OpenAlex Author Disambiguation

Desambigua autores e resolve instituições usando a API do OpenAlex.org.

Documentação

Servidor MCP de Desambiguação de Autores OpenAlex

Um servidor otimizado de Model Context Protocol (MCP) para desambiguação de autores e pesquisa acadêmica usando a API OpenAlex.org. Projetado especificamente para agentes de IA com estruturas de dados otimizadas e funcionalidades aprimoradas.

🎯 Principais Recursos

🔍 Capacidades Principais

Desambiguação Avançada de Autores: Lida com transições complexas de carreira e variações de nomes
Resolução de Instituições: Afiliações atuais e passadas com rastreamento de transições
Recuperação de Trabalhos Acadêmicos: Artigos de periódicos, cartas e trabalhos de pesquisa
Análise de Citações: Índice H, contagem de citações e métricas de impacto
Integração ORCID: Correspondência de maior precisão com identificadores ORCID

🚀 Otimizado para Agentes de IA

Dados Simplificados: Focado em informações essenciais para desambiguação
Processamento Rápido: Estruturas de dados otimizadas para análise rápida
Filtragem Inteligente: Opções de filtragem aprimoradas para consultas direcionadas
Saída Limpa: Respostas estruturadas otimizadas para raciocínio de IA

🤖 Integração com Agentes

Múltiplos Candidatos: Resultados classificados para tomada de decisão automatizada
Respostas Estruturadas: Saída limpa e analisável otimizada para LLMs
Tratamento de Erros: Degradação graciosa com mensagens informativas
Filtragem Aprimorada: Somente periódicos, limites de citações e filtros temporais

🏛️ Nível Profissional

Melhores Práticas MCP: Construído com FastMCP seguindo diretrizes oficiais
Anotações de Ferramentas: Anotações MCP adequadas para integração ideal com clientes
Gerenciamento de Recursos: Gerenciamento e limpeza eficientes do cliente HTTP
Limitação de Taxa: Uso respeitoso da API com atrasos adequados

🚀 Início Rápido

Pré-requisitos

Python 3.10 ou superior
Cliente compatível com MCP (ex.: Claude Desktop)
Endereço de e-mail (para cortesia da API OpenAlex)

Instalação

Para instruções detalhadas de instalação, consulte INSTALL.md.

Clone o repositório:

git clone https://github.com/drAbreu/alex-mcp.git
cd alex-mcp

Crie um ambiente virtual:

python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

Instale o pacote:
```
pip install -e .
```

Configure o ambiente:

export OPENALEX_MAILTO=your-email@domain.com

Execute o servidor:

./run_alex_mcp.sh
# Or, if installed as a CLI tool:
alex-mcp

⚙️ Configuração MCP

Configuração do Claude Desktop

Adicione ao seu arquivo de configuração do Claude Desktop:

{
  "mcpServers": {
    "alex-mcp": {
      "command": "/path/to/alex-mcp/run_alex_mcp.sh",
      "env": {
        "OPENALEX_MAILTO": "your-email@domain.com"
      }
    }
  }
}

Substitua /path/to/alex-mcp pelo caminho real do repositório no seu sistema.

🤖 Uso com Agentes de IA

Integração com OpenAI Agents

Você pode carregar este servidor MCP no seu fluxo de trabalho de agente OpenAI usando a interface agents.mcp.MCPServerStdio:

from agents.mcp import MCPServerStdio

async with MCPServerStdio(
    name="OpenAlex MCP For Author disambiguation and works",
    cache_tools_list=True,
    params={
        "command": "uvx",
        "args": [
            "--from", "git+https://github.com/drAbreu/alex-mcp.git@4.1.0",
            "alex-mcp"
        ],
        "env": {
            "OPENALEX_MAILTO": "your-email@domain.com"
        }
    },
    client_session_timeout_seconds=10
) as alex_mcp:
    await alex_mcp.connect()
    tools = await alex_mcp.list_tools()
    print(f"Available tools: {[tool.name for tool in tools]}")

Integração com Agente de Pesquisa Acadêmica

Este servidor MCP é especificamente otimizado para fluxos de trabalho de pesquisa acadêmica:

# Optimized for academic research workflows
from alex_agent import run_author_research

# Enhanced functionality with streamlined data
result = await run_author_research(
    "Find J. Abreu at EMBO with recent publications"
)

# Clean, structured output for AI processing
print(f"Success: {result['workflow_metadata']['success']}")
print(f"Quality: {result['research_result']['metadata']['result_analysis']['quality_score']}/100")

Inicialização Direta com uvx

# Standard launch
uvx --from git+https://github.com/drAbreu/alex-mcp.git@4.1.0 alex-mcp

# With environment variables
OPENALEX_MAILTO=your-email@domain.com uvx --from git+https://github.com/drAbreu/alex-mcp.git@4.1.0 alex-mcp

🛠️ Ferramentas Disponíveis

1. autocomplete_authors ⭐ NOVO

Obtenha múltiplos candidatos a autor usando a API de autocomplete do OpenAlex para desambiguação inteligente.

Parâmetros:

name (obrigatório): Nome do autor para pesquisa (ex.: "James Briscoe", "M. Ralser")
context (opcional): Contexto para desambiguação (ex.: "Francis Crick Institute biologia do desenvolvimento")
limit (opcional): Máximo de candidatos (1-10, padrão: 5)

Principais Recursos:

⚡ Rápido: Tempo de resposta de ~200ms
🎯 Inteligente: Múltiplos candidatos com dicas institucionais
🧠 Pronto para IA: Perfeito para seleção baseada em contexto
📊 Rico: Contagem de trabalhos, citações, informações da instituição

Saída Simplificada:

{
  "query": "James Briscoe",
  "context": "Francis Crick Institute",
  "total_candidates": 3,
  "candidates": [
    {
      "openalex_id": "https://openalex.org/A5019391436",
      "display_name": "James Briscoe",
      "institution_hint": "The Francis Crick Institute, UK",
      "works_count": 415,
      "cited_by_count": 24623,
      "external_id": "https://orcid.org/0000-0002-1020-5240"
    }
  ]
}

Padrão de Uso:

# Get multiple candidates for disambiguation
candidates = await autocomplete_authors(
    "James Briscoe", 
    context="Francis Crick Institute developmental biology"
)

# AI selects best match based on institutional context
# Much more accurate than single search result!

2. search_authors

Pesquise autores com saída simplificada para agentes de IA.

Parâmetros:

name (obrigatório): Nome do autor para pesquisa
institution (opcional): Filtro por nome da instituição
topic (opcional): Filtro por tópico de pesquisa
country_code (opcional): Filtro por código do país (ex.: "US", "DE")
limit (opcional): Máximo de resultados (1-25, padrão: 20)

Saída Simplificada:

{
  "query": "J. Abreu",
  "total_count": 3,
  "results": [
    {
      "id": "https://openalex.org/A123456789",
      "display_name": "Jorge Abreu-Vicente",
      "orcid": "https://orcid.org/0000-0000-0000-0000",
      "display_name_alternatives": ["J. Abreu-Vicente", "Jorge Abreu Vicente"],
      "affiliations": [
        {
          "institution": {
            "display_name": "European Molecular Biology Organization",
            "country_code": "DE"
          },
          "years": [2023, 2024, 2025]
        }
      ],
      "cited_by_count": 316,
      "works_count": 25,
      "summary_stats": {
        "h_index": 9,
        "i10_index": 5
      },
      "x_concepts": [
        {
          "display_name": "Astrophysics",
          "score": 0.8
        },
        {
          "display_name": "Machine Learning", 
          "score": 0.6
        }
      ]
    }
  ]
}

Recursos: Estrutura limpa otimizada para raciocínio de IA e desambiguação

2. retrieve_author_works

Recupere trabalhos de um autor específico com capacidades de filtragem aprimoradas.

Parâmetros:

author_id (obrigatório): ID do autor no OpenAlex
limit (opcional): Máximo de resultados (1-50, padrão: 20)
order_by (opcional): "date" ou "citations" (padrão: "date")
publication_year (opcional): Filtrar por ano específico
type (opcional): Filtro por tipo de trabalho (ex.: "journal-article")
authorships_institutions_id (opcional): Filtrar por instituição
is_retracted (opcional): Filtrar trabalhos retratados
open_access_is_oa (opcional): Filtrar por status de acesso aberto

Saída Aprimorada:

{
  "author_id": "https://openalex.org/A123456789",
  "total_count": 25,
  "results": [
    {
      "id": "https://openalex.org/W123456789",
      "title": "A platform for the biomedical application of large language models",
      "doi": "10.1038/s41587-024-02534-3",
      "publication_year": 2025,
      "type": "journal-article",
      "cited_by_count": 42,
      "authorships": [
        {
          "author": {
            "display_name": "Jorge Abreu-Vicente"
          },
          "institutions": [
            {
              "display_name": "European Molecular Biology Organization"
            }
          ]
        }
      ],
      "locations": [
        {
          "source": {
            "display_name": "Nature Biotechnology",
            "type": "journal"
          }
        }
      ],
      "open_access": {
        "is_oa": true
      },
      "primary_topic": {
        "display_name": "Biomedical Engineering"
      }
    }
  ]
}

Recursos: Dados abrangentes de trabalhos com filtragem flexível para consultas direcionadas

📊 Otimização de Dados

Arquitetura de Informação Focada

Este servidor MCP fornece dados focados e estruturados, projetados especificamente para consumo por agentes de IA:

Recursos de Dados do Autor

Resolução de Identidade: Nomes, ORCID, alternativas para desambiguação
Rastreamento de Afiliações: Conexões institucionais atuais e históricas
Métricas de Impacto: Contagem de citações, índice h e impacto acadêmico
Contexto de Pesquisa: Campos, conceitos e expertise de domínio
Análise de Carreira: Mudanças e transições temporais de afiliação

Recursos de Dados de Trabalhos

Metadados de Publicação: Título, DOI, veículo e detalhes da publicação
Avaliação de Impacto: Contagem de citações e influência acadêmica
Informações de Acesso: Status de acesso aberto e disponibilidade
Detalhes de Autoria: Listas completas de autores e afiliações institucionais
Classificação de Pesquisa: Tópicos, conceitos e categorização de domínio

Filtragem Aprimorada

# Target high-impact journal articles
works = await retrieve_author_works(
    author_id="https://openalex.org/A123456789",
    type="journal-article",      # Focus on journal publications
    open_access_is_oa=True,      # Open access only
    order_by="citations",        # Most cited first
    limit=15
)

# Career transition analysis
authors = await search_authors(
    name="J. Abreu",
    institution="EMBO",          # Current institution
    topic="Machine Learning",    # Research focus
    limit=10
)

🧪 Exemplo de Uso

Desambiguação de Autores

from alex_mcp.server import search_authors_core

# Comprehensive author search
results = search_authors_core(
    name="J Abreu Vicente",
    institution="EMBO",
    topic="Machine Learning",
    limit=20
)

print(f"Found {results.total_count} candidates")
for author in results.results:
    print(f"- {author.display_name}")
    if author.affiliations:
        current_inst = author.affiliations[0].institution.display_name
        print(f"  Institution: {current_inst}")
    print(f"  Metrics: {author.cited_by_count} citations, h-index {author.summary_stats.h_index}")
    if author.x_concepts:
        fields = [c.display_name for c in author.x_concepts[:3]]
        print(f"  Research: {', '.join(fields)}")

Análise de Trabalhos Acadêmicos

from alex_mcp.server import retrieve_author_works_core

# Comprehensive work retrieval
works = retrieve_author_works_core(
    author_id="https://openalex.org/A5058921480",
    type="journal-article",      # Academic focus
    order_by="citations",        # Impact-based ordering
    limit=20
)

print(f"Found {works.total_count} publications")
for work in works.results:
    print(f"- {work.title}")
    if work.locations:
        journal = work.locations[0].source.display_name
        print(f"  Published in: {journal} ({work.publication_year})")
    print(f"  Impact: {work.cited_by_count} citations")
    if work.open_access and work.open_access.is_oa:
        print("  ✓ Open Access")

Análise de Instituições e Campos

# Analyze career transitions
def analyze_career_path(author_result):
    affiliations = author_result.affiliations
    if len(affiliations) > 1:
        print("Career path:")
        for aff in sorted(affiliations, key=lambda x: min(x.years)):
            years = f"{min(aff.years)}-{max(aff.years)}"
            print(f"  {years}: {aff.institution.display_name}")
    
    # Research evolution
    if author_result.x_concepts:
        print("Research areas:")
        for concept in author_result.x_concepts[:5]:
            print(f"  {concept.display_name} (score: {concept.score:.2f})")

# Usage
results = search_authors_core("Jorge Abreu Vicente")
if results.results:
    analyze_career_path(results.results[0])

🔧 Opções de Configuração

Variáveis de Ambiente

# Required
export OPENALEX_MAILTO=your-email@domain.com

# Optional settings
export OPENALEX_MAX_AUTHORS=100             # Maximum authors per query
export OPENALEX_USER_AGENT=research-agent-v1.0
export ALEX_MCP_VERSION=4.1.0

# Rate limiting (respectful usage)
export OPENALEX_RATE_PER_SEC=10
export OPENALEX_RATE_PER_DAY=100000

Ajuste de Desempenho

# For comprehensive research applications
config = {
    "max_authors_per_query": 25,     # Detailed author analysis
    "max_works_per_author": 50,      # Complete publication history
    "enable_all_filters": True,      # Full filtering capabilities
    "detailed_affiliations": True,   # Complete institutional data
    "research_concepts": True        # Detailed concept analysis
}

🧑‍💻 Desenvolvimento e Testes

Estrutura do Projeto

alex-mcp/
├── src/alex_mcp/
│   ├── server.py              # Main MCP server
│   ├── data_objects.py        # Data models and structures
│   └── utils.py               # Utility functions
├── examples/
│   ├── basic_usage.py         # Simple examples
│   ├── advanced_queries.py    # Complex query examples
│   └── integration_demo.py    # AI agent integration
├── tests/
│   ├── test_server.py         # Server functionality tests
│   └── test_integration.py    # Integration tests
└── docs/
    └── api_reference.md       # Detailed API documentation

Executando Testes

# Install test dependencies
pip install -e ".[test]"

# Run functionality tests
pytest tests/test_server.py -v

# Test with real queries
python examples/basic_usage.py

# Test AI agent integration
python examples/integration_demo.py

Exemplos de Desenvolvimento

# Test author disambiguation
python examples/basic_usage.py --query "J. Abreu" --institution "EMBO"

# Test work retrieval
python examples/advanced_queries.py --author-id "A123456789" --type "journal-article"

# Test integration patterns
python examples/integration_demo.py --workflow "career-analysis"

📈 Exemplos de Integração

Fluxos de Trabalho de Pesquisa Acadêmica

Integração perfeita com análise de pesquisa alimentada por IA:

# Enhanced academic research agent
from alex_agent import AcademicResearchAgent

agent = AcademicResearchAgent(
    mcp_servers=[alex_mcp],  # Streamlined data processing
    model="gpt-4.1-2025-04-14"
)

# Complex research queries with structured data
result = await agent.research_author(
    "Find J. Abreu at EMBO with machine learning publications"
)

# Rich, structured output for AI reasoning
print(f"Quality Score: {result.quality_score}/100")
print(f"Author disambiguation: {result.confidence}")
print(f"Research fields: {result.research_domains}")

Sistemas Multi-Agente

# Collaborative research analysis
async def research_collaboration_network(seed_author):
    # Find primary author
    authors = await alex_mcp.search_authors(seed_author)
    primary = authors['results'][0]
    
    # Get their works
    works = await alex_mcp.retrieve_author_works(
        primary['id'], 
        type="journal-article"
    )
    
    # Analyze co-authors and build network
    collaborators = set()
    for work in works['results']:
        for authorship in work.get('authorships', []):
            collaborators.add(authorship['author']['display_name'])
    
    return {
        'primary_author': primary,
        'publication_count': len(works['results']),
        'collaborator_network': list(collaborators),
        'research_impact': sum(w['cited_by_count'] for w in works['results'])
    }

🤝 Contribuições

Aceitamos contribuições para melhorar a funcionalidade e adicionar novos recursos:

Faça um fork do repositório
Crie um branch de recurso: git checkout -b feature/enhanced-filtering
Adicione testes: Garanta que suas alterações mantenham a qualidade e estrutura dos dados
Envie um pull request: Inclua exemplos e documentação

Prioridades de Desenvolvimento

Capacidades de filtragem aprimoradas
Enriquecimento adicional de dados
Otimizações de desempenho
Exemplos de integração
Melhorias na documentação

📄 Licença

Este projeto é licenciado sob a Licença MIT. Consulte LICENSE para detalhes.

OpenAlex Author Disambiguation

Documentação

Servidor MCP de Desambiguação de Autores OpenAlex

🎯 Principais Recursos

🔍 Capacidades Principais

🚀 Otimizado para Agentes de IA

🤖 Integração com Agentes

🏛️ Nível Profissional

🚀 Início Rápido

Pré-requisitos

Instalação

⚙️ Configuração MCP

Configuração do Claude Desktop

🤖 Uso com Agentes de IA

Integração com OpenAI Agents

Integração com Agente de Pesquisa Acadêmica

Inicialização Direta com uvx

🛠️ Ferramentas Disponíveis

1. autocomplete_authors ⭐ NOVO

2. search_authors

2. retrieve_author_works

📊 Otimização de Dados

Arquitetura de Informação Focada

Recursos de Dados do Autor

Recursos de Dados de Trabalhos

Filtragem Aprimorada

🧪 Exemplo de Uso

Desambiguação de Autores

Análise de Trabalhos Acadêmicos

Análise de Instituições e Campos

🔧 Opções de Configuração

Variáveis de Ambiente

Ajuste de Desempenho

🧑‍💻 Desenvolvimento e Testes

Estrutura do Projeto

Executando Testes

Exemplos de Desenvolvimento

📈 Exemplos de Integração

Fluxos de Trabalho de Pesquisa Acadêmica

Sistemas Multi-Agente

🤝 Contribuições

Prioridades de Desenvolvimento

📄 Licença

🌐 Links