mcp-file-processor

@opafex/mcp-file-processor

RAG パイプライン向けに設計された、汎用的なテキスト抽出、キーワード抽出、言語検出、テキスト分割を行う MCP サーバーです。

PDF、DOCX、CSV、JSON、Markdown、HTML、コードファイルに対応しています。プラットフォーム依存関係はありません。

インストール

npm install @opafex/mcp-file-processor

Node.js 20+ が必要です。

クイックスタート

Claude Code / Claude Desktop に追加する

{
  "mcpServers": {
    "file-processor": {
      "command": "npx",
      "args": ["@opafex/mcp-file-processor"]
    }
  }
}

API キーは不要です。すべてローカルで実行されます。

ツール

extract_text

ファイルからテキストコンテンツを抽出します。

{
  "success": true,
  "text": "Extracted text content here...",
  "wordCount": 142,
  "pageCount": 3,
  "processingTimeMs": 45
}

extract_keywords

テキストから重要度順にキーワードを抽出します。ストップワードを除外し、出現頻度順に並べます。

{
  "success": true,
  "keywords": [
    { "word": "javascript", "frequency": 8 },
    { "word": "framework", "frequency": 4 },
    { "word": "react", "frequency": 3 }
  ],
  "totalWords": 156
}

detect_language

コンテンツがコード、自然言語、または混在のいずれであるかを検出します。

{
  "success": true,
  "contentType": "code",
  "programmingLanguage": "typescript"
}

chunk_text

RAG／埋め込みパイプライン向けに、重複部分を含むチャンクにテキストを分割します。

{
  "success": true,
  "chunks": [
    { "index": 0, "text": "...", "startOffset": 0, "endOffset": 1000, "wordCount": 167 },
    { "index": 1, "text": "...", "startOffset": 800, "endOffset": 1800, "wordCount": 172 }
  ],
  "totalChunks": 5,
  "totalCharacters": 4200
}

process_file

一括処理：テキストの抽出、コンテンツタイプの検出、キーワードの抽出、チャンクへの分割を行います。

server_info（組み込み）

サーバーのメタデータ、登録済みのツール、リソースを返します。

リソース

対応形式

開発

npm run build    # Compile TypeScript
npm run dev      # Run with tsx
npm test         # Run tests
npm start        # Run compiled server

ライブラリの使用方法

import { FileProcessorService } from '@opafex/mcp-file-processor/service';

const service = new FileProcessorService();

const result = await service.processFile(
  'Hello world, this is a document.',
  '.txt',
  500,  // chunk size
  100   // overlap
);

コントリビューション

バグを見つけた場合や機能のリクエストがある場合は、Issue を作成してください。

ライセンス

MIT — LICENSE を参照してください。