研究工具
研究工具 是 AI Skill Hub 本期精选MCP工具之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
通过安装 研究工具，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。研究工具 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 研究工具 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
研究工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
研究工具 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/Biajin-PKU/research-harness
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"----": {
"command": "npx",
"args": ["-y", "research-harness"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 研究工具 执行以下任务... Claude: [自动调用 研究工具 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"____": {
"command": "npx",
"args": ["-y", "research-harness"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
简介
<p align="center"> <img src="docs/assets/rh-github-header.png" alt="research harness" width="760"/> </p>
<p align="center"> <a href="README.md"><b>简体中文</b></a> · <a href="README.en.md">English</a> </p>
<p align="center"> <a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-green.svg" alt="License"/></a> <img src="https://img.shields.io/badge/python-3.11%2B-blue.svg" alt="Python"/> <img src="https://img.shields.io/badge/MCP-compatible-orange.svg" alt="MCP"/> </p>
<p align="center"><strong style="font-size:1.75rem;">做证据可信、过程可追、自主优化的长程自动化 AI 科研工具</strong></p>
Research Harness 是科研 agent 的 harness 层：为 agent 提供证据状态、过程记录、工具接口和反馈回路，让检索、阅读、判断与写作成为可长期运行、可持续积累的自动化科研流程。
适用于 Codex、Claude Code、Gemini CLI、OpenCode、Cline、Cursor Agent、Kilo Code 等主流 AI 编程 agent；也支持通过 agent profile 接入 OpenClaw 等第三方 agent 工具。
当前子系统状态和公开工具面以 docs/STATUS.md 为准。
核心能力
| 能力 | 说明 |
|---|---|
| 🔎 **论文池管理** | 围绕研究主题检索、筛选并入库论文，维护可持续扩展的主题级文献池。 |
| 🧾 **研究声明提取** | 从论文中提取研究声明、假设、局限、数据集、指标和可复现性风险。 |
| 🧭 **来源链追踪** | 记录论文、声明、证据、产出和阶段决策之间的关系，让关键结论可回查。 |
| 🧪 **空白与基线分析** | 识别研究空白、关键基线、方法矛盾和可推进的实验方向。 |
| 📝 **证据约束写作** | 生成实验 brief、proposal、related work 或章节草稿，并保留对应证据链。 |
| 🚦 **阶段编排与门控** | 通过阶段状态、门控检查、一致性检查和产出记录管理长程研究流程。 |
| 🔁 **自主优化闭环** | 将失败原因、审查反馈、矛盾发现和修正记录写入研究状态，支持后续轮次持续改进。 |
| 📚 **Zotero 阅读工作流** | 以 Zotero 文献库、PDF 和阅读现场为入口，把本地阅读过程接入 RH 研究状态。 |
| 🔌 **多 agent 接入** | 支持主流 AI 编程 agent，并可通过 agent profile 接入第三方 agent 工具。 |
安装提示
先安装一个你常用的 AI 编程 agent。下面以 Codex 为例：
npm install -g @openai/codex然后把下面这段交给 Codex：
请为当前环境安装 Research Harness：
1. 克隆仓库：https://github.com/Biajin-PKU/research-harness.git
2. 进入项目目录并运行 ./setup.sh
3. 运行 rh --json doctor 验证安装
4. 为 Codex 安装 RH skills：rh skill install --agent codex
5. 运行 rh skill verify --agent codex 检查 skills 是否可用
6. 如果任何步骤失败，先诊断原因并修复，不要跳过失败步骤手动安装、模型路径和 MCP 配置见：
使用入口
| 入口 | 适合场景 | 文档 |
|---|---|---|
| **Zotero 侧边栏** | 以论文 / 文献库为中心的研究工作流 | [docs/zotero-rh-panel.md](docs/zotero-rh-panel.md) |
| **MCP / Agent 客户端** | Codex、Claude Code、Gemini CLI、OpenCode、Cline、Cursor Agent、Kilo Code 等 agent 工作流 | [docs/agent-guide.md](docs/agent-guide.md) |
| **CLI** | 本地终端、脚本、批处理、自动化 | [docs/quickstart.zh.md](docs/quickstart.zh.md) |
| **Python API** | Notebook、pipeline、程序化集成 | [docs/python-api.md](docs/python-api.md) |
高质量MCP工具，功能丰富
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。
❓ 常见问题 FAQ
经综合评估，研究工具 在MCP工具赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
| 原始名称 | research-harness |
| 原始描述 | 开源MCP工具：面向科研文献工作的 Agent Harness：持久化 SQLite 状态、69 个类型化原语、112 个 MCP 工具、6 个证据门禁阶段，每次经记录的调用都。⭐60 · Python |
| Topics | mcppythonresearch |
| GitHub | https://github.com/Biajin-PKU/research-harness |
| License | NOASSERTION |
| 语言 | Python |
收录时间：2026-05-26 · 更新时间：2026-05-30 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。