mcp-zotero 是一个 MCP 服务器，旨在连接 AI 模型（特别是 Claude）与用户的 Zotero 知识库。它允许 AI 模型访问和利用 Zotero 中的文献资料、笔记和收藏，从而增强 AI 在研究、写作和知识管理方面的能力。通过 mcp-zotero，AI 模型可以执行诸如检索特定收藏中的条目、获取论文的详细信息、搜索整个知识库以及获取最近添加的文献等操作。

对于开发者而言，mcp-zotero 简化了 AI 模型与 Zotero 集成的流程，无需编写复杂的 API 调用代码。它通过标准化的 MCP 接口，提供了一组易于使用的工具，如 get_collections、get_collection_items 和 search_library。要使用 mcp-zotero，用户需要配置 Zotero API 密钥和用户 ID，并将其添加到 Claude Desktop 的配置中。这种集成方式不仅安全可靠，而且极大地提升了 AI 模型处理学术信息和进行深入研究的能力。

Zotero 文献库连接

mcp-zotero 的核心功能是建立 Claude 等 AI 模型与用户的 Zotero 文献库之间的连接。它作为一个 MCP 服务器，通过 Zotero API 提供对用户文献库的访问。用户需要提供 Zotero API 密钥和用户 ID，mcp-zotero 使用这些凭据安全地连接到 Zotero 云服务。这种连接使得 AI 模型能够检索文献信息，进行文献综述，或者根据文献内容回答问题。例如，研究人员可以使用 Claude 通过 mcp-zotero 快速查找特定主题的文献，而无需手动搜索和筛选。技术上，mcp-zotero 使用 HTTP 请求与 Zotero API 交互，并将结果转换为 AI 模型可以理解的格式。

文献信息检索工具集

mcp-zotero 提供了一系列工具，允许 AI 模型从 Zotero 文献库中检索特定信息。这些工具包括 get_collections（列出所有文集）、get_collection_items（获取特定文集中的条目）、get_item_details（获取论文的详细信息）、search_library（搜索整个文献库）和 get_recent（获取最近添加的论文）。这些工具使得 AI 模型能够执行复杂的文献分析任务，例如识别特定研究领域的关键论文，或者比较不同论文的研究方法。例如，AI 模型可以使用 search_library 工具查找关于“深度学习在医学图像分析中的应用”的文献，然后使用 get_item_details 工具获取每篇论文的摘要、作者和发表日期等信息。这些工具极大地简化了 AI 模型与 Zotero 文献库的交互，提高了研究效率。

简化 Claude 集成

mcp-zotero 简化了 Claude Desktop 与 Zotero 的集成过程。通过在 Claude Desktop 的配置中添加 mcp-zotero 服务器的配置信息，用户可以轻松地将 Zotero 文献库连接到 Claude。mcp-zotero 提供了一个清晰的配置示例，包括如何设置环境变量和指定服务器命令。这种简化的集成过程降低了技术门槛，使得更多的用户可以利用 Claude 和 Zotero 的强大功能。例如，用户只需复制粘贴提供的 JSON 配置代码，并替换为自己的 Zotero API 密钥和用户 ID，即可完成集成。这种易用性是 mcp-zotero 的一个重要优势，使得用户可以快速开始使用 AI 模型进行文献研究。

技术实现

mcp-zotero 基于 TypeScript 开发，并使用 Node.js 运行。它通过 npm 包管理器进行分发，方便用户安装和更新。mcp-zotero 的代码结构清晰，易于维护和扩展。开发者可以通过修改代码来添加新的功能或优化现有功能。此外，mcp-zotero 使用 MIT 许可证，允许用户自由地使用、修改和分发代码。这种开放性促进了社区的参与和贡献，有助于 mcp-zotero 的持续发展。