Doc Agent

文档代理

文档提取和语义搜索CLI与MCP集成。使用Vision AI从发票、收据和银行对账单中提取结构化数据。

特性

• 🔍 文档提取：使用Vision AI从PDF和图像中提取结构化数据
• 🦙 奥拉玛第一：隐私优先默认使用本地 llama3.2-vision 模型
• 🔧 零设置：如果需要，自动通过Homebrew安装Olama，自动拉取型号
• 📄 多格式：支持PDF和图像（PNG、JPEG、WebP）
• 🔬 OCR增强：使用Tesseract.js从收据中准确提取文本
• 💾 本地存储：所有数据都保存到本地SQLite数据库
• 🔎 语义搜索：索引文档的自然语言搜索（即将推出）
• 🤖 MCP集成：通过Claude Desktop或任何兼容MCP的助手使用
• 🔒 隐私第一：数据保留在您的机器上（除非您选择云AI）

快速开始

安装

npm install -g doc-agent

用法

提取文档数据（默认使用Ollama）：

doc extract invoice.pdf

💡 没有奥利玛？没问题！CLI将通过Homebrew为您安装它。

使用Gemini（云，精度更高）：

export GEMINI_API_KEY=your_key_here
doc extract invoice.pdf --provider gemini

启动MCP服务器：

doc mcp

Claude桌面集成

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "doc-agent": {
      "command": "npx",
      "args": ["-y", "doc-agent", "mcp"],
      "env": {
        "GEMINI_API_KEY": "your_key_here"
      }
    }
  }
}

然后在Claude Desktop中：

“从~/Downloads/invoice.pdf中提取数据”

发展

# Clone and install dependencies
git clone https://github.com/prosdevlab/doc-agent
cd doc-agent
pnpm install

# Build the project
pnpm build

# Run CLI locally
pnpm dev extract examples/invoice.pdf

# Run tests
pnpm test

# Start MCP server
pnpm mcp

建筑

CLI是用 墨水 （React for CLIs）提供丰富的交互式输出：

packages/
├── cli/           # Ink-based CLI with services, hooks, and components
├── core/          # Shared types and interfaces
├── extract/       # Document extraction (Gemini, Ollama) + OCR
├── storage/       # SQLite persistence (Drizzle ORM)
└── vector-store/  # Vector database for semantic search

路线图

看 ROADMAP.md 对于项目计划。

许可证

麻省理工学院