适合谁
- 研究人员、学生和学者,希望将 Zotero 文献库与 AI 助手集成。
- 需要快速从文献库中检索、总结和注释的用户。
- 希望通过语义搜索发现相关研究的用户。
- 需要自动化文献管理(如批量添加、去重)的用户。
Zotero MCP 是一个功能丰富的服务器,将 Zotero 文献库无缝集成到 AI 助手中。它提供搜索、语义搜索、批注提取、文献添加和去重等核心功能,并支持可选的 scite 和语义搜索扩展。安装和配置较为简单,通过官方文档和 CLI 工具可快速上手。主要风险在于 API 密钥管理和外部服务依赖,用户需谨慎设置权限。总体而言,它非常适合研究人员和学生使用。
最强项 · 文档质量 16/20 最弱项 · 可靠性 11/20
静态评测 · 未实际运行收录于 2026-08-07
查看 FMRS 评分方法 →运行环境:Python 3.10+ · Docker
ZOTERO_API_KEY
Zotero Web API 密钥,在 https://www.zotero.org/settings/keys 生成,本地模式为 false 或混合模式写操作时需要。
OPENAI_API_KEY
OpenAI API 密钥,选择 OpenAI 嵌入模型时需要,在 platform.openai.com 获取。
GEMINI_API_KEY
Google Gemini API 密钥,选择 Gemini 嵌入模型时需要。
ZOTERO_WEBDAV_PASSWORD
WebDAV 密码,可选。
ZOTERO_LOCAL
设为 true 时读取本地 Zotero 桌面应用,需 Zotero 7+ 并在设置中启用本地 API。
ZOTERO_LIBRARY_ID
Zotero 用户或群组库 ID,同一密钥页面可查看个人 userID。
ZOTERO_LIBRARY_TYPE
指定库类型是个人(user)还是群组(group),默认 user。
ZOTERO_MCP_TOOLSETS
逗号分隔的可选工具组开关(all/none/组名),控制暴露哪些工具组。
ZOTERO_EMBEDDING_MODEL
语义搜索使用的嵌入模型类型:default、openai、gemini 或 ollama。
OPENAI_EMBEDDING_MODEL
OpenAI 嵌入模型名,如 text-embedding-3-small 或 text-embedding-3-large。
OPENAI_BASE_URL
自定义 OpenAI 兼容端点 URL,可选。
GEMINI_EMBEDDING_MODEL
Gemini 嵌入模型名,如 gemini-embedding-001。
GEMINI_BASE_URL
自定义 Gemini 兼容端点 URL,可选。
OLLAMA_EMBEDDING_MODEL
通过本地 Ollama 运行嵌入时的模型名,默认 qwen3-embedding。
OLLAMA_BASE_URL
Ollama 服务器地址,默认 http://localhost:11434。
ZOTERO_DB_PATH
自定义 zotero.sqlite 路径,不设置时自动定位。
ZOTERO_WEBDAV_URL
可选的 WebDAV 目录 URL,用于远程模式直接下载附件。
ZOTERO_WEBDAV_USERNAME
WebDAV 用户名,可选。
ZOTERO_MCP_SCHEMA_REFRESH
设为 0 可禁用每周后台刷新 Zotero 条目类型 schema。
ZOTERO_MCP_SCHEMA_CACHE
自定义 schema 缓存路径,默认 ~/.cache/zotero-mcp/schema.。
ZOTERO_APP
Docker 容器运行模式:server(默认)或 cli。
ZOTERO_TRANSPORT
Docker 容器中的传输方式,默认 stdio。
zotero-mcp setup 自动配置(支持 Claude Desktop),或手动在 MCP 客户端配置文件中添加如文档所示的 JSON。{
"mcpServers": {
"zotero": {
"command": "zotero-mcp",
"env": {
"ZOTERO_LOCAL": "true",
"ZOTERO_API_KEY": "YOUR_API_KEY",
"ZOTERO_LIBRARY_ID": "YOUR_LIBRARY_ID"
}
}
}
}
以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同(如 VS Code 使用 servers 字段),可用下方配置生成器转换。
{
"servers": {
"zotero": {
"command": "zotero-mcp",
"env": {
"ZOTERO_LOCAL": "true",
"ZOTERO_API_KEY": "YOUR_API_KEY",
"ZOTERO_LIBRARY_ID": "YOUR_LIBRARY_ID"
}
}
}
}
写入项目的 .vscode/mcp.json(VS Code 使用 servers 字段)。
claude mcp add zotero -e ZOTERO_LOCAL=true -e ZOTERO_API_KEY=YOUR_API_KEY -e ZOTERO_LIBRARY_ID=YOUR_LIBRARY_ID -- zotero-mcp
在终端运行;先把 <…> 占位符换成你自己的值。
运行 zotero-mcp setup 完成配置后,在 Claude Desktop 或 Claude Code 的工具列表中应能看到 zotero_search_items、zotero_get_item_metadata 等 zotero_ 开头的工具;用 "Search my library for papers on machine learning" 这类提示词得到检索结果即证明连接成功。
连接成功后,可以直接对 AI 助手这样说:
没有匹配的工具
依据项目文档列出,未经本站实测。
Zotero MCP 通过模型上下文协议 (MCP) 将您的 Zotero 文献库与 AI 助手连接起来。它支持本地和云端访问,提供智能语义搜索(需额外安装),可检索论文、获取摘要、分析引用、提取 PDF 注释,并支持添加和管理文献、集合等。该服务器需要启用 Zotero 本地 API(Zotero 7+)或配置 Web API 密钥,并可根据需要启用可选工具集(如 scite、duplicates 等)。
通过 MCP 在 AI 助手中管理您的 Hevy 训练数据。
Firecrawl 官方 MCP Server,为 AI Agent 提供网页搜索、抓取与结构化提取
统一的命令行语法,接入约30个可信生物医学数据源。
加密、完全离线的 AI 代理长期记忆库
源版本 eb016b1b746d 数据同步于 2026-10-19 查看 FMRS 评分方法