bgustdown-mcp

Servidor Model Context Protocol para el motor de conversión y preparación de datasets NLP de bgustdown (ecosistema BGUST).

Expone las herramientas del motor vía stdio local, manteniendo bgustdown y bgustreadimg como servicios independientes.

Instalación

npm install -g bgustdown-mcp
# OCR opcional (servicio independiente):
npm install -g bgustreadimg

Configuración

Añade el servidor a tu cliente MCP (Claude Code, opencode, Cursor, etc.):

{
  "mcpServers": {
    "bgustdown": {
      "command": "npx",
      "args": ["bgustdown-mcp"]
    }
  }
}

Herramientas

| Tool | Descripción | | :--- | :--- | | convert_file | Convierte un documento local (PDF, DOCX, XLSX, ODT, CSV) a Markdown semántico. Si el PDF está escaneado devuelve [OCR_REQUIRED] y delega el OCR a bgustreadimg. | | prepare_nlp_data | Segmenta markdown o texto plano en oraciones estructuradas para datasets NLP y RAG. | | preprocess_image | Binarización Sauvola de imágenes de documento (requiere bgustreadimg instalado). |

Flujo OCR (bgustdown → bgustreadimg)

1. convert_file detecta un PDF sin capa de texto y devuelve [OCR_REQUIRED].
2. Instala/usa bgustreadimg y ejecuta preprocess_image sobre las imágenes del documento.
3. Vuelve a convertir el resultado con convert_file.

Ejecución local (desarrollo)

node mcp/src/index.js