Tor，否则自动启动内嵌 Tor）

返回值：

• 成功：{"success": true, "file": "/path/to/paper.pdf", "doi": "...", "source": "..."}
• 失败：{"success": false, "error": "..."}

下载源（13+ 并行）：

包括出版商直链、Unpaywall、OpenAlex、SemanticScholar、Crossref、DOAJ、EuropePMC、CORE、PMC、LibGen、Sci-Hub 等。启用 WebVPN 后还可通过高校代理访问。部分高级源需配置 API key。

搜索与解析

工具	描述	关键参数
scansci_pdf_search	关键词搜索论文（OpenAlex）	query（必需）、limit（默认 10，最大 50）、year_from、year_to、sort
scansci_pdf_parse_list	解析论文列表文件	file_path（必需，.md/.txt/.bib）

参数约束：

• sort: "cited_by_count"（被引最多）、"publication_date"（最新）、省略为相关性排序
• year_from / year_to: 整数年份，如 2020

返回值（search）：

{"results": [{"title": "...", "doi": "...", "authors": [...], "year": 2024, "cited_by_count": 42, "abstract": "..."}]}

引文管理

工具	描述	关键参数
scansci_pdf_citation	获取论文引文	identifier（必需）、format（"bibtex"/"ris"/"endnote"）
scansci_pdf_import_bib	导入 .bib 文件并下载全部论文	bib_file（必需）
scansci_pdf_zotero_push	推送论文到 Zotero	identifier（必需，需先下载）

WebVPN 管理

工具	描述	关键参数
scansci_pdf_instsci_login	浏览器 CAS 认证登录	无
scansci_pdf_instsci_test	测试 WebVPN 连接性	doi（可选，默认 10.1038/nature12373）
scansci_pdf_instsci_status	检查登录状态	无
scansci_pdf_instsci_schools	搜索支持的大学	query（可选，如"清华"）
scansci_pdf_instsci_set_school	设置当前大学	school（必需，如"清华大学"）

系统管理

工具	描述	关键参数
scansci_pdf_auto_setup	推荐 一键环境检测与自动配置（启动 Tor、探测 Sci-Hub 域名）	无
scansci_pdf_setup_check	检测系统环境，返回安装建议	无
scansci_pdf_health_check	检查所有数据源可用性	detailed（默认 false）
scansci_pdf_source_scores	查看各源自适应健康评分（成功率、延迟）	无
scansci_pdf_network_diagnose	网络诊断：测试 DNS、代理、Tor、FlareSolverr 状态，返回修复建议	无
scansci_pdf_config_get	查看当前配置	无
scansci_pdf_config_set	修改配置项	key（必需）、value（必需）

机构登录（通用，支持所有出版商）

工具	描述	关键参数
scansci_pdf_login	推荐 统一登录：输入 DOI 自动识别出版商并打开浏览器 SSO	identifier（必需，DOI 或出版商名称）、max_wait（默认 300）
scansci_pdf_browser_login	CloakBrowser 持久化浏览器登录（WebVPN/CARSI/EZProxy/自定义）	login_type（"webvpn"/"carsi"/"ezproxy"/"custom"）、custom_url（login_type=custom 时必需）
scansci_pdf_browser_status	检查 CloakBrowser 运行状态	无
scansci_pdf_browser_import_cookies	导入 Netscape 格式 cookie 文件到浏览器	cookie_file（必需，cookie 文件路径）
scansci_pdf_import_browser_cookies	通过浏览器捕获登录 cookie	url（默认 ScienceDirect）、max_wait（默认 300）

支持的出版商名称： elsevier, wiley, springer, nature, science, ieee, tandfonline, pnas, acs, rsc, aip, aps, iop, oxford, acm

工作原理：

1. 传入 DOI → 自动打开该论文页面（通用，支持所有出版商）
2. 传入出版商名称 → 打开该出版商首页
3. 用户在浏览器中点击 "Access through your institution" 或 "Log In"
4. 选择机构并完成 SSO 登录
5. 登录完成后关闭浏览器
6. Cookies 自动捕获并保存，后续所有下载自动使用

EZProxy（图书馆代理）

工具	描述	关键参数
scansci_pdf_ezproxy_login	打开浏览器进行 EZProxy 图书馆代理登录	无
scansci_pdf_ezproxy_status	检查 EZProxy 配置和登录状态	无

配置方式：

scansci_pdf_config_set(key="ezproxy_enabled", value="true")
scansci_pdf_config_set(key="ezproxy_login_url", value="https://libproxy.你的学校.edu.cn/login?url={url}")
scansci_pdf_ezproxy_login

常用配置项：

配置项	默认值	说明
scihub_enabled	true	启用 Sci-Hub/LibGen
openalex_api_key	""	OpenAlex Content API key（免费，每天 100 次）
elsevier_api_key	""	Elsevier API key（ScienceDirect Article Retrieval API，首次使用推荐配置）
elsevier_insttoken	""	Elsevier 机构令牌（可选；仅在图书馆明确提供时配置）
network_proxy	""	全局代理（如 socks5://127.0.0.1:1080）
batch_workers	10	批量下载并发数
auto_rename	true	自动重命名为作者+标题
ezproxy_enabled	false	启用 EZProxy 图书馆代理
ezproxy_login_url	""	EZProxy 登录 URL 模板

缓存管理： scansci_pdf_cache_clear（identifier 可选，省略清除全部）

Tor 管理（内嵌 Tor，无需 Docker）

工具	描述	关键参数
scansci_pdf_tor_install	自动下载安装 Tor Expert Bundle 到 ~/.scansci-pdf/tor/	无
scansci_pdf_tor_start	启动内嵌 Tor SOCKS5 代理	use_bridges（默认 false，受限网络启用 obfs4 桥接）
scansci_pdf_tor_stop	停止内嵌 Tor 代理	无

使用流程：

1. scansci_pdf_tor_install — 首次使用时下载 Tor 二进制（~30MB）
2. scansci_pdf_tor_start — 启动 Tor SOCKS5 代理（自动分配端口）
3. 下载时设置 use_tor=true，自动通过 Tor 代理访问
4. 在受限网络（如防火墙封锁 Tor）中，使用 scansci_pdf_tor_start(use_bridges=true) 启用 obfs4 桥接

工作流编排指南

流程 1：模糊研究查询

用户说"帮我下载 2020 年后植物功能性状对气候变化响应的论文"：

1. scansci_pdf_search(query="plant functional traits climate change", year_from=2020, limit=20, sort="cited_by_count")
2. 展示搜索结果给用户，让用户选择要下载的论文
3. scansci_pdf_download(identifier=用户选择的DOI) 或 scansci_pdf_batch_download(identifiers=[...])

关键点： 搜索后必须让用户确认，不要自动下载所有结果。

流程 2：论文列表全文下载

用户提供一个包含论文引用的文件：

1. scansci_pdf_parse_list(file_path="papers.md") → 查看解析结果
2. scansci_pdf_resolve_and_download(file_path="papers.md") → 自动补全 DOI + 批量下载

关键点： resolve_and_download 内部会自动调用 OpenAlex 补全缺失的 DOI。

流程 3：WebVPN 设置

用户想通过学校代理下载论文：

1. scansci_pdf_config_set(key="instsci_enabled", value="true")
2. scansci_pdf_instsci_set_school(school="清华大学")
3. scansci_pdf_instsci_login → 浏览器打开 CAS 认证
4. scansci_pdf_instsci_test → 确认连接正常
5. scansci_pdf_download(identifier="...", use_instsci=true)

流程 5：付费论文登录下载（通用）

当下载返回 error_type="paywall" 和 action="login_required" 时，自动触发此流程：

1. scansci_pdf_download(identifier="10.1126/science.aec6396")
   → 返回 {"success": false, "error_type": "paywall", "action": "login_required",
           "agent_hint": "请运行 scansci_pdf_login(identifier=\"10.1126/science.aec6396\")..."}

2. scansci_pdf_login(identifier="10.1126/science.aec6396")
   → 打开浏览器到论文页面
   → 提示用户："点击 Access through your institution → 选择你的机构 → 完成 SSO 登录 → 关闭浏览器"
   → 用户关闭浏览器后，cookies 自动保存并导入

3. scansci_pdf_download(identifier="10.1126/science.aec6396")
   → 使用已保存的 cookies 成功下载 PDF

关键点：

• login 和 download 使用相同的 identifier (DOI)
• 传入 DOI 时打开论文页面（而非通用登录页），用户可直接看到 "Access through your institution" 按钮
• 无需配置 WebVPN/CARSI — 任何有机构账号的用户都能用
• Cookies 持久化保存，登录一次后所有同出版商的论文都能下载
• 对于批量下载中的多篇付费论文，只需登录一次（同出版商共享 cookies）

支持的机构类型： 中国高校（清华、北大等）、海外高校、研究所、图书馆等任何提供 SSO/Shibboleth 认证的机构。

技术要点（2026-05 实测验证）：

• 浏览器引擎为 CloakBrowser（Playwright 兼容反检测浏览器），能通过 Cloudflare Turnstile
• PDF 必须通过浏览器下载——出版社（PNAS、Elsevier 等）检测 TLS 指纹，Python HTTP 客户端（requests/httpx）即使带有效 cookies 也会返回 403
• SSO 联邦选择：中国高校通常支持 CARSI (CERNET Federation)，部分高校（如清华）同时支持 OpenAthens。若 CARSI 列表中找不到目标大学，尝试 OpenAthens 或用搜索框搜大学名称
• SSO 回调可能出现 about:blank 中间态——等待最终 URL 落在出版社域名即可，不要中断

流程 6：Elsevier API Key 配置（ScienceDirect 快速通道）

首次使用 scansci-pdf、遇到 Elsevier/ScienceDirect/Cell Press 论文（DOI 常以 10.1016/ 开头）、用户有校园网/VPN/机构网络、或下载失败提示 elsevier_setup 时，优先引导配置 Elsevier API Key。不要把它当作最后兜底；它是 ScienceDirect 的最快稳定通道。

1. scansci_pdf_elsevier_setup
   → 自动打开 Elsevier Developer Portal
   → 返回注册与配置步骤

2. 用户在浏览器中：
   → 注册/登录 Elsevier 账号
   → 进入 "My API Key" / API Key Settings
   → 创建 API Key；如果页面要求选择产品/API，选择 ScienceDirect / Article Retrieval 相关权限
   → 复制 API Key

3. scansci_pdf_config_set(key="elsevier_api_key", value="用户的APIKey")

4. scansci_pdf_elsevier_setup(test=true)
   → 验证 key 基本有效性

5. 确认网络：
   → 校园网、学校 VPN、规则 VPN 或机构出口已生效
   → 如果配置了 network_proxy，确认它不是普通非机构代理；Elsevier API 应优先走 direct route

6. 后续 Elsevier/ScienceDirect/Cell Press 论文自动优先走 API

触发时机：

• 初次使用且用户会下载 Elsevier/ScienceDirect 论文时
• 下载返回结果中 hint 包含 "elsevier_setup" 时
• 用户提到 ScienceDirect/Elsevier 论文下载慢或失败时
• 用户主动要求配置 API key 时

关键点：

• API key 可在 Elsevier Developer Portal 申请；不要把 key 写进日志、文档或仓库
• 完整闭源全文取决于机构订阅和请求 IP entitlement；API key 本身不等于所有文章全文授权
• 稳定路径不是直接请求 PDF，而是：Article Retrieval API ?view=FULL → XML 中解析 PDF attachment-eid → Content Object API /content/object/eid/{eid}
• 对有校园网/规则 VPN 的用户，Elsevier API 应 direct-first，让 api.elsevier.com 走机构出口；普通代理可能导致 NOT_ENTITLED
• 直接 PDF 响应若只有 1 页是预览，必须拒绝并继续 XML/object-eid 路径
• 详细实现和排查见仓库 docs/elsevier-api-fulltext-guide.md

流程 4：故障排查

下载失败时的诊断流程：

1. scansci_pdf_network_diagnose → 一键诊断网络（DNS、代理、Tor、FlareSolverr）
2. 根据诊断结果修复：
   - "检测到系统代理但未使用" → config_set network_proxy "<代理地址>"
   - "DNS 解析失败" → 配置代理或更换 DNS
   - "连接超时" → 配置代理绕过封锁
   - "FlareSolverr 未运行" → docker run -d -p 8191:8191 ghcr.io/flareSolverr/flareSolverr
3. 重试下载，失败结果中 hint.guidance 包含针对性建议

关键点： 下载失败时，结果中的 hint.guidance 字段会自动给出具体操作步骤（配置代理、切换策略、启用 WebVPN 等），无需手动排查。

常见边界情况

场景	处理方式
用户只给了论文标题，没有 DOI	先用 search 搜索标题获取 DOI，再用 download 下载
用户想下载的论文不在 OpenAlex 中	告知用户需要提供 DOI 或 arXiv ID
用户想批量下载 100+ 篇	使用 batch_download，并发数由配置 batch_workers 控制
用户所在网络封锁 Sci-Hub	配置代理或禁用 Sci-Hub（config_set scihub_enabled false）
用户想下载的论文需要机构权限	运行 scansci_pdf_login(identifier=DOI) 打开浏览器登录，然后重试下载
用户想读取已下载论文的内容	超出能力，建议使用 PDF 阅读工具
用户环境缺少组件	调用 setup_check 诊断并按返回的建议引导

环境安装引导

当用户首次使用或遇到下载问题时，用 scansci_pdf_setup_check 诊断环境：

1. scansci_pdf_setup_check → 获取环境状态和安装建议
2. 根据 readiness 判断：
   - "ready" → 一切就绪，可直接使用
   - "partial" → 部分功能受限，按建议安装缺失组件
   - "limited" → 核心组件缺失，部分下载源不可用
3. 按返回的建议逐步引导用户安装

组件说明

组件	用途	必需？
Elsevier API Key	ScienceDirect/Elsevier 论文直接 API 下载（1-2秒）	推荐（免费申请）
Tor	匿名访问 Sci-Hub/LibGen，自动下载管理	可选（Sci-Hub 被封时需要）
WebVPN	通过高校代理访问付费论文	可选（需要高校账号）

快速安装

# 0.（推荐）配置 Elsevier API Key，ScienceDirect 论文走 FULL XML → object/eid 快速通道
scansci_pdf_elsevier_setup → 打开浏览器注册 → 复制 key → scansci_pdf_config_set → scansci_pdf_elsevier_setup(test=true)

# 1. 自动下载安装 Tor（首次使用）
scansci_pdf_tor_install

# 2. 启动 Tor 代理
scansci_pdf_tor_start
# 受限网络（防火墙封锁 Tor）：
scansci_pdf_tor_start(use_bridges=true)

# 3. 使用 Tor 下载论文
scansci_pdf_download(identifier="10.1038/nature12373", use_tor=true)