pdf-mcp

概述

pdf-mcp 是基于 Python 和 PyMuPDF 构建的专业 MCP 服务器，为 AI 智能体提供高效的 PDF 内容访问功能。它通过允许智能体读取特定页面或范围，而非加载整个文档，解决了上下文窗口限制问题。服务器实现了混合搜索，结合 BM25 关键字和通过倒排等级融合(RRF)的语义搜索，具备扫描文档的 OCR 功能、表格和图像的结构化提取，以及基于 SQLite 的持久缓存。它具备强大的安全性，采用仅 HTTPS 的 URL 获取和 SSRF 防护。

试试问 AI

装完之后，这里有 5 个你可以让 AI 做的事：

• pdf_info

  Page count, metadata, TOC summary, scanned-page detection. Call first.

  试试:What information can you tell me about this PDF?试试:How many pages are in the document?
• pdf_get_toc

  Full table of contents for documents with >50 bookmarks

  试试:Show me the table of contents试试:What are the main sections of this document?
• pdf_read_pages

  Read specific pages or ranges; OCR-on-demand; embedded images + tables

  试试:Read pages 10-15 of the document试试:OCR pages 3-5 of the scanned PDF
• pdf_read_all

  Read entire document in one call (byte-capped for safety)

  试试:Read the entire document试试:Summarize this PDF for me
• pdf_render_pages

  Render pages as PNG for vision models — diagrams, handwriting, scans

  试试:Show me what page 5 looks like试试:Render pages 10-15 as images
• pdf_search

  Hybrid RRF search (keyword + semantic), page or section granularity

  试试:Find sections about the training process试试:Which pages discuss supply chain risks?
• pdf_cache_stats

  Per-document cache breakdown + total size

  试试:Show me cache statistics试试:How much space is used for caching?
• pdf_cache_clear

  Clear expired or all cache entries

  试试:Clear the cache试试:Remove all cached data

可对比工具

安装

pip install pdf-mcp

{
  "mcpServers": {
    "pdf-mcp": {
      "command": "pdf-mcp"
    }
  }
}

FAQ

pdf-mcp 如何处理大型 PDF 文档？

pdf-mcp 使用分块读取功能，允许 AI 智能体读取特定页面或页面范围，而不是加载整个文档，从而防止上下文溢出问题。

pdf-mcp 提供哪些搜索功能？

pdf-mcp 使用倒排等级融合(RRF)结合 BM25 关键字搜索和语义搜索，提供更全面的文档查询能力。

pdf-mcp 对比