KnowledgeBaseMCP

Extraer contenido de texto de archivos PDF, DOCX y PPTX locales para construir una base de conocimiento.

GitHub
5
Prueba este MCPPatrocinado

Documentación

KnowledgeBaseMCP

Un potente servidor de Protocolo de Contexto de Modelo (MCP) para extraer contenido de texto de varios formatos de documentos, incluidos archivos PDF, DOCX, PPTX y XLSX. Esta herramienta permite que asistentes de IA como Claude lean y analicen el contenido de documentos de tu base de conocimiento local, y también creen nuevas hojas de cálculo de Excel.

🚀 Características

Lectura de Documentos

  • Soporte multi-formato: Extrae texto de archivos PDF, DOCX, PPTX y XLSX
  • Procesamiento de directorios: Procesa directorios completos de documentos
  • Escaneo recursivo: Opcionalmente, busca en subdirectorios
  • Metadatos de archivos: Obtén información detallada sobre archivos de documentos
  • Manejo de errores: Manejo robusto de errores con mensajes claros
  • Procesamiento asíncrono: Procesamiento eficiente y asíncrono de documentos

Creación de Hojas de Cálculo de Excel

  • Creación de libros de trabajo XLSX: Crea archivos de Excel con múltiples hojas
  • Soporte de DataFrames: Convierte DataFrames de pandas a Excel
  • Formato de datos: Aplica formato y estilo profesional
  • Generación de informes: Crea informes estructurados con resúmenes
  • Anexado de datos: Agrega datos a archivos de Excel existentes
  • Soporte de plantillas: Usa plantillas predefinidas para un formato consistente

Integración

  • Integración fácil: Configuración simple con Claude Desktop
  • Protocolo MCP: Construido sobre el estándar de Protocolo de Contexto de Modelo

📁 Tipos de Archivos Soportados

Soporte de Lectura

  • PDF (.pdf) - Formato de Documento Portátil (usando pdfplumber)
  • DOCX (.docx) - Documentos de Microsoft Word
  • PPTX (.pptx) - Presentaciones de Microsoft PowerPoint
  • XLSX (.xlsx) - Hojas de cálculo de Microsoft Excel (usando openpyxl y pandas)

Soporte de Escritura

  • DOCX (.docx) - Crea documentos de Word con formato
  • XLSX (.xlsx) - Crea libros de trabajo de Excel con múltiples hojas, formato y gráficos

🛠️ Instalación

Requisitos previos

  • Python 3.8 o superior
  • Aplicación Claude Desktop

Configuración

  1. Clonar el repositorio
git clone https://github.com/mehmetozcan-zz/KnowledgeBaseMCP.git
cd KnowledgeBaseMCP
  1. Instalar dependencias
pip install -r requirements.txt
  1. Probar el servidor
python test.py

⚙️ Configuración

Integración con Claude Desktop

Agrega este servidor a tu archivo de configuración de Claude Desktop:

Windows: %APPDATA%\\Claude\\claude_desktop_config.json
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "knowledgebase": {
      "command": "python",
      "args": ["path/to/KnowledgeBaseMCP/launch_mcp.py"]
    }
  }
}

Reemplaza path/to/KnowledgeBaseMCP con tu ruta de instalación real.

🎯 Uso

Una vez configurado, puedes usar estas herramientas en Claude:

Herramientas Disponibles

Herramientas de Lectura de Documentos

extract_text_from_file

Extrae contenido de texto de un solo archivo de documento.

Parámetros:

  • file_path (cadena): Ruta al archivo de documento
extract_text_from_directory

Extrae contenido de texto de todos los documentos compatibles en un directorio.

Parámetros:

  • directory_path (cadena): Ruta al directorio que contiene documentos
  • recursive (booleano, opcional): Si se deben buscar subdirectorios de forma recursiva
list_supported_files

Lista todos los archivos de documentos compatibles en un directorio con metadatos.

Parámetros:

  • directory_path (cadena): Ruta al directorio a escanear

Herramientas de Creación de DOCX

create_docx_document

Crea un nuevo documento de Word con contenido de texto.

Parámetros:

  • content (cadena): Contenido del documento
  • file_path (cadena): Ruta del archivo de salida (extensión .docx)
  • title (cadena, opcional): Título del documento
create_structured_report

Crea un informe de Word estructurado con formato.

Parámetros:

  • report_data (objeto): Estructura de datos del informe
  • file_path (cadena): Ruta del archivo de salida (extensión .docx)

Herramientas de Creación de XLSX

create_xlsx_workbook

Crea un nuevo libro de trabajo de Excel con múltiples hojas.

Parámetros:

  • data (objeto): Diccionario con nombres de hojas como claves y datos como valores
  • file_path (cadena): Ruta del archivo de salida (extensión .xlsx)
  • apply_formatting (booleano, opcional): Aplicar formato predeterminado
create_xlsx_from_dataframe

Crea un libro de trabajo de Excel a partir de DataFrames de pandas.

Parámetros:

  • dataframes (objeto): Diccionario con nombres de hojas y datos de DataFrame
  • file_path (cadena): Ruta del archivo de salida (extensión .xlsx)
  • include_index (booleano, opcional): Incluir índice del DataFrame
append_to_xlsx

Agrega datos a un libro de trabajo de Excel existente.

Parámetros:

  • file_path (cadena): Ruta al archivo XLSX existente
  • sheet_name (cadena): Nombre de la hoja de destino
  • data (cualquiera): Datos a agregar (lista, diccionario o DataFrame)
create_xlsx_report

Crea un informe de Excel con formato y múltiples secciones.

Parámetros:

  • report_data (objeto): Estructura del informe con título, descripción y secciones de datos
  • file_path (cadena): Ruta del archivo de salida (extensión .xlsx)

Ejemplo de Uso en Claude

Lectura de Documentos

Please analyze all the documents in my Documents/Reports folder using your KnowledgeBaseMCP tools.

Creación de Informes de Excel

Create an Excel report with sales data for Q1 2025. Include a summary sheet and detailed transaction data.

Análisis de Datos y Exportación

Read the data from 'financial_report.xlsx' and create a new Excel file with a summary analysis.

Conversión de Documentos

Extract content from all PDF files in my research folder and create a consolidated Excel workbook with the findings.

Claude usará entonces el servidor MCP para extraer y analizar el contenido de tus documentos o crear nuevos archivos de Excel según lo solicitado.

🏗️ Estructura del Proyecto

KnowledgeBaseMCP/
├── src/
│   ├── __init__.py          # Package initialization
│   ├── main.py             # Main MCP server
│   ├── extractors.py       # Document reading classes
│   ├── docx_writer.py      # Word document creation
│   └── xlsx_writer.py      # Excel spreadsheet creation
├── requirements.txt        # Python dependencies
├── setup.py               # Package setup
├── README.md              # This file
├── LICENSE                # MIT License
├── launch_mcp.py          # Server launcher
├── run_server.py          # Alternative launcher
├── test.py               # Basic test script
└── test_xlsx.py          # XLSX functionality tests

🔧 Desarrollo

Ejecución de Pruebas

python test.py

Agregar Nuevos Formatos de Archivo

Para agregar soporte para formatos de documentos adicionales:

  1. Agrega la extensión del archivo a SUPPORTED_EXTENSIONS en extractors.py
  2. Instala la biblioteca requerida
  3. Agrega la verificación de la biblioteca a check_dependencies()
  4. Implementa el método de extracción (por ejemplo, _extract_xlsx())
  5. Agrega el manejo del formato a extract_from_file()

Depuración

Para depurar problemas de conexión MCP:

  1. Revisa los registros de Claude Desktop
  2. Asegúrate de que el servidor se inicie sin errores: 
    python launch_mcp.py
  3. Verifica la ruta y el formato del archivo de configuración

📦 Dependencias

Dependencias Principales

  • mcp>=0.9.0 - Marco de Protocolo de Contexto de Modelo

Lectura de Documentos

  • python-docx>=1.1.0 - Para procesamiento de archivos DOCX
  • pdfplumber>=0.9.0 - Para procesamiento de archivos PDF
  • python-pptx>=0.6.23 - Para procesamiento de archivos PPTX
  • openpyxl>=3.1.0 - Para lectura/escritura de archivos XLSX
  • pandas>=2.0.0 - Para manipulación y análisis avanzado de datos

Adicionales

  • lxml>=4.9.0 - Soporte de procesamiento XML

🤝 Contribuciones

¡Las contribuciones son bienvenidas! No dudes en enviar solicitudes de extracción o abrir problemas.

  1. Haz un fork del repositorio
  2. Crea tu rama de características (git checkout -b feature/AmazingFeature)
  3. Haz commit de tus cambios (git commit -m 'Add some AmazingFeature')
  4. Empuja a la rama (git push origin feature/AmazingFeature)
  5. Abre una Solicitud de Extracción

📄 Licencia

Este proyecto está licenciado bajo la Licencia MIT - consulta el archivo LICENSE para más detalles.

🙏 Agradecimientos

📞 Soporte

Si encuentras algún problema o tienes preguntas, abre un problema en GitHub.

Hecho con ❤️ para la comunidad de IA de Claude