本地读取MCP服务器
用于本地文档处理的MCP服务器——从PDF、Office文档、HTML、ZIP存档和可选图像分析中进行结构化提取。旨在补充代理的内置读取工具，而不是复制它。
工具
工具暴露是启动时间的条件：
- 始终可用：
process_binary_file - 仅当视觉配置存在时可用(
VISION_API_KEY或OPENAI_API_KEY):analyze_image
| 工具 | 何时使用 |
|---|---|
process_binary_file | 在读取之前，将支持的二进制/文档/存档文件转换为结构化输出。保存到 .local_read_mcp/. |
analyze_image | 通过Vision API（豆宝、GPT-4o等）分析图像。结果保存到 .local_read_mcp/analysis/. |
快速开始
git clone https://github.com/ansatzX/Local_Read_MCP.git
cd Local_Read_MCP
uv venv .venv && source .venv/bin/activate
uv pip install -e .在中配置MCP ~/.claude/settings.json:
{
"mcpServers": [{
"command": "uv",
"args": ["--directory", "/path/to/Local_Read_MCP", "run", "python", "-m", "local_read_mcp.server"]
}]
}视觉API（可选）
创建 .env 在存储库根目录中：
VISION_API_KEY=sk-xxx
VISION_BASE_URL=https://ark.cn-beijing.volces.com/api/v3
VISION_MODEL=doubao-seed-1-8-251228启动时，服务器加载存储库根目录 .env 然后读取环境变量。 现有流程环境变量优先于 .env 价值观。 analyze_image 仅当服务器在启动时看到vision API密钥env vars时才注册。 更改env值后，重新启动MCP服务器。
MinerU VLM-HYBRID后端（可选）
对于具有布局分析、公式识别和表格检测的高质量PDF解析：
pip install "local-read-mcp[mineru]"
# Download models into the project directory
mineru-models-download --models-dir ./models
# Configure model paths
cp mineru.json.template mineru.json
# Edit mineru.json if models are elsewhere下载的型号（总计约4.5GB）：
models/pipeline/--布局检测、OCR、公式识别、表格结构models/vlm/--微调Qwen2 VL用于文档理解
运作原理
process_binary_file(file.pdf)
├─ format detection → backend selection
│
├─ SIMPLE (local converters, no model/API dependency)
│ └─ Built-in converters + MarkItDown fallback: PyMuPDF / mammoth / openpyxl / python-pptx
│
├─ VLM-HYBRID (MinerU required, PDF only)
│ └─ MinerU hybrid-auto-engine: VLM layout + pipeline OCR/formula/table
│
└─ chapter_split (auto for large PDFs)
├─ Detect sections via TOC / heading scan / fixed chunks
├─ Process each chunk independently (with page overlap)
└─ Merge output.md + structural_toc.json所有结果保存到 .local_read_mcp/_/:
intermediate.json--结构化块表示法output.md--已转换的降价index.json--节/表/图索引images/--提取的图像（在需要时）
图形提取策略（当前）：
- PDF图像提取首先是有意回忆：它提取嵌入的光栅和可疑的矢量/图像区域。
- 不应用重复数据删除。
- TODO：页面级真实性判断（页面是否真正包含数字）和重复辨别质量评估。
发展
uv run pytest # Run tests
uv run ruff format . # Format code
uv run ruff check . # Lint许可证
麻省理工学院