PDF MCP 服务器

这是一个基于 Model Context Protocol (MCP) 的PDF阅读工具，支持从本地文件和URL读取PDF内容。

功能特性

• 📖 多源读取: 支持从本地文件和URL读取PDF内容
• 📄 文本提取: 提取PDF中的文本内容供智能体分析
• 📊 元数据获取: 获取PDF文件的基本信息（页数、作者、标题等）
• 🎯 页面选择: 支持指定页面范围或特定页面进行提取
• 🔧 智能体集成: 专为智能体设计的MCP协议接口

安装和设置

1. 安装依赖：

npm install

2. 构建项目：

npm run build

3. 启动MCP服务器：

npm start

可用工具

read_pdf

读取PDF文件内容，支持本地文件和URL

参数：

• sources (必需): PDF源数组，每个源包含：
  • path (可选): 本地PDF文件路径
  • url (可选): PDF文件的URL链接
  • pages (可选): 要提取的页面，支持：
    • 数组: [1, 3, 5] - 指定页面
    • 字符串: "1-3,5,7-" - 页面范围
• include_full_text (可选): 是否包含完整文本，默认false
• include_metadata (可选): 是否包含元数据，默认true
• include_page_count (可选): 是否包含页数，默认true

示例：

{
  "name": "read_pdf",
  "arguments": {
    "sources": [
      {
        "url": "https://example.com/document.pdf",
        "pages": "1-5"
      }
    ],
    "include_full_text": true,
    "include_metadata": true
  }
}

智能体配置

在您的智能体配置中添加以下MCP服务器配置：

{
  "mcpServers": {
    "pdf-mcp": {
      "command": "node",
      "args": ["dist/index.js"],
      "cwd": "/path/to/pdf-mcp"
    }
  }
}

使用场景

• 📚 学术论文阅读: 智能体可以读取学术PDF论文并进行分析
• 📰 新闻文章处理: 处理在线PDF格式的新闻文章
• 📋 文档分析: 分析各种PDF格式的文档内容
• 🔍 内容搜索: 在PDF文档中搜索特定信息

技术特性

• 基于MCP协议，与智能体无缝集成
• 支持大文件处理（流式读取）
• 自动处理各种PDF格式
• 错误处理和超时保护
• TypeScript实现，类型安全

注意事项

• 确保PDF URL可公开访问
• 大文件可能需要较长处理时间
• 某些PDF可能包含图片或复杂格式，文本提取效果可能有限
• 建议在使用前先用 get_pdf_info 检查文件信息

开发

# 开发模式
npm run dev

# 构建
npm run build

# 启动
npm start

许可证

MIT License