PDF Tools MCP Server

PDF Tools MCP Server

English | 中文

中文

一个基于 FastMCP 的 PDF 读取和操作工具服务器，支持从 PDF 文件的指定页面范围提取文本内容。

功能特性

• 📄 读取 PDF 文件指定页面范围的内容
• 🔢 支持起始和结束页面参数（包含范围）
• 🛡️ 自动处理无效页码（负数、超出范围等）
• 📊 获取 PDF 文件的基本信息
• 🔗 合并多个 PDF 文件
• ✂️ 提取 PDF 的特定页面
• 🔍 正则表达式搜索功能，支持分页查看结果
• 🌐 URL 支持 - 支持直接从 URL 读取和操作 PDF 文件
• 💾 智能缓存机制，相同 URL 的 PDF 自动复用临时文件

安装

从 PyPI 安装

uv add pdf-tools-mcp

如果 uv add 遇到依赖冲突，建议使用：

uvx tool install pdf-tools-mcp

从源码安装

git clone https://github.com/yourusername/pdf-tools-mcp.git
cd pdf-tools-mcp
uv sync

使用方法

与 Claude Desktop 集成

添加到你的 ~/.config/claude/claude_desktop_config.json (Linux/Windows) 或 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS):

开发/未发布版本配置

{
  "mcpServers": {
    "pdf-tools-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/pdf-tools-mcp",
        "run",
        "pdf-tools-mcp",
        "--workspace_path",
        "</your/workspace/directory>",
        "--tempfile_dir",
        "</your/temp/directory>"
      ]
    }
  }
}

已发布版本配置

{
  "mcpServers": {
    "pdf-tools-mcp": {
      "command": "uvx",
      "args": [
        "pdf-tools-mcp",
        "--workspace_path",
        "</your/workspace/directory>",
        "--tempfile_dir",
        "</your/temp/directory>"
      ]
    }
  }
}

注意: 出于安全考虑，此工具只能访问指定工作目录(--workspace_path)内的文件，无法访问工作目录之外的文件。

如果配置后无法正常工作或在UI中无法显示，请通过 uv cache clean 清除缓存。

作为命令行工具

# 基本使用
pdf-tools-mcp

# 指定工作目录和临时文件目录
pdf-tools-mcp --workspace_path /path/to/workspace --tempfile_dir /path/to/temp

作为 Python 包

from pdf_tools_mcp import read_pdf_pages, get_pdf_info, merge_pdfs, extract_pdf_pages

# 读取 PDF 页面（支持 URL）
result = await read_pdf_pages("https://example.com/document.pdf", 1, 5)

# 获取 PDF 信息（支持 URL）
info = await get_pdf_info("document.pdf")

# 合并 PDF 文件（支持 URL 和本地文件混合）
result = await merge_pdfs(["file1.pdf", "https://example.com/file2.pdf"], "merged.pdf")

# 提取特定页面
result = await extract_pdf_pages("source.pdf", [1, 3, 5], "extracted.pdf")

主要工具函数

1. read_pdf_pages

读取 PDF 文件指定页面范围的内容

参数:

• pdf_file_path (str): PDF 文件路径或 URL
• start_page (int, 默认 1): 起始页码
• end_page (int, 默认 1): 结束页码

URL 支持:

• 支持 http:// 和 https:// 协议的 URL
• 自动下载 PDF 文件到临时目录
• 相同 URL 会复用已下载的文件
• 支持 PDF 文件格式验证

示例:

# 读取本地文件第 1-5 页
result = await read_pdf_pages("document.pdf", 1, 5)

# 读取 URL 中的 PDF 第 10 页
result = await read_pdf_pages("https://example.com/document.pdf", 10, 10)

2. get_pdf_info

获取 PDF 文件的基本信息

参数:

• pdf_file_path (str): PDF 文件路径或 URL

返回信息:

• 总页数
• 标题
• 作者
• 创建者
• 创建日期

3. merge_pdfs

合并多个 PDF 文件

参数:

• pdf_paths (List[str]): 要合并的 PDF 文件路径列表（支持 URL 和本地文件混合）
• output_path (str): 合并后的输出文件路径（必须是本地路径）

4. extract_pdf_pages

从 PDF 中提取特定页面

参数:

• source_path (str): 源 PDF 文件路径或 URL
• page_numbers (List[int]): 要提取的页码列表（从 1 开始）
• output_path (str): 输出文件路径（必须是本地路径）

错误处理

工具自动处理以下情况：

• 负数页码：自动调整为第 1 页
• 超出 PDF 总页数的页码：自动调整为最后一页
• 起始页大于结束页：自动交换
• 文件未找到：返回相应错误信息
• 权限不足：返回相应错误信息

使用示例

# 获取 PDF 信息
info = await get_pdf_info("sample.pdf")
print(info)

# 读取前 3 页
content = await read_pdf_pages("sample.pdf", 1, 3)
print(content)

# 读取最后一页（假设 PDF 有 10 页）
content = await read_pdf_pages("sample.pdf", 10, 10)
print(content)

# 使用 URL 读取 PDF
content = await read_pdf_pages("https://example.com/sample.pdf", 1, 3)
print(content)

# 合并多个 PDF（混合本地文件和 URL）
result = await merge_pdfs([
    "part1.pdf", 
    "https://example.com/part2.pdf", 
    "part3.pdf"
], "complete.pdf")
print(result)

# 从 URL 的 PDF 提取特定页面
result = await extract_pdf_pages("https://example.com/source.pdf", [1, 3, 5, 7], "selected.pdf")
print(result)

注意事项

• 页面范围使用包含区间，即起始页和结束页都包含在内
• 如果指定页面没有文本内容，将被跳过
• 返回结果会显示 PDF 总页数和实际提取的页面范围
• 支持各种语言的 PDF 文档
• 建议一次读取的页面数不超过 50 页，以避免性能问题
• URL 支持说明:
  • 支持 HTTP 和 HTTPS 协议的 URL
  • URL 中的 PDF 会被下载到临时目录（默认：~/.pdf_tools_temp）
  • 相同的 URL 会复用已下载的文件，避免重复下载
  • 下载的文件会进行 PDF 格式验证
  • 输出文件路径（如合并、提取功能）必须是本地路径，不能是 URL

开发

构建

uv build

发布到 PyPI

uv publish

本地开发

# 安装开发依赖
uv sync

# 运行测试
uv run python -m pytest

# 运行服务器
uv run python -m pdf_tools_mcp.server

English

A FastMCP-based PDF reading and manipulation tool server that supports extracting text content from specified page ranges of PDF files.

Features

• 📄 Read content from specified page ranges of PDF files
• 🔢 Support for start and end page parameters (inclusive range)
• 🛡️ Automatic handling of invalid page numbers (negative numbers, out of range, etc.)
• 📊 Get basic information about PDF files
• 🔗 Merge multiple PDF files
• ✂️ Extract specific pages from PDFs
• 🔍 Regular expression search functionality with paginated results
• 🌐 URL Support - Direct support for reading and manipulating PDF files from URLs
• 💾 Smar