view-pdf

PDF 查看器 — 交互式文档工作流

你可以访问一个本地 PDF 服务，它会在实时查看器中渲染文档，并让你进行批注、填写表单和放置签名，同时提供实时的视觉反馈。

何时使用此 Skill

当用户需要交互时，使用 PDF 查看器：

• “给我看看这份合同” / “打开这篇论文”
• “高亮关键条款，让我来审阅”
• “帮我填写这份表单”
• “在第 3 页签名” / “在每一页添加我的姓名缩写”
• “加盖 CONFIDENTIAL 印章” / “将其标记为已批准”
• “带我过一遍这份文档，并批注重要部分”

不要将查看器用于纯粹的内容获取：

• “总结这个 PDF” → 直接使用原生 Read 工具
• “第 5 页写了什么？” → 使用 Read
• “提取第 3 节中的表格” → 使用 Read

查看器的价值在于向用户展示文档，并与其协作完成标注，而不是将文本流式回传给你。

工具

list_pdfs

列出可用的本地 PDF 和允许访问的本地目录。无需参数。

display_pdf

在交互式查看器中打开 PDF。每个文档只调用一次。

• url — 本地文件路径或 HTTPS URL
• page — 初始页码（可选，默认 1）
• elicit_form_inputs — 若为 true，则在显示前提示用户填写表单字段（用于交互式表单填写）

返回一个 viewUUID，需将其传递给每次 interact 调用。再次调用 display_pdf 会创建一个独立的查看器；使用新 UUID 的 interact 调用无法到达用户正在查看的那个查看器。

如果 PDF 含有可填写字段，还会返回 formFields（名称、类型、页码、边界框）——签名放置时请使用这些坐标。

interact

display_pdf 之后的所有后续操作。传入 viewUUID 以及一个或多个命令。在一次调用中批量执行多个命令，通过 commands 数组传入，它们会按顺序执行。批次结束时使用 get_screenshot 以直观地验证更改。

标注操作：

• add_annotations — 添加标记（见下方类型）
• update_annotations — 修改已有标注（必须提供 id 和 type）
• remove_annotations — 按 id 数组删除
• highlight_text — 按查询自动查找文本并高亮（文本标记的首选方式，优于手动指定矩形）

导航操作：

• navigate（page）、search（query）、find（query，静默）、search_navigate（matchIndex）、zoom（scale 0.5–3.0）

提取操作：

• get_text — 提取指定页码范围的文本（最多 20 页）。用于读取内容以决定标注什么，而非用于总结。
• get_screenshot — 将页面截取为图像（用于验证你的标注）

表单操作：

• fill_form — 填写命名字段：fields: [{name, value}, ...]

标注类型

所有标注都需要 id（唯一字符串）、type、page（从 1 开始计数）。 坐标单位为 PDF 点（1/72 英寸），原点位于左上角，Y 轴向下递增。美国信纸尺寸为 612×792pt。

类型	关键属性	用途
highlight	rects、color?、content?	标记重要文本
underline	rects、color?	强调术语
strikethrough	rects、color?	标记删除内容
note	x、y、content、color?	便签式批注
freetext	x、y、content、fontSize?	页面上可见的文本
rectangle	x、y、width、height、color?、fillColor?	框选区域
circle	x、y、width、height、color?、fillColor?	圈选区域
line	x1、y1、x2、y2、color?	绘制线条/箭头
stamp	x、y、label、color?、rotation?	APPROVED、DRAFT、CONFIDENTIAL 等
image	imageUrl、x?、y?、width?、height?	签名、姓名缩写、徽标

图像标注接受本地文件路径或 HTTPS URL（不支持 data: URI）。若省略尺寸，则自动检测。用户也可以直接将图像拖放到查看器上。

交互式工作流

协作标注（AI 驱动）

1. 使用 display_pdf 打开文档
2. 对相关页码范围执行 interact → get_text，以理解内容
3. 向用户提议一批标注（说明将标注的内容）
4. 获得批准后，执行 interact → add_annotations 和 get_screenshot
5. 展示给用户，询问修改意见，并反复迭代
6. 完成后，提醒用户可以从查看器工具栏下载已标注的 PDF

表单填写（可视化，而非程序化）

与无界面的表单工具不同，此方式为用户提供实时可视化反馈，并能处理字段名晦涩或未命名的表单，即标签印在页面上而非写在字段元数据中的情况。

1. display_pdf：检查返回的 formFields（名称、类型、页码、边界框）
2. 若字段名晦涩（如 Text1、Field_7），对页面执行 get_screenshot，并将边界框与视觉标签进行匹配
3. 使用视觉标签向用户询问取值，或根据上下文推断
4. 执行 interact → fill_form，然后执行 get_screenshot 展示结果
5. 用户直接在查看器中确认或编辑

对于简单且标签清晰的表单，可使用 display_pdf 并设置 elicit_form_inputs: true，改为预先向用户征询输入。

签名（可视化，非认证签名）

1. 索取签名或缩写图片的路径
2. 执行 display_pdf，检查 formFields 中的签名类型字段，或询问签名所在的页码和位置
3. 在目标坐标处，执行 interact → add_annotations，并设置 type: "image"
4. 执行 get_screenshot 以确认放置位置

免责声明： 此操作仅放置可视签名图片，并非经认证的或基于密码学的数字签名。

支持的来源

• 本地文件（位于客户端 MCP roots 路径下）
• arXiv（/abs/ 链接会自动转换为 PDF）
• 任何可直接访问的 HTTPS PDF 链接（bioRxiv、Zenodo、OSF 等，请使用 PDF 直链，而非落地页）

不在范围内

• 摘要 / 文本提取：请改用原生 Read
• 认证数字签名：仅支持图片盖章
• PDF 创建：仅适用于已有的 PDF