Lacuna Research

Lacuna Research MCP

由 Tiptree Systems 打造的 Lacuna 是一張機器學習研究地圖：一個異質知識圖譜，連結論文、研究方向、作者、出版場域、機構和生成的研究提案，並為每個衍生物件提供來源脈絡，追溯至產生該物件的確切論文與頁面。

Lacuna Research MCP 為 AI 研究人員的程式設計代理提供：

• 生成的研究提案。 探索使用 The Alien Space of Science 生成的研究構想。
• 研究方向。 瀏覽連結論文、作者和提案的概念群集。
• 適合代理使用的文獻。 以 Markdown 格式搜尋近期論文，並附上來源連結。
• 研究人員情報。 追蹤作者、出版物、研究方向、影響力和相關研究人員。
• 研究版圖繪製。 比較出版場域、機構、領先研究人員和出版活動。

例如，追溯實作與其記錄的論文關係：

找出 Dao-AILab/flash-attention 背後的論文。顯示記錄中與 該儲存庫的關聯，並連結原始論文。

此範例沿著 儲存庫 → 記錄的論文關係 → 論文與來源 追溯。 Lacuna 會傳回 official_code_for 關係，連至 FlashAttention， 並附上儲存庫和原始論文的連結。檢視這些來源以驗證 關聯。執行範例 或 依照筆記本操作。

安裝 · 研究技能 · 首次使用 · 工具 · API 參考 · 設定

安裝

Cursor 的代理外掛程式

此儲存庫也封裝了託管 MCP 連線和兩項 研究技能，作為 代理外掛程式。Cursor 支援此格式。

若要在本機測試，請將此儲存庫複製到 ~/.cursor/plugins/local/lacuna-research-mcp，重新載入 Cursor，並開啟 自訂，確認兩項技能和 MCP 連線。外掛程式會連線至 https://lacuna.tiptreesystems.com/api/mcp；不需要在本機安裝 Python，也不需要 Lacuna 帳戶。請啟用此連線或手動設定的 Lacuna 伺服器其中之一，以避免工具重複。

Cursor 和 VS Code

使用託管伺服器，不需要在本機安裝 Python，也不需要 Lacuna 帳戶：

按鈕會開啟編輯器的 MCP 安裝流程。檢查伺服器 URL 並 確認安裝。連線後，提出上方的 FlashAttention 問題； 你的代理應使用 search_lacuna、get_resource 和 get_paper。

{
  "mcpServers": {
    "lacuna-research": {"url": "https://lacuna.tiptreesystems.com/api/mcp"}
  }
}

{
  "servers": {
    "lacuna-research": {"type": "http", "url": "https://lacuna.tiptreesystems.com/api/mcp"}
  }
}

託管 MCP 伺服器（Claude 連接器）

使用 Lacuna 的託管 MCP 伺服器，搭配任何支援 Streamable HTTP 的用戶端。不需要本機安裝。

https://lacuna.tiptreesystems.com/api/mcp

在 Claude 中，開啟 自訂 → 連接器 → + 新增 → 新增自訂連接器。將名稱設為 Lacuna Research，貼上上方的 URL，並在出現驗證提示時選取 不登入。完成新增後，在對話中透過 + → 連接器 啟用它。

對於 Team 和 Enterprise 工作區，必須先在 組織設定 → 連接器 中新增連接器。詳情請參閱 Claude 的自訂連接器設定。

本機安裝

安裝 Lacuna Research MCP 最簡單的方法，是請你的程式設計代理（例如 Codex 或 Claude Code）：

為此用戶端安裝並設定 PyPI 上的 lacuna-research-mcp 套件。

若要手動設定，以下說明使用 uvx，從 PyPI 執行最新的標記版本。請先安裝 uv；Lacuna Research MCP 需要 Python 3.11 或更新版本。

Codex

使用 Codex CLI 新增伺服器：

codex mcp add lacuna-research -- uvx lacuna-research-mcp

或者，將以下內容新增至 ~/.codex/config.toml（或在受信任的專案中新增至 .codex/config.toml，以僅供專案使用）：

[mcp_servers.lacuna-research]
command = "uvx"
args = ["lacuna-research-mcp"]

執行 codex mcp list，確認伺服器已設定。Codex 應用程式、CLI 和 IDE 擴充功能在同一台電腦上共用此設定。

Claude Code

使用 Claude Code CLI 為所有專案新增伺服器：

claude mcp add --scope user lacuna-research -- uvx lacuna-research-mcp

省略 --scope user，即可只為目前專案新增。或者，在 ~/.claude.json 的頂層 mcpServers 物件下新增以下內容：

{
  "mcpServers": {
    "lacuna-research": {
      "type": "stdio",
      "command": "uvx",
      "args": ["lacuna-research-mcp"]
    }
  }
}

執行 claude mcp get lacuna-research，確認伺服器已設定。

Claude Desktop

開啟 設定 → 開發人員 → 編輯設定檔，然後在 claude_desktop_config.json 的 mcpServers 下新增伺服器：

{
  "mcpServers": {
    "lacuna-research": {
      "command": "uvx",
      "args": ["lacuna-research-mcp"]
    }
  }
}

儲存檔案後，重新啟動 Claude Desktop。

其他 MCP 用戶端

對於任何支援本機 stdio MCP 伺服器的用戶端，請使用以下標準設定：

{
  "mcpServers": {
    "lacuna-research": {
      "command": "uvx",
      "args": ["lacuna-research-mcp"]
    }
  }
}

獨立指令

將 MCP 伺服器安裝為常駐指令：

uv tool install lacuna-research-mcp
lacuna-research-mcp

不安裝常駐指令，直接執行：

uvx lacuna-research-mcp

如果出現預發行版本錯誤（例如「Python 3.14.0rc2 是預發行版本……」）， 表示你的 uv 正在使用 MCP SDK 不支援的早期 Python 3.14 預發行版本。 請更新 uv（uv self update）、安裝正式發行的 Python（uv python install 3.14）， 或執行 uvx --python 3.13 lacuna-research-mcp。

自行託管的 HTTP 伺服器

若要透過 Streamable HTTP 而非 stdio，為遠端 MCP 用戶端提供服務：

uvx lacuna-research-mcp --transport streamable-http --host 0.0.0.0 --port 8000

端點為 /mcp。伺服器為無狀態，並以 JSON 回應，因此可在負載平衡器後方執行，無需工作階段黏著性。使用預設的 --host 127.0.0.1 時，伺服器只接受 localhost 的 Host 標頭，因此若反向代理會轉送公開主機名稱，請綁定非迴路位址。

最新開發版本

PyPI 提供標記版本。若要改為試用 main 分支的最新程式碼：

uvx --from git+https://github.com/tiptreesystems/lacuna-research-mcp.git lacuna-research-mcp

本機開發

使用 uv：

git clone https://github.com/tiptreesystems/lacuna-research-mcp.git
cd lacuna-research-mcp
uv sync --extra dev
uv run lacuna-research-mcp

使用 pip：

cd <path-to-lacuna-research-mcp>
python3 -m venv .venv
. .venv/bin/activate
python -m pip install -U pip
python -m pip install -e .

研究技能

MCP 伺服器提供工具。這些選用技能會教導你的代理如何將工具用於 兩項研究任務：

先連線 MCP 伺服器。接著，在安裝 Node.js 22.20+ 後，從你的專案執行 skills CLI：

npx skills add tiptreesystems/lacuna-research-mcp

選擇要使用的技能和代理。若只要安裝從程式碼追溯至論文的工作流程：

npx skills add tiptreesystems/lacuna-research-mcp --skill lacuna-code-to-paper

技能預設會安裝至目前的專案。它們不會安裝或設定 MCP 伺服器。如果你的用戶端需要重新啟動才能發現新技能，請在安裝後 啟動新的代理工作階段。

首次使用

在已連線的代理中提出上方的其中一個問題，或試試閱讀清單相關問題：

我的清單中有 FlashAttention 和 FlashAttention-2。關於長上下文注意力， 我應該閱讀哪些基準方法或限制？

若要執行不需要模型 API 金鑰、可重現的範例，請複製此儲存庫並執行：

uv run examples/code_to_paper.py

筆記本 會說明每個步驟，並將來源脈絡與單次論文搜尋進行比較。若要直接使用工具，流程如下：

1. search_lacuna(query="FlashAttention", search_type="resource", resource_kind="codebase", limit=5)
2. 確認儲存庫身分，然後將傳回的 ID 傳給 get_resource(resource_id_or_url=...)。
3. 對傳回的 publications[].paper_id 使用 get_paper(artifact_id_or_url=..., view="context", figure_limit=0)。

搜尋文獻時，請使用 search_lacuna(query="methods for detecting prompt injection attacks", search_type="paper", limit=5)。 搜尋生成的提案時，請使用 search_lacuna(query="LLM jailbreak defense", search_type="hypothesis", limit=5)， 並將傳回的 ID 傳給 get_hypothesis。生成的提案是待研究的構想， 並非已發表研究結果的證據。

關於 Lacuna

Lacuna 的流程會整合來自 OpenAlex、OpenReview、DBLP 和 arXiv 的學術紀錄；從論文文字中擷取概念元素，並將其分群為研究方向（Lacuna 論文）；再使用 The Alien Space of Science，從這些方向取樣出新穎的研究提案。此研究地圖涵蓋超過 229 萬篇論文、215,000+ 位作者檔案、28,000+ 個研究方向、25,000+ 項研究提案和 5,300+ 個出版場域，並隨著新的 arXiv 和其他 AI 論文匯入而持續擴展。

範圍

語料涵蓋機器學習和 AI 研究：論文、研究方向、作者的研究成果、出版場域、機構、生成的研究假設，以及連結至論文的研究資源（GitHub 儲存庫、Hugging Face 資料集和模型、Zenodo 紀錄）。其中不包含人物傳記、新聞或非研究類網路內容。對於超出此範圍的問題，代理應使用其他來源回答。

提供的內容

• search_lacuna 使用 Lacuna 的公開 /api/v1/search 端點查詢方向、論文、作者、場域、機構、假設和資源。明確的論文搜尋（search_type="paper"）在其他排名參數維持預設值時，會使用伺服器的正式環境詞彙＋語意排名器。搜尋假設時傳入 search_type="hypothesis"。搜尋與論文連結的程式碼儲存庫、資料集、模型和示範時傳入 search_type="resource"，也可使用 resource_kind（codebase、dataset、model、demo）和 provider（github、huggingface、zenodo）篩選；例如，resource_kind="dataset" 可搜尋基準資料集。資源搜尋不接受 date_from/date_to、venue、年份排序和語意排名（資源沒有日期、場域或嵌入向量）。
• get_hypothesis(hypothesis_id_or_url, view="context") 假設／提案。view="context"（預設）會取得精簡的單次提案脈絡（摘要、摘要內容、連結的方向）；view="full" 會傳回伺服器的版本記錄，包含版本歷程和訊號計數。提案內文位於 versions[].markdown。
• get_direction(cluster_id_or_url, view="context") 研究方向／叢集。view="context"（預設）會要求精簡、面向代理程式的摘要；view="full" 會傳回原始叢集記錄。
• get_direction_papers(cluster_id_or_url, page, limit, view="compact") 附屬於某個方向的分頁論文。view="compact"（預設）會傳回可直接用於引用的資料列（id、url、標題、年份、場域、數位作者、摘要摘錄）；view="full" 會傳回原始上游論文記錄。
• get_paper(artifact_id_or_url, view="context", figure_limit=None, include_resources=True) 查詢論文及其可用版本；使用版本的 artifact ID 讀取該版本。脈絡和完整檢視預設會包含連結的資源（程式碼儲存庫、資料集、模型和示範）；傳入 include_resources=False 可省略這些資源。其他檢視會忽略此選項。view="context"（預設）會要求精簡、面向代理程式的脈絡；其他檢視為 "full"、"preview"、"blog"、"figures"、"concepts" 或 "neighbors"。在脈絡檢視中，figure_limit 會限制圖表預覽數量（伺服器預設為 3；傳入 0 可停用預覽，但保留 figures_truncated 訊號）。
• get_resource(resource_id_or_url) 依 id（來自資源搜尋或 get_paper 的 resources 清單）或 Lacuna /resource/... URL 查詢資源：外部 URL、摘要、面向（任務、模態、大小、授權）、提供者指標、README／卡片摘錄、publications 下的連結論文（包含 paper_id 和 dataset_for 等關係）、相關方向，以及提及的資源。
• 作者工具： get_author_context(…, view="context")、get_author_papers、get_author_directions 和 get_author_neighbors。從 get_author_context 開始；其預設為精簡、面向代理程式的檢視（論文數量設有上限，並提供易讀的 impact_directions 清單，而非原始的 impact_clusters 遙測資料）。使用專用的論文、方向和鄰近作者工具分頁瀏覽這些集合，無須重複取得作者脈絡。view="full" 會傳回受伺服器限制的完整結構脈絡（集合上限為 100 筆）。傳入 include_neighbors=true 可明確納入相似作者；這可能會大幅增加伺服器延遲。
• 場域和機構工具： get_venue_context(…, view="context")、get_institution_context(…, view="context")、get_institution_authors。脈絡工具預設為精簡檢視（清單設有上限，並移除重複區塊；場域會保留近期活動片段，且一定包含所要求的 year）。使用 get_institution_authors 分頁瀏覽機構的完整作者清單。

封裝的 API

對於 id 或 URL 參數，請傳入 search_lacuna 傳回的原始 id，或對應的 Lacuna 頁面 URL。MCP 會將 Lacuna 相對的 url 和 *_url 欄位正規化為絕對 URL，也會將名為 summary_markdown、article_markdown、markdown、content 或 description 的欄位中 Lacuna 連結（包括 /resource/... 頁面）轉換為絕對 URL。

get_author_context 在兩種檢視中都受伺服器端限制。預設的精簡檢視會傳回精選簡報；view="full" 會傳回較完整的結構，內嵌集合上限為 100 筆。請使用 get_author_papers 和 get_author_directions，不要嘗試對內嵌脈絡集合進行分頁。

每次搜尋請求最多傳回 50 筆結果，方向論文分頁 請求每次最多傳回 100 筆結果。 在 search_lacuna 中，date_from 和 date_to 是包含邊界日期的出版日期 範圍。接受的格式為 YYYY、YYYY-MM 和 YYYY-MM-DD；例如， date_from="2020", date_to="2022-03" 會納入 2020 年 1 月 1 日 至 2022 年 3 月 31 日的論文。

search_lacuna 提供以下排名設定檔：

• default / lexical 所有搜尋的預設設定檔。若未設定 search_type="paper"、sort="relevance" 和 fields，則會使用伺服器的正式環境詞彙＋語意排名器，並在必要時平順地退回替代方案。MCP 的預設 search_type="all" 則使用伺服器的預設詞彙排名。
• semantic 用於以嵌入向量為基礎的論文檢索。語意查詢會省略一般的詞彙排名部分，但伺服器仍可能疊加完全符合標題的詞彙結果。僅支援 paper 和 all 搜尋（只有論文具有語意嵌入向量），且不能搭配 resource_kind/provider 篩選器使用。
• bm25_title_abstract / bm25 用於限制在標題和摘要內進行詞彙比對。author 和 institution 搜尋不接受此設定（這些記錄沒有標題或摘要欄位）。

除非提供 ranking_profile，否則所有搜尋都使用伺服器預設值。MCP 會拒絕不支援的設定檔／類型組合，因為否則伺服器會退回子字串搜尋，並默默忽略所要求的排名設定檔。

sort 接受 relevance（預設）、year_desc 和 year_asc。年份排序不能與 ranking_profile="semantic" 搭配使用 — 伺服器會默默忽略排序 — 因此 MCP 會拒絕此組合；若要查詢近期且相關的內容，請保留語意排名，並改用 date_from/date_to 限制近期範圍。

環境變數

• LACUNA_SITE_URL 預設為 https://lacuna.tiptreesystems.com
• LACUNA_MCP_TIMEOUT 預設為 30
• LACUNA_MCP_MAX_RETRIES 預設為 2；適用於逾時、傳輸錯誤，以及 HTTP 429、502、503 和 504 回應。
• LACUNA_MCP_USER_AGENT 預設為 lacuna-research-mcp/{package_version}
• LACUNA_MCP_BEARER_TOKEN 選用的 bearer token，會以 Authorization: Bearer ... 傳送，用於私有 Lacuna 部署。
• LACUNA_MCP_CLIENT_TOKEN 選用的 token，會以 X-Lacuna-Client-Token 傳送，用於向 Lacuna 識別託管的 MCP 伺服器，以套用其自身的搜尋速率限制。
• LACUNA_MCP_LOG_LEVEL 預設為 WARNING（可選值之一：DEBUG、INFO、WARNING、ERROR、CRITICAL）。預設值會讓一般操作保持安靜；只有在偵錯時才調低，因為 INFO/DEBUG 會讓 HTTP 用戶端將完整請求 URL（包括搜尋查詢字串）記錄到 stderr，而部分 MCP 主機會保留這些記錄。

環境變數會在建立 MCP 伺服器時讀取一次；若匯入模組時未呼叫 create_mcp()，則會在首次直接呼叫工具／API 時讀取。

實作架構

此伺服器是 Lacuna HTTP API 上的輕量 MCP 介接層。實作依職責拆分如下：

• lacuna_research_mcp/server.py MCPServer 應用程式建立、工具註冊、生命週期清理，以及 lacuna-research-mcp CLI 進入點。
• lacuna_research_mcp/tools.py MCP 工具函式。每個工具都會正規化輸入，透過共用用戶端輔助函式呼叫對應的 Lacuna API 端點，並傳回 JSON 相容資料。
• lacuna_research_mcp/client.py 對 Lacuna 的執行階段 HTTP 存取：繫結至事件迴圈的 httpx.AsyncClient、重試處理、錯誤包裝、JSON 剖析、回應中的 URL 正規化，以及 api_get/api_object/api_payload。
• lacuna_research_mcp/config.py 執行階段常數、RuntimeConfig、套件 user-agent 建構，以及環境解析。
• lacuna_research_mcp/ids.py 接受原始 id 或 Lacuna 頁面 URL，並擷取安全 API 路徑片段的輔助函式。
• lacuna_research_mcp/normalize.py 對相對 Lacuna URL 和 Markdown 連結進行回應後處理。
• lacuna_research_mcp/errors.py 用於 Lacuna API 存取失敗的面向使用者例外類型。

備註

• get_paper 和 get_direction 預設為 view="context"。這些脈絡檢視預設會要求 Lacuna 提供精簡、以代理程式為導向的酬載，以縮小 MCP 回應。論文脈絡會在可用時包含 summary_markdown（否則為 abstract）、作者和圖表；研究方向脈絡則包含 summary_markdown、數量設有上限的論文／作者／相關研究方向，以及截斷標記。需要原始中繼資料時，請使用 view="full"；若只需要單一子資源，請使用其他論文檢視（preview、blog、figures、concepts、neighbors）。
• 若明確執行依相關性排序的論文搜尋，且未指定自訂 fields，則預設使用伺服器的正式環境詞彙＋語意排序器。設定 ranking_profile="semantic" 可使用以嵌入為基礎的檢索（可能會疊加精確標題比對），或設定 "bm25_title_abstract" 以進行標題與摘要的詞彙比對。
• 大多數詳細資料工具都接受搜尋結果傳回的 ID，或相應的 Lacuna URL。
• url/*_url 回應欄位中的相對 Lacuna URL，以及名為 summary_markdown、article_markdown、markdown、content 或 description 的欄位，都會正規化為絕對 URL。
• 會議和機構索引鍵是不可解讀的雜湊值（例如 d7bf22905bd6），而非 icml 這類可讀名稱。請先使用 search_lacuna(search_type="venue") 查找索引鍵，或傳入 /venue/... 頁面 URL。

引用

如果您覺得我們的研究有幫助，歡迎引用 Lacuna 研究提案生成與研究地圖背後的論文。

研究提案生成 — The Alien Space of Science

@inproceedings{artiles2026alien,
  title     = {The Alien Space of Science: Sampling Coherent but Cognitively Unavailable Research Directions},
  author    = {Artiles, Alejandro H. and Weiss, Martin and Brinkmann, Levin and Rahwan, Iyad and Sch{\"o}lkopf, Bernhard and Pal, Christopher and Larochelle, Hugo and Goyal, Anirudh and Rahaman, Nasim},
  booktitle = {Advances in Neural Information Processing Systems},
  year      = {2026},
  eprint    = {2603.01092},
  archivePrefix = {arXiv},
  url       = {https://arxiv.org/abs/2603.01092}
}

研究地圖 — Lacuna

@misc{weiss2026lacunaresearchmapmachine,
  title         = {Lacuna: A Research Map for Machine Learning},
  author        = {Martin Weiss and Miles Q. Li and Alejandro H. Artiles and Yacine Mkhinini and Chris Pal and Hugo Larochelle and Nasim Rahaman},
  year          = {2026},
  eprint        = {2606.26246},
  archivePrefix = {arXiv},
  primaryClass  = {cs.DL},
  url           = {https://arxiv.org/abs/2606.26246}
}

授權條款

MIT。請參閱 LICENSE。