MCP Server - Periódicos CAPES

✨ Novidades v3.0.0

Arquitetura completamente refatorada para melhor usabilidade com LLMs:

• 🎯 3 funções especializadas ao invés de uma monolítica
• 🧠 Cognitivamente otimizada para LLMs (máximo 4 parâmetros por função)
• 📊 Export estruturado com pasta + metadados para reprodutibilidade
• 📚 Suporte BibTeX além do RIS
• ⚡ Performance otimizada com preview rápido e paginação eficiente
• 🔄 Sorting por data (mais recentes/antigos primeiro)

Introdução

O MCP Server - Periódicos CAPES implementa o protocolo Model Context Protocol para permitir que modelos de linguagem consultem diretamente o Portal de Periódicos CAPES. Especialmente otimizado para revisões sistemáticas de literatura (RSL) e mapeamentos sistemáticos (MSL).

Características

• 🔍 Busca no Portal CAPES (IEEE, ACM, Elsevier, WoS, Scopus, etc.)
• 📈 Métricas integradas: OpenAlex (citações, FWCI) + Qualis (classificação brasileira)
• 🎛️ Filtros avançados: tipo, acesso aberto, revisão por pares, ano, idioma
• 📤 Export bibliográfico: RIS e BibTeX com pasta estruturada
• 🔬 Reprodutibilidade acadêmica: metadados completos para compliance
• ⚡ Otimizada para LLMs: interfaces cognitivamente simples

Instalação

npm install -g periodicos-capes-mcp

Configuração:

# Claude Code - adicionar automaticamente
claude mcp add capes periodicos-capes-mcp

Ou configurar manualmente (Claude Code/Desktop):

{
  "mcpServers": {
    "capes": {
      "command": "periodicos-capes-mcp"
    }
  }
}

Como Usar

O servidor fornece 3 funções especializadas otimizadas para diferentes workflows acadêmicos:

1. preview_search - Preview Rápido

Visualização rápida dos resultados para decidir se vale a pena refinar a busca.

Parâmetros:

Exemplo:

{
  "query": "machine learning healthcare",
  "filters": {
    "year_range": [2020, 2024],
    "document_types": ["Artigo"],
    "open_access_only": true
  }
}

Resposta:

{
  "query": "machine learning healthcare",
  "total_found": 2847,
  "sample_titles": [
    "Machine Learning Applications in Healthcare...",
    "Deep Learning for Medical Diagnosis...",
    "AI in Clinical Decision Support Systems..."
  ],
  "filters_applied": { ... }
}

2. get_articles - Busca Paginada com Sorting

Obtenha lotes específicos de artigos com metadados completos para análise detalhada.

Parâmetros:

Exemplo:

{
  "query": "artificial intelligence medical",
  "start_index": 0,
  "count": 20,
  "sort_by": "date_desc",
  "filters": {
    "year_range": [2023, 2024],
    "open_access_only": true
  }
}

3. export_search - Export para Gerenciadores de Referência

Exporte resultados para pasta estruturada com arquivo bibliográfico + metadados.

Parâmetros:

Exemplo:

{
  "query": "systematic review machine learning",
  "format": "ris",
  "max_results": 500,
  "filters": {
    "year_range": [2020, 2024],
    "document_types": ["Artigo", "Revisão"]
  }
}

Resultado:

capes_export_2025-01-15T14-30-52/
├── metadata.json          ← Metadados completos para reprodutibilidade
└── capes_export_143052.ris ← Arquivo para import no Zotero/Mendeley

Filtros Disponíveis

Todos os filtros são opcionais e podem ser combinados:

{
  "filters": {
    "document_types": ["Artigo", "Capítulo de livro", "Carta", "Errata", "Revisão"],
    "open_access_only": true,  // true=só aberto, false=só fechado, undefined=todos
    "peer_reviewed_only": true, // true=só revisado, false=só não-revisado, undefined=todos
    "year_range": [2020, 2024], // [ano_min, ano_max]
    "languages": ["Inglês", "Português", "Espanhol", "Francês", "Alemão", "Italiano"]
  }
}

Workflows Acadêmicos

Revisão Sistemática de Literatura (RSL)

# 1. Exploração inicial
preview_search("machine learning AND healthcare")
# → "Encontrado 15.000 artigos. Precisa refinar?"

# 2. Refinamento com filtros
preview_search("machine learning AND healthcare", {
  "year_range": [2020, 2024],
  "open_access_only": true,
  "document_types": ["Artigo"]
})
# → "Agora são 2.500 artigos. Melhor!"

# 3. Análise de amostra
get_articles("machine learning AND healthcare", 0, 20, filters, "date_desc")
# → Analisa os 20 mais recentes

# 4. Export completo para Zotero
export_search("machine learning AND healthcare", "ris", filters, 500)
# → Pasta estruturada com 500 artigos + metadados

Mapeamento Sistemático (MSL)

# 1. Vários previews para múltiplos termos
preview_search("blockchain AND supply chain")
preview_search("distributed ledger AND logistics") 
# → Entende escopo de diferentes termos

# 2. Export agregado
export_search("(blockchain OR distributed ledger) AND (supply chain OR logistics)", 
              "bibtex", filters, 1000)
# → Grande dataset para análise quantitativa

Reprodutibilidade Acadêmica

Cada export gera metadata.json com informações completas:

{
  "search_metadata": {
    "query": "(machine learning) AND (healthcare)",
    "total_found": 2847,
    "search_date": "2025-01-15T14:30:52.000Z",
    "filters_applied": { ... },
    "capes_portal_info": "Portal de Periódicos CAPES (IEEE, ACM, Elsevier, WoS, Scopus, etc.)",
    "tool_version": "3.0.0"
  },
  "usage_notes": {
    "import_to_zotero": "Import the .ris file directly into Zotero",
    "reproducibility": "This metadata.json contains all search parameters for exact reproduction"
  }
}

Ideal para protocolos PROSPERO e compliance de journals!

Desenvolvimento

# Clonar repositório
git clone https://github.com/damarals/periodicos-capes-mcp.git
cd periodicos-capes-mcp

# Instalar dependências
npm install

# Compilar
npm run build

# Executar
npm start

Migração da v2.x

A v3.0.0 introduz breaking changes com arquitetura completamente nova:

Contribuindo

Contribuições são sempre bem-vindas! Sinta-se à vontade para abrir issues ou enviar pull requests. Se encontrar algum problema ou quiser sugerir uma melhoria, não hesite em contribuir.

Licença

Este projeto está licenciado sob a licença MIT. Veja o arquivo LICENSE para mais detalhes.