Trae 科研数据 MCP
在 Trae 的“设置 > MCP”里添加 ScholarMuse,在浏览器里登录。之后智能体写分析代码时,可以直接取数据集、官方统计数据和各学科的记录。
怎样把 ScholarMuse 接入 Trae
Trae 有两个版本:国内版(trae.cn)和国际版(trae.ai)。国内版的文档提供了一键安装链接,并支持完整的 MCP 浏览器授权。国际版请手动添加;如果没有弹出授权页面,改用下面的备用配置。以下步骤依据 Trae 的官方文档整理。
第 1 步
Trae 国内版:用安装链接
在装有 Trae 国内版的电脑上打开这个链接。Trae 会弹出确认对话框,确认后服务器就加好了。
trae-cn://trae.ai-ide/mcp-import?type=http&name=scholarmuse&config=eyJ1cmwiOiJodHRwczovL3NjaG9sYXJtdXNlLmFpL21jcCJ9第 2 步
两个版本通用:手动添加
打开“设置 > MCP”,选择“添加 > 手动添加”,粘贴下面的 JSON。在智能体窗口里,运行环境选“本地”,不要选云端。
{ "mcpServers": { "scholarmuse": { "url": "https://scholarmuse.ai/mcp" } } }第 3 步
在浏览器里授权
浏览器会打开 scholarmuse.ai。登录并同意授权,再选择允许 Trae 使用哪些学科包。整个过程不需要创建或粘贴 API key。
第 4 步
如果没有弹出授权页面
国际版可能出现这种情况,它的文档没有明确说明支持 MCP 服务器的浏览器授权。这时改用下面的配置:它会在本机运行 mcp-remote,由它打开登录页面,需要 Node.js 18 或更高版本。
{ "mcpServers": { "scholarmuse": { "command": "npx", "args": [ "-y", "mcp-remote", "https://scholarmuse.ai/mcp" ] } } }第 5 步
确认连接成功
让 Trae 的智能体列出 ScholarMuse 的能力。如果它看不到,检查“设置 > MCP”里服务器是否已启用,以及运行环境是否选了“本地”。
连接后 Trae 能取到什么
Trae 是 IDE,在里面做科研,多半是写分析脚本和 notebook。所以先列代码能直接读取的数据,再列写文档时用得上的论文检索和参考文献核验。

数据集检索
全学科 · DataCite, Zenodo, Dryad +2

经济与社会统计
全学科 · FRED, World Bank, IMF +5

论文检索
全学科 · OpenAlex, PubMed / Europe PMC, arXiv +5
新任意地点的历史气象数据
地球与环境 · NASA POWER

化合物与材料
化学与材料 · PubChem, ChEBI, Materials Project +2
新基因与蛋白查询
生命科学与医学 · NCBI Gene, Ensembl, UniProt +5

物种分布记录
地球与环境 · GBIF

参考文献核验
全学科 · Crossref, OpenAlex
- 数据集检索
- 先让 Trae 找出候选数据集,比较许可和大小,选定之后再让它写下载和加载代码。
- 经济与社会统计
- 宏观和社会统计序列带单位和来源,回归用的面板数据可以直接用官方数字搭起来。
- 论文检索
- 查到你正在实现的模型或指标出自哪篇论文,把 DOI 写进函数注释。
- 任意地点的历史气象数据
- 试验点或城市 1981 年以来的逐日气温、降水和辐射,可以作为作物模型或能源模型的输入。
- 化合物与材料
- 把 PubChem 的化合物性质和带隙等晶体数据取成表格,供筛选脚本使用。
- 基因与蛋白查询
- 给差异表达分析得到的基因列表补上功能、通路和组织表达注释。
- 物种分布记录
- GBIF 上开放许可的物种分布记录,可以作为物种分布模型的样点。
- 参考文献核验
- 仓库里的 README、报告或 LaTeX 文件对外分享之前,把里面的参考文献核对一遍。
可以这样问 Trae
数据集检索
你对 agent 说
用 ScholarMuse 找开放许可的农作物类型分类遥感数据集,比较许可、大小和格式。我选定之后,为它写一个 PyTorch 的 Dataset 类。
经济与社会统计
你对 agent 说
取中国、印度、越南 1990 到 2023 年的人均 GDP 和城镇人口比重年度数据,存成一张长表 CSV,再用 Python 跑一个固定效应回归。
任意地点的历史气象数据
你对 agent 说
取北纬 30.59、东经 114.31 处 2000 到 2023 年的逐日降水量,统计每年日降水量超过 50 毫米的天数,并画图。
常见问题
让你的 agent 更懂学术
连接一次,就能在你已经在用的 agent 里,用上 50 多个数据源的论文、数据和插图。
兼容这些 AI agent
数据来自 OpenAlex · Crossref · PubMed · arXiv · NIH · UniProt · PDB · PubChem · NASA · World Bank · USGS · GBIF 等