mcp-business-pdf-field-extractor

商业 PDF 字段提取器 MCP 服务

这是一个用于在 Apify 上运行 Mamba Labs 商业 PDF 字段提取器 Actor 的 MCP 服务。将 PDF 中的发票、采购订单和合同提取为固定字段。

内容

• 功能介绍
• 快速开始
• 先决条件
• 提示词示例
• 工具
• 输入
• 定价
• Actor 完整文档
• 许可证

功能介绍

提供 PDF 地址。Actor 会读取每个文件中的文本，或对扫描页面运行 OCR，判断文件属于发票、采购订单还是合同，并返回固定字段。发票和采购订单会返回编号、日期、相关方、总额、明细项，以及金额是否相符的检查结果。合同会返回相关方、日期、期限、续约、通知天数、管辖法律，以及包含哪些标准条款。它仅使用标签和列位置，不使用 AI，因此没有已知标签对应的值会保持为 null，并列入缺失项。

所有工作都在 Apify 上运行。此软件包是一个轻量客户端，用于启动 Actor 运行、等待运行完成并返回数据集行。

快速开始

你需要 Node.js 18 或更高版本，以及一个带有 API 令牌的 Apify 账户。

将以下内容添加到 Claude Desktop 配置（claude_desktop_config.json）、Cursor 或任何 MCP 客户端中：

{
  "mcpServers": {
    "mamba-business-pdf-field-extractor": {
      "command": "npx",
      "args": [
        "-y",
        "@mambalabsdev/mcp-business-pdf-field-extractor"
      ],
      "env": {
        "APIFY_TOKEN": "your-apify-token"
      }
    }
  }
}

重启客户端。随后会显示 extract_business_pdf_fields 工具。

先决条件

• Node.js 18 或更高版本。
• 从 console.apify.com/account/integrations 获取 Apify API 令牌，并将其设置为 APIFY_TOKEN。服务无需令牌即可列出工具；调用工具时则需要令牌。

提示词示例

• “提取此发票 PDF 中的字段：”
• “读取这些采购订单并列出明细项：”
• “此合同 PDF 中的续约和通知条款是什么：”

工具

extract_business_pdf_fields。共一个工具。参数示例：

{
  "pdf_urls": [
    "https://docs.oasis-open.org/ubl/cd-UBL-1.0/fs/Order/pdf/OfficeOrder.Example-us.pdf",
    "https://raw.githubusercontent.com/Azure/azure-sdk-for-python/main/sdk/formrecognizer/azure-ai-formrecognizer/samples/sample_forms/forms/Invoice_1.pdf",
    "https://gba.georgia.gov/document/publication/services-contractsample-agreement-templatepdf/download"
  ]
}

输入

该 Actor 面向买家的所有输入。省略的输入将使用 Actor 自身的默认值。

输入	类型	必填	说明
pdf_urls	array	否	PDF 文件的网址，最多 1,000 个。每个文件最大 40 MB。网址必须无需登录即可访问。在 Clay 中，请将该列放入仅含一个项目的列表。
pdf_file	string	否	可选。电脑上的一个 PDF 文件，存储在你的 Apify 账户中。
document_type	string	否	auto（默认）会针对每个文件自动判断。设为 invoice、purchase_order 或 contract，可将所有文件都按对应类型读取。
date_order	string	否	当 03/04/2025 有两种合理解读时，指定日期的读取方式。mdy（默认）解读为 3 月 4 日，dmy 解读为 4 月 3 日。对于没有歧义的日期，此设置不起作用。
read_scans	boolean	否	yes（默认）：没有文本层的页面将进行 OCR，按页收费。no：跳过这些页面，并在行中说明。
ocr_language	string	否	扫描页面的语言：eng（默认）、deu、fra、spa、nld、ita 或 por。
max_pages	number	否	每个文件读取的页数，最多 500 页。默认值为 50。
max_ocr_pages	number	否	每个文件读取的扫描页数，最多 100 页。默认值为 10。此设置限制每个文件的 OCR 费用。
max_documents	number	否	本次运行读取的文件数，最多 1,000 个。默认值为 100。
line_item_rows	boolean	否	yes（默认）：每个明细项也会单独成为一行（免费），适用于 CSV 和 Clay。no：明细项仅保留在 line_items 字段中。
include_text	boolean	否	yes：将文档文本添加到行中，最多 200,000 个字符。默认值为 no。
max_charge_usd	string	否	可选。运行会在某笔费用导致总额超过此金额之前停止。始终会返回摘要行。

定价

在 Apify 上按事件付费，费用计入你的 Apify 账户。价格以 USD 计。

事件	免费计划	Bronze	Silver	Gold
document-row，读取到至少一个字段的 PDF	$0.01	$0.0095	$0.009	$0.0085
ocr-page，由 OCR 读取的一个扫描页，仅在 OCR 返回文本时收费	$0.015	$0.01425	$0.0135	$0.01275
apify-actor-start，每次运行启动	$0.004	$0.004	$0.004	$0.004

明细项行、未读取到字段的文档、下载失败的文件以及被拒绝的输入均免费。Mamba Labs 承担运行的平台费用，包括 Apify 代理流量。

Actor 完整文档

apify.com/mambalabs/business-pdf-field-extractor

许可证

MIT。请参阅 LICENSE。