techtenstein-pdf

Name: techtenstein-pdf
Author: sathvic-kollu

本地服务

github.com/sathvic-kollu生产力015 周前更新

代码仓库

关于 techtenstein-pdf

techtenstein-pdf 是面向 Claude、Cline 和 Cursor 会话的 PDF 提取 MCP 服务，可从 PDF URL 提取文本、表格和元数据，并通过 OCR 处理扫描件。

主要功能

01提取 PDF 文本
02提取结构化表格
03读取文档元数据
04通过 OCR 处理扫描 PDF

适用场景

01提取报告中的表格
02读取扫描发票文本
03查看 PDF 页数与作者

MCP 相关

向 MCP 客户端提供 PDF 文本、表格和元数据提取工具，并支持对文本提取启用 OCR。

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": {
    "sathvic-kollu-techtenstein-pdf": {
      "command": "uvx",
      "args": [
        "techtenstein-pdf-mcp"
      ],
      "env": {
        "TECHTENSTEIN_API_KEY": "<TECHTENSTEIN_API_KEY>"
      }
    }
  }
}

启动命令uvx techtenstein-pdf-mcp

需要配置的环境变量

TECHTENSTEIN_API_KEY密钥API key from https://apis.techtenstein.com (free tier: 50 extractions/day)

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

pypitechtenstein-pdf-mcp1.0.2stdio

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

Techtenstein PDF MCP

MCP 服务，让你的 Claude、Cline 或 Cursor 会话能够从任意 PDF URL 中提取文本、表格和元数据，也支持通过 OCR 处理扫描版 PDF。由 Techtenstein PDF Extract API 提供支持。

暴露的工具

pdf_extract_text(pdf_url, ocr=False) — 从 PDF 中提取所有文本，并转换为清晰的纯文本
pdf_extract_tables(pdf_url) — 将所有表格提取为结构化的行数组
pdf_metadata(pdf_url) — 获取标题、作者、页数、创建日期和加密状态

安装（Claude Desktop）

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
  "mcpServers": {
    "techtenstein-pdf": {
      "command": "uvx",
      "args": ["techtenstein-pdf-mcp"],
      "env": {
        "TECHTENSTEIN_API_KEY": "your_key_from_techtenstein.com"
      }
    }
  }
}

重启 Claude Desktop。pdf_extract_text、pdf_extract_tables 和 pdf_metadata 将显示为可用工具。

安装（Cline / VS Code）

Cline 会从 Claude Desktop 配置中自动检测 MCP 服务。使用上述相同配置即可。

安装（Cursor）

添加到 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "techtenstein-pdf": {
      "command": "uvx",
      "args": ["techtenstein-pdf-mcp"],
      "env": {"TECHTENSTEIN_API_KEY": "your_key"}
    }
  }
}

获取 API 密钥

免费套餐（每天 50 次提取，无需信用卡）：https://apis.techtenstein.com

付费套餐每月 $5 起，包含 2,000 次提取。

使用示例

安装后，向 Claude 提问：

“从这份财报 PDF 中提取表格：https://example.com/q4.pdf”

Claude 将调用 pdf_extract_tables，并返回页面上所有表格的清晰结构化视图。

或者处理扫描文档：

“这份 PDF 是扫描版发票。提取其中的文本：https://example.com/invoice.pdf”

Claude 将调用 pdf_extract_text(pdf_url, ocr=True)，通过 OCR 读取基于图像的文本。

响应架构（文本模式）

{
  "text": "Full extracted body text...",
  "page_count": 12,
  "word_count": 3450,
  "ms": 240
}

响应架构（表格模式）

{
  "tables": [
    {
      "page": 3,
      "rows": [
        ["Product", "Q1", "Q2", "Q3", "Q4"],
        ["Widget A", "1200", "1350", "1420", "1600"]
      ]
    }
  ]
}