标题： Sciverse Skill 与 MCP 连接指南：搭建可落地的 Agent 检索系统

分类： AI / Agent / MCP / 科研工具 / 教程

---

本文给出一个实战导向的接入方案：如何把 Sciverse 接入 Agent，并把 Skill 与 MCP 两种连接方式讲清楚。

目标是：不仅能查到文献，还能形成“可持续运行”的检索链路。

---

1. 架构总览

Sciverse 在 Agent 中可走两条连接路径：

1. Skill 连接：快速接入，适合验证和轻量使用。
2. MCP 连接：标准化接入，适合工程化和多工具编排。

二者不是冲突关系，而是不同阶段的最佳实践。

---

2. Skill 连接方式（快速）

步骤

1. 在支持 Skill 的客户端添加 Sciverse Skill。
2. 填写 SCIVERSE_API_TOKEN。
3. 在对话中直接调用检索能力。

特点

• 配置少、见效快
• 适合 PoC 和小团队试用
• 适合先验证“检索效果是否满足需求”

---

3. MCP 连接方式（标准）

步骤

1. 在 MCP 配置文件注册 Sciverse MCP Server。
2. 使用环境变量配置 Token。
3. 在 Agent 中按 Tool 协议调用检索与内容读取工具。

示例配置

{
  "mcpServers": {
    "sciverse": {
      "command": "npx",
      "args": ["-y", "sciverse-mcp-server"],
      "env": {
        "SCIVERSE_API_TOKEN": "YOUR_TOKEN"
      }
    }
  }
}

特点

• 协议统一，易于扩展
• 适合与其他 MCP 工具组合
• 适合生产环境治理

---

4. 推荐迁移路径

建议按以下顺序推进：

1. 先 Skill：验证业务价值（能否提升调研效率）。
2. 后 MCP：沉淀标准化配置（降低维护成本）。
3. 再自动化：串起检索、正文读取、资源提取和结构化总结。

---

5. Agent 检索闭环示例

用户问题
  -> Sciverse 检索（Skill/MCP）
  -> 返回候选文献
  -> 正文读取与证据片段提取
  -> 图表/资源解析
  -> 输出结构化结论（可追溯）

这条闭环打通后，Agent 才真正具备“知识分析”能力，而不只是“搜索能力”。

---

6. 总结

Sciverse 的优势不仅是检索能力本身，更在于提供了 Skill 和 MCP 两种清晰连接方式：

• Skill 解决“快速可用”
• MCP 解决“长期可维护”

对于要落地 Agent 检索系统的团队，这种双通路接入模型非常实用。

---

参考文档：

• https://sciverse.space/docs#cookbook/skill-integration
• https://sciverse.space/docs#sciverse/skills
• https://sciverse.space/docs#sciverse/overview