Pdf Reader

pdf-reader-mcp

PDF や画像からテキストを抽出できる MCP サーバーです。以下に対応しています。

• PDF からのネイティブなテキスト抽出（埋め込みテキスト）
• Tesseract を使用したスキャン済み PDF や画像の OCR

要件

• Node.js >= 18.18
• PDF の OCR を最適な精度で行うには、Poppler（pdftoppm 用）と Tesseract（CLI）をインストールしてください。

macOS

brew install poppler tesseract

Windows

1. Tesseract：GitHub リリースからダウンロードしてインストールするか、chocolatey を使用してください。

   choco install tesseract
   

2. Poppler：poppler-windowsからダウンロードして PATH に追加するか、chocolatey を使用してください。

   choco install poppler
   

Linux（Ubuntu/Debian）

sudo apt-get install poppler-utils tesseract-ocr

注記：Poppler は任意です。インストールされていない場合は、処理速度の遅いファイル全体の OCR にフォールバックします。OCR には Tesseract CLI の使用を推奨します。インストールされていない場合、サーバーは tesseract.js にフォールバックします（初回実行時に言語データをダウンロードします）。

インストール

npm install

ビルド

npm run build

実行（stdio）

npm start

このサーバーは MCP に従って stdio トランスポートを使用します。MCP クライアントで、このフォルダー内のコマンド node dist/index.js を設定してください。

MCP クライアントの設定例（JSON）：

{
	"mcpServers": {
		"pdf-reader-mcp": {
			"command": "node",
			"args": ["dist/index.js"],
			"env": { }
		}
	}
}

ツール：extract_text_from_pdf

入力（次のいずれか）：

• path：ローカルの PDF ファイルまたは画像ファイルのパス
• base64：Base64 でエンコードされたコンテンツ（データ URL プレフィックスは任意）

オプション：

• ocr（boolean、デフォルトは false）：OCR の使用を強制します。false の場合、サーバーはまずネイティブ抽出を試し、必要に応じて OCR にフォールバックします。

出力：抽出されたテキストを単一のテキスト項目として返します。