Pubmed Search

What is Pubmed Search

pubmed_search is an intelligent medical literature analysis tool built on the Model Context Protocol (MCP). It aims to assist researchers, medical practitioners, and students in quickly retrieving data from the PubMed database and utilizing the capabilities of large language models (LLMs) for intelligent analysis and summarization of literature abstracts.

Use cases

Use cases for pubmed_search include conducting literature reviews, summarizing research findings for presentations, and assisting students in understanding complex medical topics through concise abstracts.

How to use

To use pubmed_search, clone the project repository, set up a virtual environment, and install the required dependencies. You can then utilize tools like fetch_articles to retrieve articles from PubMed based on advanced search syntax, and summarize_abstracts to generate summaries of the retrieved abstracts.

Key features

Key features of pubmed_search include advanced PubMed literature retrieval using keywords, authors, and journals, and intelligent summarization of multiple abstracts using large language models.

Where to use

pubmed_search can be used in various fields such as biomedical research, clinical practice, and academic education, where quick access to medical literature is essential.

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:

+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:

{
  "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:

{
  "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

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)

python -m venv .venv
# Windows
.venv\\Scripts\\activate
# macOS/Linux
source .venv/bin/activate

4. 安装依赖

pip install -r requirements.txt

5. 配置环境变量

项目需要以下环境变量来正常工作。请在项目根目录下创建一个 .env 文件 (可以复制 .env.example 并重命名)，并填入您的配置信息：

NCBI_EMAIL="[email protected]" # 用于 PubMed Entrez API 的邮箱地址
NCBI_API_KEY="your_ncbi_api_key" # (可选) 用于 PubMed Entrez API 的 API Key，不填则使用匿名模式，可能会有速率限制
SILICONFLOW_API_KEY="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx" # 用于 SiliconFlow 摘要总结服务的 API Key

使用示例 （Cursor）

确保您已经在 Cursor 的 mcp.json 文件中配置了此服务。根据您提供的信息，配置示例如下：

{
  "PubMed": {
    "command": "cmd",
    "args": [
      "/c",
      "path/to/python.exe",
      "path/to/mcp_pubmed_service/main.py"
    ]
  }
}

致谢

本项目的核心功能和部分代码实现基于 Darkroaster/pubmearch 项目 (作者：姜宇)。
我们对原作者的开源贡献表示衷心的感谢！本项目遵循原项目的 MIT 许可证。