iflow-mcp_jsfsds-pubmed_search

**PubMed_Search 是一个基于 模型上下文协议/MCP 构建的智能医学文献分析工具。它旨在帮助科研人员、医学从业者和学生快速检索 PubMed 数据库，并利用大型语言模型 (LLM) 的能力对文献摘要进行智能分析和总结** **请注意**: 本项目目前仍有许多待完善的功能。欢迎任何形式的反馈和贡献，以帮助项目不断进步。 ## 功能特性 - **PubMed 文献检索**: 通过关键词、作者、期刊等多种方式，使用 PubMed 高级检索语法进行文献检索。 - **智摘要总结**: 利用 SiliconFlow 用大型语言模型对检索到的多篇文献摘要进行综合概述。 ## 可用工具 以下为当前可用的 MCP 工具及用法示例： ### 1. fetch_articles **功能**: 使用 PubMed 高级检索语法获取文章，默认检索 2015/01/01 至今。 **参数**: - `query` (str): PubMed 高级检索查询语句 - `email` (str, 可选): 用于 NCBI Entrez 的邮箱，默认为环境变量 `NCBI_EMAIL` - `from_date` (str, 可选): 查询开始日期（YYYY/MM/DD），默认为 2015/01/01 - `to_date` (str, 可选): 查询结束日期（YYYY/MM/DD），默认为当天 - `limit` (int, 可选): 最大返回文章数，默认为 8 - `order_by` (str, 可选): 排序方式 - `output` (str, 可选): 输出文件名（.txt） **返回**: ```json {"success": true, "status": "fetch_completed", "message": "…", "result_file": "…", "article_count": n} ``` +**状态说明**: +- `fetch_completed`: 检索成功并已保存结果文件。 +- `fetch_failed`: 检索失败，可能由于缺少邮箱或检索过程出错。 +- `no_results`: 检索成功但未找到任何结果。 +- `save_failed`: 结果文件保存失败，请检查路径和权限。 ### 2. summarize_abstracts **功能**: 对指定结果文件中的摘要进行综合概述 **参数**: - `filenames` (List[str]): 要汇总的文件名列表 - `model` (str): 模型名，默认为 deepseek-ai/DeepSeek-V3 - `max_tokens` (int): 最大 tokens，默认为 512 - `temperature` (float): 温度，默认为 0.3 **返回**: ```json {"success": true, "status": "summary_completed", "summary": "…"} ``` +**状态说明**: +- `summary_completed`: 摘要汇总成功。 +- `missing_files`: 指定的结果文件未找到。 +- `extract_failed`: 未能提取到摘要内容。 +- `summary_failed`: 汇总过程中调用 API 或处理失败。 ### 3. format_citations **功能**: 将指定结果文件中的文章信息格式化为引用字符串列表。 **参数**: - `filenames` (List[str]): 要格式化的文件名列表 **返回**: ```json {"success": true, "status": "citations_formatted", "citations": ["…", "..."]} ``` +**状态说明**: +- `citations_formatted`: 引用格式化成功。 +- `format_failed`: 格式化失败，可能由于指定文件未找到或读取错误。 ## 安装与配置 ### 1. 环境准备 - Python 3.8 或更高版本 - Git ### 2. 克隆项目 ```bash git clone <您的项目仓库地址> cd pubmed_search_2 ``` ### 3. 创建并激活虚拟环境 (推荐) ```bash python -m venv .venv # Windows .venv\\Scripts\\activate # macOS/Linux source .venv/bin/activate ``` ### 4. 安装依赖 ```bash pip…