🔌 可选 MCP Provider 接入指南

运行 rsk upgrade 后，你可能会看到类似以下的提示信息：

⚠  MCP metadata-registry: RESEARCH_MCP_METADATA_REGISTRY_CMD not configured
⚠  MCP fulltext-retrieval: RESEARCH_MCP_FULLTEXT_RETRIEVAL_CMD not configured
...

这些⚠仅为提示，不影响框架核心功能。 这些 MCP（模型上下文协议工具）是可选的外部能力增强接口。本文档说明它们各是什么、从哪里获取、以及如何接入。

工作原理

每个 MCP 对应一个环境变量（RESEARCH_MCP_<NAME>_CMD）。
系统在执行任务时，会通过这个命令启动一个子进程，传入 JSON 数据包，并读取 JSON 格式的响应。

查找逻辑（优先级从高到低）：

环境变量 → 使用你指定的外部命令
内置 Python 脚本（scripts/mcp_<name>.py）→ 自动使用内置实现
均无 → 显示 ⚠ 警告，任务仍可运行（无外部工具辅助）

各 MCP Provider 说明与接入方式

1. `metadata-registry` — 文献元数据标准化

作用： 补全和标准化论文的 DOI、期刊、年份、作者信息。
使用场景： B 阶段（文献处理）、C1 任务等。

推荐工具：

工具	类型	地址
OpenAlex MCP	开源 Python	github.com/b-vitamins/openalex-mcp
Semantic Scholar（内置）	已内置，无需配置	—

bash

# 示例：接入 OpenAlex MCP
pip install openalex-mcp
export RESEARCH_MCP_METADATA_REGISTRY_CMD="python3 -m openalex_mcp"

2. `fulltext-retrieval` — 论文全文获取

作用： 解析并获取论文 PDF 全文、追踪版本来源。
使用场景： B1（系统综述）、B2（全文提取）任务。

推荐工具：

工具	类型	地址
Zotero MCP Server	Node.js，接入本地 Zotero 库	github.com/zcaceres/zotero-mcp
Unpaywall API wrapper	可获取开放获取全文	自定义脚本接入 `api.unpaywall.org`

bash

# 接入 Zotero MCP（需要 Zotero 桌面客户端运行中）
npm install -g @zcaceres/zotero-mcp-server
export RESEARCH_MCP_FULLTEXT_RETRIEVAL_CMD="npx -y @zcaceres/zotero-mcp-server"

提示： 详细的 Zotero 接入流程见 mcp-zotero-integration.md。

3. `screening-tracker` — 文献筛选状态追踪

作用： 跟踪 PRISMA 流程中每篇文献的纳入/排除决策状态。
使用场景： B1 系统综述任务。

推荐工具：

工具	类型	地址
Rayyan MCP（实验性）	接入 Rayyan 平台 API	见 rayyan.ai 开发者文档
自定义 SQLite 追踪器	本地文件	参考下方"自建 stub"章节

Rayyan 是目前最主流的系统综述文献筛选平台（支持多人协作、盲筛）。如无现成 MCP，可先用轻量 stub 脚本代替（见文末）。

4. `extraction-store` — 结构化数据提取存储

作用： 将从论文中提取的研究特征、效应量、结局指标等存入结构化数据库。
使用场景： B2/B6/E 系列（数据提取与分析）任务。

推荐工具：

工具	类型	地址
Covidence MCP（规划中）	系统综述管理平台	covidence.org
本地 CSV/SQLite stub	轻量实现	参考下方"自建 stub"章节

目前没有成熟的开源 extraction-store MCP，建议先用 stub（见文末）让框架静默跳过该模块。

5. `stats-engine` — 统计分析引擎

作用： 执行元分析、混合效应模型、贝叶斯推断等统计计算。
使用场景： C3、E3_5、I 系列（统计与代码）任务。

推荐工具：

工具	类型	地址
R MCP Server	使用 `metafor`/`brms` 等 R 包	github.com/holtzy/R-MCP（参考）
Python 统计 MCP	使用 `statsmodels`/`pymc`	参考下方"自建 stub"章节

bash

# 如果你有 R 环境，可接入 R MCP
export RESEARCH_MCP_STATS_ENGINE_CMD="Rscript /path/to/stats_mcp.R"

# 或使用 Python
export RESEARCH_MCP_STATS_ENGINE_CMD="python3 /path/to/stats_mcp.py"

6. `code-runtime` — 代码执行运行时

作用： 在沙箱中安全地执行生成的研究代码（Python/R），并返回输出结果。
使用场景： I 系列（研究代码）任务。

推荐工具：

工具	类型	地址
Jupyter MCP Server	通过 Jupyter HTTP 内核执行	github.com/datalayer/jupyter-mcp-server
Modal.com MCP	云端无服务器代码执行	modal.com/docs

bash

pip install jupyter-mcp-server
export RESEARCH_MCP_CODE_RUNTIME_CMD="python3 -m jupyter_mcp_server"

7. `reporting-guidelines` — 报告规范查询

作用： 查询并验证 CONSORT、PRISMA、STROBE、CHEERS 等报告规范条目的完整性。
使用场景： G/H 系列（合规与投稿）任务。

推荐工具：

工具	类型	地址
EQUATOR MCP（规划中）	接入 EQUATOR Network 数据库	equator-network.org
本地规范 YAML stub	内嵌规范条目	参考下方"自建 stub"章节

目前尚无官方发布的 EQUATOR MCP，但框架内的 skills/G_compliance/reporting-checker.md 技能卡已内嵌核心规范条目，不配置此 MCP 不影响合规检查功能。

8. `submission-kit` — 投稿材料包管理

作用： 管理期刊投稿所需的封面信、作者 CRediT 声明、补充材料清单等文件。
使用场景： H1（投稿准备）任务。

推荐工具：

工具	类型	地址
Open Journal Systems MCP	接入 OJS API	参考 pkp.sfu.ca/ojs
Overleaf MCP	接入 Overleaf 项目	实验性，见 overleaf.com/devs

通常这个 MCP 对于大多数用户意义不大，submission-packager 技能卡已可生成完整的投稿材料包。

统一配置方式

方式 A：`.env` 文件（推荐，仅对当前项目生效）

在你的项目根目录创建 .env（复制自 .env.example）：

bash

# 按需取消注释并填写命令

# RESEARCH_MCP_METADATA_REGISTRY_CMD="python3 -m openalex_mcp"
# RESEARCH_MCP_FULLTEXT_RETRIEVAL_CMD="npx -y @zcaceres/zotero-mcp-server"
# RESEARCH_MCP_SCREENING_TRACKER_CMD="python3 /path/to/screening_stub.py"
# RESEARCH_MCP_EXTRACTION_STORE_CMD="python3 /path/to/extraction_stub.py"
# RESEARCH_MCP_STATS_ENGINE_CMD="python3 /path/to/stats_mcp.py"
# RESEARCH_MCP_CODE_RUNTIME_CMD="python3 -m jupyter_mcp_server"
# RESEARCH_MCP_REPORTING_GUIDELINES_CMD="python3 /path/to/reporting_stub.py"
# RESEARCH_MCP_SUBMISSION_KIT_CMD="python3 /path/to/submission_stub.py"

方式 B：Shell 环境变量（全局生效）

bash

# 添加到 ~/.zshrc 或 ~/.bashrc
export RESEARCH_MCP_STATS_ENGINE_CMD="python3 /path/to/stats_mcp.py"

自建 Stub（让 ⚠ 警告消失的最简方案）

如果你暂时不需要某个 MCP 的功能，但又想消除警告，可以创建一个什么都不做的 stub 脚本。

将下面的文件保存为 scripts/mcp_<name>.py（名称对应 MCP，用下划线替换连字符），系统会自动发现并使用它，无需配置环境变量：

python

# scripts/mcp_screening_tracker.py  （示例：screening-tracker 的 stub）
import json, sys

payload = json.loads(sys.stdin.read())
print(json.dumps({
    "status": "ok",
    "summary": "screening-tracker stub: no external tracker configured.",
    "provenance": [],
    "data": {}
}))

以下 stub 文件名对应关系供参考：

MCP 名称	stub 文件名
`screening-tracker`	`scripts/mcp_screening_tracker.py`
`extraction-store`	`scripts/mcp_extraction_store.py`
`stats-engine`	`scripts/mcp_stats_engine.py`
`code-runtime`	`scripts/mcp_code_runtime.py`
`reporting-guidelines`	`scripts/mcp_reporting_guidelines.py`
`submission-kit`	`scripts/mcp_submission_kit.py`
`metadata-registry`	`scripts/mcp_metadata_registry.py`
`fulltext-retrieval`	`scripts/mcp_fulltext_retrieval.py`

验证配置

配置完成后，运行诊断命令检查状态：

bash

python3 -m bridges.orchestrator doctor --cwd .

[OK] 代表已成功接入，[WARNING] 代表仍未配置（但不影响运行）。

🔌 可选 MCP Provider 接入指南 ​

工作原理 ​

各 MCP Provider 说明与接入方式 ​

1. metadata-registry — 文献元数据标准化 ​

2. fulltext-retrieval — 论文全文获取 ​

3. screening-tracker — 文献筛选状态追踪 ​

4. extraction-store — 结构化数据提取存储 ​

5. stats-engine — 统计分析引擎 ​

6. code-runtime — 代码执行运行时 ​

7. reporting-guidelines — 报告规范查询 ​

8. submission-kit — 投稿材料包管理 ​

统一配置方式 ​

方式 A：.env 文件（推荐，仅对当前项目生效） ​

方式 B：Shell 环境变量（全局生效） ​

自建 Stub（让 ⚠ 警告消失的最简方案） ​

验证配置 ​

🔌 可选 MCP Provider 接入指南

工作原理

各 MCP Provider 说明与接入方式

1. `metadata-registry` — 文献元数据标准化

2. `fulltext-retrieval` — 论文全文获取

3. `screening-tracker` — 文献筛选状态追踪

4. `extraction-store` — 结构化数据提取存储

5. `stats-engine` — 统计分析引擎

6. `code-runtime` — 代码执行运行时

7. `reporting-guidelines` — 报告规范查询

8. `submission-kit` — 投稿材料包管理

统一配置方式

方式 A：`.env` 文件（推荐，仅对当前项目生效）

方式 B：Shell 环境变量（全局生效）

自建 Stub（让 ⚠ 警告消失的最简方案）

验证配置