Zotero MCP，让 AI 真正进入你的文献库，而不只是替你在网页上“找几篇论文”。

研究型工作流里最痛的断点，是论文已经在 Zotero 里，PDF 也做过划线、笔记和分类，但模型对这一切一无所知。每次提问都得重新上传、复制摘要、解释上下文。Zotero MCP 做的就是把这座已经积累多年的私人知识库，接到 Claude、ChatGPT、Cursor 等 MCP 客户端上。

它能读库、按标题/作者/标签/内容检索、导出 BibTeX、提取 PDF 划线与批注；装上 semantic 扩展后，还能给整个文献库建向量索引，按概念找资料，而不是只匹配关键词。嵌入模型可以完全本地跑，也可选 OpenAI、Gemini 或 Ollama。

比较成熟的地方在于它不止读：
- DOI、URL、本地 PDF 都可入库，并尝试补齐元数据与开放获取 PDF；
- 可管理 collections、批量标签、查重合并（支持 dry-run）；
- 可选 Scite 的支持/反驳/提及引文统计与撤稿提醒；
- 同时提供 zotero-cli，所以不一定非得让模型调用，脚本和自动化也能直接接。

它对隐私的分层也值得注意：本地 Zotero API 可以离线、无 key 地读全文；但本地 API 本身是只读的，要写入 Zotero 时，需要配置 Web API，形成“本地读 + 云端写”的 hybrid 模式。语义检索若选择云端 embedding，同样意味着文献内容会按你的配置送往对应服务——别把“装在本机”自动等同于“数据绝不出机”。

另一个细节很对：它允许用 ZOTERO_MCP_TOOLSETS 缩窄 MCP 工具集合。因为工具描述会在每轮对话塞进模型上下文，功能越多，工具税越高。研究系统最怕的不是能力少，而是每次调用都背着一个过大的瑞士军刀。

当前仓库约 4.6k stars，最新可见 release 为 0.9.1，MIT 开源。
黑昼的判断：这不是“Zotero 加了 AI”，而是把你的阅读痕迹从静态档案变成一个可以被追问、比对和重新组织的研究器官。

🔗 链接：t点cn/AXvPwOI9
📦 PyPI：t点cn/AXNMtXQ5
📖 文档：t点cn/AXNMtXQt