先問一個不太舒服的問題：你上一次真正用到 Zotero 裡的文獻，是什麼時候？
不是「加進去」，是「用到」。多數人的答案是想不起來。八百篇文獻躺在那裡，有書目、有 PDF、有你當年畫的線，但真要寫文獻回顧時，你還是關鍵字搜尋、一篇一篇點開、看標題想不起來內容。半小時過去，你只確認了五篇文獻的相關性。
卡住的其實不是 Zotero，而是中間那段轉換。你腦子裡的問題是「我庫裡有哪些文獻可以支持這個論點」「這幾篇的衡量指標有什麼不同」「它們共同的研究限制是什麼」，但你打得出來的關鍵字只有「社群媒體」「行銷成效」，就這樣，沒了。Zotero 存得很好，它只是無法回答概念層次的問題，那段轉換一直由你的大腦承擔。
Zotero MCP 補的就是這一段。裝完之後，你可以用完整的中文句子問你自己的文獻庫，而不是拼湊關鍵字。
先看完整簡報
底下這份簡報是我在工作坊實際使用的教材，涵蓋本文的全部內容，可以直接翻閱：
▲ Zotero MCP 教學簡報，涵蓋概念、安裝、問法與紀律四段，可用鍵盤方向鍵翻頁，也可切換成捲軸閱讀模式
MCP 是什麼
MCP 全名 Model Context Protocol，是 Anthropic 在 2024 年底提出的開放標準。一句話理解：它是 AI 助理與外部資料源之間的通用插座。
在它之前，想讓 AI 讀你的 Zotero，你得自己寫程式把資料撈出來，再貼進對話框。在它之後，任何支援 MCP 的 AI 助理都能直接接上任何 MCP 伺服器。更划算的是，這套邏輯學一次就夠：Obsidian、Notion、Google Drive 的 MCP 都是同一套裝法與同一種用法。
Zotero MCP 具體做三件事：接上你的資料庫，讓書目、標籤、附件、註記都查得到；把資料翻譯成 AI 讀得懂的結構化格式；提供 37 支工具給 AI 挑選，而你不必記住任何一支的名稱。
它能做的事包括：用主題、作者、年份、標籤、分類查詢文獻；一次拉齊期刊、卷期、頁碼、DOI 與摘要；抽出 PDF 全文並針對內容回答問題；把散在各篇的畫線集中重組成筆記；輸出 APA、MLA、Chicago 或 BibTeX 格式的引用；以及用概念而非關鍵字搜尋論文（需要額外安裝語意搜尋版本）。
它不能做什麼
這一段比上一段重要。工具教學最常見的災難，是帶著錯誤期待回家，然後在自己電腦前面卡住。
本機模式只能讀。新增、修改、刪除、附加檔案這幾類工具你叫不動。想開放寫入，得另外申請 Zotero 的 Web API key，而開了之後，AI 也就有能力刪你的資料，這條界線請自己權衡。
它讀不到不存在的東西。沒掛 PDF 就沒有全文，沒畫線就沒有註記。工具只是把你既有的資產變得可用，不會無中生有。
Zotero 必須開著。本機 API 是 Zotero 自己起的伺服器，程式關掉就整組失效。
它不會替你思考。哪幾篇構成你的理論對話對象，這是學術判斷，不是檢索結果。
動手之前，先確認四件事
一是 Zotero 7 以上，本文以 Zotero 9 示範，舊版開啟本機 API 的方式略有不同。二是 Claude Code 或其他支援 MCP 的客戶端，終端機打 claude --version 確認裝好了。三是 uv 這個 Python 套件管理工具，沒有的話下一步會裝。四是你的 Zotero User ID，在 Zotero 設定的同步分頁可以看到，或從 zotero.org 個人頁面網址列的那串數字取得。
安裝四步驟
第一步與第二步：兩行指令
# 裝 uv
brew install uv
# 裝 Zotero MCP（含語意搜尋，體積較大）
uv tool install 'zotero-mcp-server[semantic]'
# 只要基本功能的話
uv tool install zotero-mcp-server這裡有個很多人踩過的坑：套件名稱是 zotero-mcp-server，不是 zotero-mcp。裝完之後，執行檔會落在 ~/.local/bin/zotero-mcp。
另外提醒，網路上還流傳著另一個給 Claude Code 專用的 fork 版本，那個專案已經停止維護，請認明 54yyyu 維護的這一套。
第三步：打開 Zotero 的本機 API
整個流程最容易卡的一關在這裡。Zotero 9 的本機 API 預設關閉，而且開關不在圖形介面裡，要直接改設定檔。
更麻煩的是，設定檔在 profile 資料夾，跟你的資料庫資料夾不是同一個地方。資料庫本體通常在 ~/Zotero，但要改的是這個：
// 檔案位置（macOS）
// ~/Library/Application Support/Zotero/Profiles/xxxxxxxx.default/prefs.js
user_pref("extensions.zotero.httpServer.enabled", true);
user_pref("extensions.zotero.httpServer.localAPI.enabled", true);xxxxxxxx 是一串隨機字元，每臺電腦都不一樣，進到 Profiles 資料夾就看得到。改檔期間 Zotero 必須完全關閉，否則你存好的檔會在關閉時被程式覆蓋回去。改完再重新開啟 Zotero。
第四步：註冊給 Claude Code
claude mcp add zotero --scope user \
-e ZOTERO_LOCAL=true \
-e ZOTERO_LIBRARY_ID=你的UserID \
-e ZOTERO_LIBRARY_TYPE=user \
-- ~/.local/bin/zotero-mcp serveZOTERO_LOCAL=true 代表走本機 API；ZOTERO_LIBRARY_TYPE 個人文獻庫填 user，群組文獻庫填 group。註冊完必須重新啟動 Claude Code，工具才會出現。
三道驗收：都過才算裝完
安裝類工作最忌諱「看起來好像成功了」。這三關請一關一關跑，沒過不要往下走。
第一關，本機 API 有回應：
curl -s -o /dev/null -w "%{http_code}" \
"http://127.0.0.1:23119/api/users/0/items?limit=1"回 200 才算通過。回 000 表示 Zotero 沒開，或那兩個 pref 沒設對。
第二關，MCP 被認到：終端機打 claude mcp list，要看得到 zotero 而且連線狀態正常。
第三關，真的查得到資料：在對話裡問一句「我的 Zotero 有哪些 collection」，回得出你熟悉的分類名稱才算數。
常見卡點與處理方式：curl 回 000，多半是 Zotero 沒開或 pref 沒設對；看不到 zotero 工具，是沒重啟客戶端或執行檔路徑打錯；查詢回 No items found，是 LIBRARY_ID 填錯，連到了一個空的資料庫；語意搜尋說不可用，是裝到基本版，回頭裝 semantic 版並跑一次 zotero-mcp update-db 建索引；全文回傳一堆亂碼，那是 PDF 為掃描檔沒做過 OCR，抽不出文字層。
37 支工具，不必背
工具分成六類：查詢與導覽 11 支（找條目、找分類、找標籤、列最近加入）、閱讀 7 支（拉書目、讀全文、只讀指定頁、看 PDF 目錄）、註記與筆記 7 支（撈畫線、彙整主題筆記、讀條目筆記）、產出 1 支（參考文獻、內文引註與 BibTeX）、管理 9 支（增修刪條目與分類，多數需要寫入權限）、系統 2 支（重建語意索引、查索引狀態）。
知道分類的用處，是讓你判斷「這件事到底做不做得到」，而不是背名稱。這一段真正的重點只有一句：不要學指令，要學問法。你用完整的中文句子問，AI 自己決定要呼叫哪一支工具。
十句可以照抄的問法
前五句偏檢索與整理：
一、盤點：我的 Zotero 有幾筆、分成哪些 collection、各有多少篇。
二、找對話對象：我在寫一篇談某某主題的論文，我的 Zotero 裡有哪些文獻可以當作理論對話對象？各說明一句為什麼相關。
三、拉書目：某某某某年那篇的完整書目資料，包含 DOI 跟摘要。
四、生參考文獻：把剛才那幾篇輸出成 APA 第七版的參考文獻清單。
五、精讀：讀這篇全文，告訴我研究問題、方法、樣本、主要發現。
後五句偏綜合與判斷：
六、撈畫線：把我在這篇畫的重點撈出來，依主題分組整理成筆記。
七、跨文獻比較：這三篇的衡量指標有什麼不同？做成表格。
八、找研究缺口：這些文獻共同的限制是什麼？哪個角度都沒處理。
九、依標籤盤點：列出標了「待讀」的文獻，依年份排，標出有無 PDF。
十、投稿前檢查：這個 collection 有哪些條目缺 DOI、頁碼或出版年。
第二句的關鍵在最後那半句「說明為什麼相關」。少了它，AI 只會給你一份清單；加上它，AI 必須給出理由，你也才有東西可以反駁。第八句是最能展現價值的一句，因為它要求 AI 跨文獻做綜合判斷，而不只是檢索。
一個數字：116,000
這是實際量測一篇中文期刊論文全文所抽出的字元數。
一篇論文的全文，就足以吃掉整段對話的記憶體。所以正確的紀律是：先用書目與摘要篩掉八成，剩下的只讀需要的頁，真要通篇精讀才動用全文工具，而且一次只讀一篇。會用工具的人跟被工具用的人，差別就在這裡。
語意搜尋的一個重要限制
如果你裝了語意搜尋版本，有件事最好先知道：它不做跨語言檢索。
我實測過同一個概念的兩種問法。用英文問句去找英文文獻，目標論文精準命中並排在前兩名；換成意思完全相同的中文問句，一篇英文文獻都抓不到，只回了幾筆中文項目與不相關的註記。中文對中文的相關性分數也普遍偏低，模型對中文本身就弱。
實務作法很簡單：英文文獻一律用英文問句檢索，中文文獻改走標籤查詢或分類清單，不要靠語意檢索。這也是為什麼匯入文獻時值得多花幾秒鐘打標籤，標籤路徑正好補上語意檢索的盲區。
想開放寫入的話
前面說過本機 API 唯讀。真的需要讓 AI 幫忙整理文獻庫時，要到 zotero.org 申請 API key，把 ZOTERO_API_KEY 加進 MCP 的環境變數。
這裡有兩個實戰踩過的坑值得先講。第一，改完設定檔之後，當下這條 MCP 連線仍然吃舊的環境變數，寫入照樣被擋，必須重開對話工作階段才會生效。第二，建立 API key 的頁面上，除了寫入權限之外，還有一個獨立的 notes 存取勾選項。沒勾的症狀極具誤導性：建立筆記會回報成功並給你 key，但回頭讀就是 404，列表查不到，垃圾桶也找不到，很容易誤判成伺服器把資料吃掉了。診斷方式是打一次 https://api.zotero.org/keys/current，看回傳的權限裡有沒有 notes: true，沒有就是這個坑，不要往別的方向查。
五個一定會踩到的雷
一、你的庫可能根本沒有 PDF。用瀏覽器外掛一鍵抓下來的，常常只是網頁快照，全文品質會很差。
二、全文讀取會吃掉整段對話。能只讀指定頁就不要讀全文。
三、掃描檔沒有文字層。年代久遠的論文 PDF 若沒做過 OCR，AI 讀不出任何一個字。
四、本機模式唯讀。你會在想叫 AI 順手整理文獻庫的那一刻撞上這條。
五、中文書目的作者欄常常是髒的。匯入時帶進多餘的標點或標記，輸出 APA 時會原樣跑出來，交稿前務必自己校對一次。
換掉的其實是這五件事
傳統做法是關鍵字搜尋後一篇篇點開判斷、手工複製書目欄位還可能複製錯欄、手工排參考文獻花掉兩小時、畫的線散在各個 PDF 裡、跨文獻比較全靠腦力與便利貼。
換成 Zotero MCP 之後，這五件事變成：用完整問句問並要求 AI 給出相關性理由、一句話拉出完整書目、一句話輸出參考文獻而換格式再一句、一次撈齊所有畫線並依主題重組、一句話出比較表。
進階一點的用法有四種。寫論文時，圈出對話對象、做成五欄比較表、再問研究缺口，三步跑完你就有骨架，血肉自己長。回覆審稿意見時，被說文獻不夠新，先查庫裡 2020 年後的相關文獻，多數情況你本來就有。備課排讀物時，從一個 collection 排出十八週指定讀物並說明遞進邏輯。串接知識庫時，Zotero 管書目與畫線，筆記軟體管想法，AI 在兩者之間搬運。
最後三條倫理線
AI 摘要不等於你讀過。引用之前，關鍵段落請自己看過原文。出錯的時候，掛的是你的名字。
研究判斷不外包。理論對話、研究缺口、你的貢獻，這些是研究者的核心工作，不是可以省下來的流程。
該揭露就揭露。寫清楚用在哪一步，這對你有利而不是不利。
值得記住的是，AI 在這裡搜的是你自己讀過、自己歸過類的文獻，不是網路上的陌生資料。文獻庫愈用心，這個工具就愈強。
如果你想更有系統地把 AI 帶進研究流程：從文獻搜尋與驗證，一路到閱讀、寫作與投稿，歡迎參加我的《AI 賦能學術研究與寫作實戰工作坊》，用半天時間把 AI 變成你的研究副駕駛；還沒準備好報名的話，先從免費課程開始。