Pdf(paper) Figures Extraction Mcp Serever

Name: Pdf(paper) Figures Extraction Mcp Serever
Author: vlln

本地服务

github.com/vlln数据与分析924 周前更新

代码仓库

关于 Pdf(paper) Figures Extraction Mcp Serever

Figure Extractor API and MCP Server 使用 PDFFigures 2.0 从学术 PDF 中提取图表、标题、表格及相关信息，适用于研究分析和 RAG 等应用与工作流。

主要功能

01提取 PDF 图表与表格
02处理本地和远程 PDF
03返回结构化 JSON 结果
04提供提取统计信息
05提供 PDF 解析可视化

适用场景

01利用研究图表构建数据集
02为文献综述整理视觉材料
03汇编教学用图表

MCP 相关

FastMCP 服务通过 `/mcp` 端点提供 `extract_figures_from_pdf` 工具，接收 PDF URL，并以结构化 JSON 返回提取的图表和表格。

#pdf #figure-extraction #mcp-server

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "pdffigures": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "build"
      ]
    }
  }
}

启动命令docker run -i --rm build

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

ocibuildstdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

图表提取器 API 和 MCP 服务

使用这个基于 FastAPI 的服务从 PDF 文档中提取图表和表格。图表提取器 API 和 MCP 服务为 PDFFigures 2.0 提供了简洁的 HTTP 接口。PDFFigures 2.0 是由 Allen Institute for AI 开发的强大图表提取系统。

此 API 封装便于集成到各种应用和工作流中，尤其适用于检索增强生成（RAG）应用。

由 FastMCP 驱动的 MCP 服务将 PDF 提取功能作为 MCP 工具公开。这样便可与 AI Agent 和能够自动调用提取服务的工作流无缝集成。

服务提供 extract_figures_from_pdf 工具，可通过向 /mcp 端点发送 HTTP 请求来调用。此工具接收 PDF URL，处理文档，并以结构化 JSON 格式返回提取出的图表和表格。

MCP 服务的默认 URL：http://localhost:5001/mcp

关于 PDFFigures 2.0

此 API 服务基于由 Allen Institute for AI 开发的 Scala 项目 PDFFigures 2.0 构建。PDFFigures 2.0 专为从计算机科学领域的学术文档中提取图表、说明文字、表格和章节标题而设计。相关原始研究详见其学术论文：“PDFFigures 2.0: Mining Figures from Research Papers”（Clark 和 Divvala，2016）。你可以点击此处阅读论文，并访问 PDFFigures 2.0 网站。

┌─────────────────┐      ┌──────────────────┐      ┌────────────────┐
│   Your App      │ HTTP │ Figure Extractor │ JNI  │  PDFFigures    │
│  (Any Language) │──────►  API & MCP Server│──────►     2.0        │
│                 │      │  Python(FastAPI) │      │  (Scala/JVM)   │
└─────────────────┘      └──────────────────┘      └────────────────┘

功能

PDF 图表和表格提取
支持本地和远程 PDF 文件
提取出的表格和图表的统计数据
支持 Docker，便于部署
PDF 解析可视化选项

FastMCP 工具

此项目现已包含一个 FastMCP 工具，可通过编程方式调用 PDF 提取服务。extract_figures_from_pdf 工具可根据 PDF URL 提取 PDF 中的图表。

使用场景

机器学习数据集创建 从临床试验报告和研究论文中提取视觉数据，以构建用于医学图像分析和 AI 模型的训练数据集，帮助研究人员高效汇总图表，用于训练医疗诊断领域的机器学习算法。
临床研究数据挖掘 自动提取医学研究文章中的图表并编目，捕捉治疗效果图、患者结局图表和实验结果示意图等关键可视化内容，为系统综述和荟萃分析提供支持。
学术文献综述与教育 快速汇编学术出版物中的综合视觉资料库，让研究人员和教育工作者能够创建教学资源、比较研究方法，并追踪各科学领域的视觉趋势。

Docker 部署

构建并启动提取服务：

docker build -t pdffigures2 .
docker run -d -p 5001:5001 pdffigures2

镜像大小约为 286MB，通过 Alpine 基础镜像、jlink 精简 JRE 和 pip 清理进行了优化：

指标	原始版本	优化后	变化
基础镜像	slim	alpine	-70MB
JRE	apt	jlink	+42MB
pip 包	原始	已清理	-24MB
系统包	apt	apk	-12MB
镜像大小	452MB	286MB	-166MB (-37%)

测试 API

打开 http://localhost:5001/docs 查看 API 文档。

使用 curl 测试从 PDF URL 提取内容：

curl -X POST http://localhost:5001/api/extract \
  -F "pdf_url=https://example.com/sample.pdf"

Agent 技能（非 MCP）

一个调用提取服务并在本地下载渲染图表的 API 客户端。专为不支持 MCP 的 Agent 环境设计。

# Copy config and point to the server
cp .env.example .env
# (edit .env if the server is remote)

# Run extraction against a local PDF
skills/pdffigures2/scripts/pdffigures2 paper.pdf -o ./extracted/

该脚本会将 PDF POST 到 PDFFIGURES2_API_URL，下载每个渲染后的图表，并将结构化 JSON 摘要打印到 stdout。完整的面向 Agent 的文档请参阅 skills/pdffigures2/SKILL.md。

用法

从 PDF 中提取图表和表格

/api/extract 端点现在支持上传 PDF 文件和提供 PDF URL。

使用 API

你可以向 /api/extract 发送 POST 请求，并提供以下任一内容：

包含 PDF 的 file（multipart/form-data）。
包含 PDF URL 的 pdf_url（form-data）。

API 将返回包含提取出的图表和表格的 JSON 响应，其中包含完整的 renderURL 路径。

JSON 响应示例（为简洁起见，截断了 imageText）：

[
  {
    "caption": "TABLE III CMAPSS DATASET ATTRIBUTES",
    "captionBoundary": {
      "x1": 113.12599182128906,
      "x2": 225.1184844970703,
      "y1": 116.80506896972656,
      "y2": 130.57305908203125
    },
    "figType": "Table",
    "imageText": [
      "Required", "fan", "conversion", "speed", "rpm", "High-pressure", "turbines", "cool", "air", "flow",
      "lbm/s", "Low-pressure", "turbines", "cool", "air", "flow", "lbm/s", "Bleed", "enthalpy", "-", "Required"
    ],
    "name": "III",
    "page": 5,
    "regionBoundary": {
      "x1": 46.8,
      "x2": 291.12,
      "y1": 140.88,
      "y2": 385.91999999999996
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-TableIII-1.png"
  },
  {
    "caption": "Fig. 3. Agentic AI implementation with Google ADK.",
    "captionBoundary": {
      "x1": 335.4129943847656,
      "x2": 516.9002685546875,
      "y1": 228.6050567626953,
      "y2": 233.40704345703125
    },
    "figType": "Figure",
    "imageText": [],
    "name": "3",
    "page": 5,
    "regionBoundary": {
      "x1": 302.88,
      "x2": 549.12,
      "y1": 86.88,
      "y2": 216
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-Figure3-1.png"
  },
  {
    "caption": "TABLE I COMPARISON BETWEEN AI AGENTS AND AGENTIC AI",
    "captionBoundary": {
      "x1": 204.9189910888672,
      "x2": 390.3569641113281,
      "y1": 54.10902404785156,
      "y2": 67.87701416015625
    },
    "figType": "Table",
    "imageText": [
      "pert", "systems", "LLM-based", "agents,", "multi-agent", "coordination,", "intent-based", "workflows", "Task",
      "Scope", "Focused", "on", "short-term,", "well-defined", "tasks", "Oriented", "toward", "long-term,", "dynamic,",
    ],
    "name": "I",
    "page": 2,
    "regionBoundary": {
      "x1": 51.839999999999996,
      "x2": 543.12,
      "y1": 77.75999999999999,
      "y2": 217.92
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-TableI-1.png"
  },
  {
    "caption": "Fig. 1. Traditional AI Agent vs. Agentic AI",
    "captionBoundary": {
      "x1": 224.30499267578125,
      "x2": 370.9708251953125,
      "y1": 448.1660461425781,
      "y2": 452.968017578125
    },
    "figType": "Figure",
    "imageText": [],
    "name": "1",
    "page": 2,
    "regionBoundary": {
      "x1": 45.839999999999996,
      "x2": 549.12,
      "y1": 230.88,
      "y2": 436.08
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-Figure1-1.png"
  },
  {
    "caption": "TABLE IV SUMMARY OF ENGINE MAINTENANCE ACTIONS",
    "captionBoundary": {
      "x1": 215.99301147460938,
      "x2": 379.2913513183594,
      "y1": 54.10902404785156,
      "y2": 67.87701416015625
    },
    "figType": "Table",
    "imageText": [
      "#", "Engines", "RUL", "Range", "Recommended", "Action", "Priority", "Cost", "(USD)", "Labor", "Hours", "Assigned",
      "Staff", "Scheduled", "Time", "15", "82–124", "MONITOR", "low", "0", "0", "[jr", "mechanic]", "Within", "7", "days"
    ],
    "name": "IV",
    "page": 7,
    "regionBoundary": {
      "x1": 48.96,
      "x2": 549.12,
      "y1": 77.75999999999999,
      "y2": 135.12
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-TableIV-1.png"
  },
  {
    "caption": "TABLE II KEY COMPONENTS OF INTENTION PROCESSING",
    "captionBoundary": {
      "x1": 345.09295654296875,
      "x2": 507.22100830078125,
      "y1": 417.8482666015625,
      "y2": 431.6162414550781
    },
    "figType": "Table",
    "imageText": [
      "Targets", "Specify", "the", "resources", "or", "entities", "to", "which", "the", "intent", "applies.", "Can", "be",
      "defined", "statically", "(explicit", "list)", "or", "dynamically", "(using", "filters", "or", "criteria).", "Context"
    ],
    "name": "II",
    "page": 3,
    "regionBoundary": {
      "x1": 302.88,
      "x2": 549.12,
      "y1": 441.84,
      "y2": 677.04
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-TableII-1.png"
  },
  {
    "caption": "Fig. 2. Proposed framework for Industry 5.0 applying intent-based and Agentic AI.",
    "captionBoundary": {
      "x1": 159.51600646972656,
      "x2": 435.7596435546875,
      "y1": 288.3310241699219,
      "y2": 293.13299560546875
    },
    "figType": "Figure",
    "imageText": [],
    "name": "2",
    "page": 4,
    "regionBoundary": {
      "x1": 45.839999999999996,
      "x2": 549.12,
      "y1": 49.68,
      "y2": 276
    },
    "renderDpi": 300,
    "renderURL": "http://localhost:5001/resources/4-Figure2-1.png"
  }
]

开发环境设置

如果你想修改代码或在不使用 Docker 的情况下本地运行，请克隆此仓库：

git clone https://github.com/vlln/pdffigures-mcp-server.git
cd pdffigures-mcp-server

使用 figure_extractor.py 进行测试

figure_extractor.py 是一个 CLI 工具，用于针对正在运行的 API 服务测试提取功能。它会将本地 PDF 发送到 API，并下载提取出的图表：

# Start the server first (via Docker or uvicorn), then:
python figure_extractor.py <path-to-pdf> --output_dir ./output

选项：

--output_dir — 保存下载图表的目录（默认值：./output）
--url — 自定义 API 端点（默认值：http://localhost:5001/api/extract）

应用结构

project/
├── Dockerfile                # Multi-stage Alpine image (server + jlink JRE + pdffigures2 JAR)
├── .dockerignore
├── .env.example              # Example config for the Agent Skill
├── app/                      # FastAPI web service code
│   ├── __init__.py
│   ├── app.py                # API endpoints and MCP Server
│   ├── service.py            # Runs pdffigures2 JAR via subprocess
│   └── utils.py              # File I/O helpers
├── skills/                   # Agent Skills (non-MCP alternative)
│   └── pdffigures2/          # API client wrapper for pdffigures2
├── figure_extractor.py       # CLI tool for testing extraction
└── README.md

致谢

本项目是 Huang-lab/figure-extractor 的分支。我们感谢原作者所做的工作。

许可证

本项目采用 Apache License 2.0 许可。

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。