Books and Archives

mcp-books

Tres grandes archivos conservan el registro escaneado de lo que se publicó, y cada uno lo describe con sus propias palabras. El Internet Archive guarda libros, películas, grabaciones y software depositados por cualquier persona, y ha sometido millones de ellos al reconocimiento óptico de caracteres. La Library of Congress publica las colecciones nacionales de los Estados Unidos, un catálogo por tipo de material. data.bnf.fr publica los registros de autoridad de la Bibliothèque nationale de France, que describen obras y a las personas que las escribieron, más que copias.

Este servidor consulta los tres con una sola pregunta. Puedes buscar las palabras dentro de los documentos escaneados, buscar en los catálogos y leer un registro con una única forma, sea cual sea el archivo que lo conserve. No requiere clave de API ni cuenta.

Versión francesa

---

Instalación

Instalación en un clic

Claude Code

claude mcp add books -- npx -y mcp-books

Claude Desktop, Cursor y cualquier cliente que use el formato de configuración estándar

{
  "mcpServers": {
    "books": {
      "command": "npx",
      "args": ["-y", "mcp-books"]
    }
  }
}

Se requiere Node 24 o posterior, y no es necesario establecer ninguna variable de entorno.

Con Docker

{
  "mcpServers": {
    "books": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-books:2.0.1"]
    }
  }
}

-i mantiene abierta la entrada estándar, que es por donde viaja el protocolo, y -t se omite porque una TTY reescribe el flujo. El contenedor necesita HTTPS saliente hacia archive.org, openlibrary.org, www.loc.gov y data.bnf.fr, y nada más: sin volumen, sin puerto, sin credencial.

Paquete, sin npm

Descarga mcp-books-2.0.1.mcpb desde la última versión y ábrelo. Un cliente que admita paquetes MCP lo instala por sí solo, sin npm y sin archivo de configuración que editar. El paquete incluye sus dependencias, por lo que no se descarga nada en el momento de la instalación.

Qué puedes preguntar

• "¿Qué libros mencionan el faro de Beaumont?"
• "Encuéntrame algo sobre el terremoto de San Francisco de 1906."
• "Léeme ese registro y dime quién conserva el original."
• "¿Qué tiene la BnF sobre ese autor?"
• "Busca en las fotografías, no en los libros."

Una respuesta tarda varios segundos: se consulta a tres archivos, cada uno a su propio ritmo.

Las tres fuentes

Fuente	Archivo	Qué describe
archive	el Internet Archive	copias depositadas, de todo tipo
loc	la Library of Congress	las colecciones nacionales, un catálogo por tipo
bnf	la Bibliothèque nationale de France	obras y las personas que las escribieron

El id de una fila nombra su archivo, de modo que un identificador leído de una respuesta vuelve al correcto. Los recuentos nunca se suman entre archivos, y un archivo que falló se informa como fallido, no como si no hubiera encontrado nada.

Herramientas

Herramienta	Qué hace
search_inside	Busca las palabras dentro de los documentos escaneados.
search_items	Busca en los catálogos por título, creador, materia o palabras simples.
get_item	Lee un registro con una única forma, sea cual sea el archivo que lo conserve.

search_inside

Busca el texto dentro de los documentos escaneados, que salió de la página mediante reconocimiento óptico de caracteres.

Argumento	Tipo	Obligatorio	Qué hace
query	cadena, de 2 a 300 caracteres	sí	La frase que se busca dentro de los documentos.
limit	entero, de 1 a 25, por defecto 3	no	Coincidencias que se conservan de cada archivo.
page	entero, de 1 a 100, por defecto 1	no	Qué página de coincidencias.
max_excerpt_chars	entero, de 80 a 1200, por defecto 300	no	Cuánto pasaje se sirve.
max_excerpts_per_match	entero, de 1 a 10, por defecto 2	no	Pasajes servidos por documento coincidente.
fan_out	booleano, por defecto true	no	Preguntar a todos los archivos en lugar de detenerse en el primero que responda.
sources	matriz de identificadores de fuente	no	Preguntar solo a estos archivos.

A cambio: hits, cada uno con id, que get_item toma y que nombra su archivo; source y source_name; el identifier propio del archivo sin el prefijo; title, creator y year; page_number cuando el archivo indica uno; excerpts; y excerpt_kind.

excerpt_kind decide cuánto vale un extracto. Un passage es el texto alrededor de las palabras que coincidieron. Un page_opening es el inicio de la página, enviado porque el texto leído por máquina que devolvió el archivo se detiene antes de que esas palabras aparezcan: no contiene la coincidencia, por lo que citarlo cita otra cosa. Todos los extractos de una coincidencia son del mismo tipo.

search_items

Busca en los catálogos.

Argumento	Tipo	Obligatorio	Qué hace
query	cadena, de 1 a 300 caracteres	sí	Un título, un creador, una materia o palabras simples.
media_type	un tipo que uno de los archivos conserve	no	Qué tipo de material buscar.
year_from	entero, de 1000 a 2100	no	Año más temprano.
year_to	entero, de 1000 a 2100	no	Año más reciente.
sort	relevance, newest, oldest o title, por defecto relevance	no	Cómo se ordenan las filas.
limit	entero, de 1 a 25, por defecto 5	no	Filas que se conservan de cada archivo.
page	entero, de 1 a 100, por defecto 1	no	Qué página de filas.
fan_out	booleano, por defecto true	no	Preguntar a todos los archivos.
sources	matriz de identificadores de fuente	no	Preguntar solo a estos archivos.

Los tres archivos dividen su material de manera diferente. El Internet Archive busca todos los tipos a la vez cuando no se nombra ninguno; la Library of Congress es una ruta por tipo, por lo que una búsqueda que no nombra ninguno indica cuál se leyó; y la búsqueda de la BnF lee obras. Un media_type que un archivo no conoce hace que ese archivo lo omita, y la respuesta lo dice.

A cambio: filas con la forma que lleva una coincidencia, con per_source dando un informe por archivo: su status, el count que aportó, su reported_total y reported_total_means, que dice qué cuenta ese número allí.

get_item

Lee un registro con una única forma, sea cual sea el archivo que lo conserve.

Argumento	Tipo	Obligatorio	Qué hace
identifier	cadena, de 1 a 500 caracteres	sí	El id que lleva una fila.
sections	matriz de description, subjects, copies, context, por defecto ["description"]	no	Qué partes devolver.
max_copies	entero, de 1 a 50, por defecto 10	no	Copias que listar.
text_offset	entero, de 0 a 1000000, por defecto 0	no	Dónde reanudar el texto.
max_text_chars	entero, de 200 a 8000, por defecto 1500	no	Cuánto texto servir.

A cambio: el registro con su id, source y source_name, el identifier propio del archivo, title, creator, date exactamente como se publicó, y year junto a year_means, que dice de qué año es ese año, ya que los tres archivos fechan un registro de manera diferente. attribution es lo que ese archivo pide que se le atribuya, y identifier_provisional dice cuándo se construyó el identificador en lugar de leerse, para que quien lo invoque sepa que puede no resolverse.

Qué dice una respuesta sobre los archivos

Cada respuesta da cuenta de cada archivo por separado. Uno que falló, uno al que nadie preguntó y uno que respondió sin nada son tres cosas distintas, y se informan como tres. Un total permanece junto al archivo que lo publicó, con lo que ese archivo cuenta cuando lo dice: uno cuenta documentos, otro cuenta hojas de periódico.

Cuánto vale el texto escaneado

Las palabras dentro de un documento escaneado salieron de la página mediante reconocimiento óptico de caracteres. Un extracto lleva los errores de lectura de ese proceso, y se sirve tal como se leyó, sin corregir. Cítalo como texto escaneado y enlaza el registro para que quien lea pueda mirar la página.

Configuración

Toda variable es opcional. Establécelas en el bloque env de la configuración de tu cliente.

Variable	Default	What it does
BOOKS_USER_AGENT	the project identity	Names your application to the three archives, with an address where a person can be reached.
BOOKS_MIN_INTERVAL_MS	each archive's own pace	Widens the gap between two requests to one archive, from 500 to 60000. Left unset, every archive keeps the pace it publishes, and a figure set here applies only where it is wider.
BOOKS_TIMEOUT_MS	45000	Deadline for one request, from 1000 to 120000.
BOOKS_MAX_RETRIES	3	Attempts after a transient failure, from 0 to 8.
BOOKS_CACHE_TTL_MS	900000	How long an answer stays in memory, from 0 to 86400000.
BOOKS_CACHE_MAX_ENTRIES	200	Answers held in memory at once, from 1 to 5000.
BOOKS_LOG_LEVEL	error	silent, error, info or debug, written to stderr.

A value outside its range falls back to the default, and the reason is written to stderr.

Errors

Every failure carries one of six codes, a message, and where it helps a hint naming the next move.

Code	What happened	What to do
not_found	An archive answered, and holds no such record.	Check the identifier with search_items.
invalid_input	The arguments were refused before any request went out.	Read the message, which names the argument.
rate_limited	An archive asked this client to slow down.	Wait, then call again with the same arguments. The record is still there.
parse_failure	An answer arrived in a shape this client cannot read.	Report it at the issue tracker.
network_error	The request did not complete.	Try again shortly.
timeout	The request passed its deadline.	Raise BOOKS_TIMEOUT_MS, or ask for fewer rows.

An archive that failed is reported per archive rather than failing the whole answer, so one silent archive never hides the others.

As a library

The layer reading the three archives is published on its own, with its pacing, its cache and its errors, and with no protocol attached.

import { BooksClient } from "mcp-books/client";

const client = new BooksClient();
const read = await client.searchItems({ query: "beaumont light-house", limit: 3 });
console.log(read.data.rows.length);

Each read answers { data, cached }, and throws an error carrying one of the six codes. Each archive keeps its own pace, and its floor holds here as well.

Pacing and attribution

Each archive is paced on its own, one request at a time, and the widest of its own floor and the configured interval governs: the Library of Congress publishes the slowest, and asking all three at once therefore costs each of them one request rather than three. The User-Agent always ends with the project identity and an address where a person can be reached.

Every record carries the address of its page and the attribution its archive asks for. The Internet Archive items belong to their depositors, the Library of Congress records state their own rights, and the BnF asks that the source and the date of retrieval be stated wherever its metadata are shown.

This MCP server is an unofficial project, with no affiliation to any of the archives it reads.

Privacy

This server collects nothing about you and sends nothing to its author. It runs on your machine, contacts archive.org, openlibrary.org, www.loc.gov and data.bnf.fr and nothing else, holds its answers in memory while it runs, and writes nothing to disk. PRIVACY.md states what a request carries and which settings change any of it.

Development

npm install
npm run build:fixtures
npm test
npm run check

Tests run against generated fixtures and make no network request. The live suite, npm run test:live, makes one request per route and runs nightly against the archives themselves.

Contributing

Bugs, questions and ideas belong in the issue tracker. Pull requests are welcome; opening an issue first helps agree on the shape of the change. See CONTRIBUTING.md.

License

MIT, see LICENSE. The records belong to the archives that published them and to their depositors.

---

mcp-books (français)

English version

Trois grandes archives conservent la trace numérisée de ce qui a été publié, et chacune la décrit dans ses propres mots. L'Internet Archive garde les livres, les films, les enregistrements et les logiciels que chacun y dépose, et en a passé des millions par la reconnaissance optique de caractères. La Library of Congress publie les collections nationales des États-Unis, un catalogue par type de document. data.bnf.fr publie les notices d'autorité de la Bibliothèque nationale de France, qui décrivent des œuvres et ceux qui les ont écrites plutôt que des exemplaires.

Ce serveur lit les trois avec une seule question. On peut chercher dans les mots contenus dans les documents numérisés, chercher dans les catalogues, et lire une notice sous une forme unique quelle que soit l'archive qui la détient. Aucune clé d'API, aucun compte.

Installation

Installation en un clic

Claude Code

claude mcp add books -- npx -y mcp-books

Claude Desktop, Cursor, et tout client au format de configuration standard

{
  "mcpServers": {
    "books": {
      "command": "npx",
      "args": ["-y", "mcp-books"]
    }
  }
}

Node 24 ou plus récent est nécessaire, et aucune variable d'environnement n'est à renseigner.

Avec Docker

{
  "mcpServers": {
    "books": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "ghcr.io/smeet666/mcp-books:2.0.1"]
    }
  }
}

-i garde l'entrée standard ouverte, qui est le canal du protocole, et -t est omis parce qu'un TTY réécrit le flux. Le conteneur a besoin d'un accès HTTPS sortant vers archive.org, openlibrary.org, www.loc.gov et data.bnf.fr, et de rien d'autre : aucun volume, aucun port, aucun identifiant.

Bundle, sans npm

Téléchargez mcp-books-2.0.1.mcpb depuis la dernière publication et ouvrez-le. Un client qui gère les bundles MCP l'installe seul, sans npm et sans fichier de configuration à modifier. Le bundle emporte ses dépendances, donc rien n'est téléchargé à l'installation.

Ce qu'on peut demander

• « Quels livres mentionnent le phare de Beaumont ? »
• « Trouve-moi ce qu'il y a sur le tremblement de terre de San Francisco en 1906. »
• « Lis-moi cette notice et dis-moi qui conserve l'original. »
• « Qu'est-ce que la BnF a sur cet auteur ? »
• « Cherche dans les photographies plutôt que dans les livres. »

Une réponse prend plusieurs secondes : trois archives sont interrogées, chacune à son rythme.

Les trois sources

Source	Archive	Ce qu'elle décrit
archive	l'Internet Archive	les exemplaires déposés, de tout type
loc	la Library of Congress	les collections nationales, un catalogue par type
bnf	la Bibliothèque nationale de France	les œuvres et ceux qui les ont écrites

L'id d'une ligne nomme son archive, donc un identifiant lu dans une réponse retourne vers la bonne. Les comptes ne sont jamais additionnés entre archives, et une archive qui a échoué est rapportée comme ayant échoué plutôt que comme n'ayant rien trouvé.

Les outils

Outil	Ce qu'il fait
search_inside	Cherche dans les mots contenus dans les documents numérisés.
search_items	Cherche dans les catalogues par titre, auteur, sujet ou mots simples.
get_item	Lit une notice sous une forme unique, quelle que soit l'archive.

search_inside

Cherche dans le texte contenu dans les documents numérisés, texte issu de la reconnaissance optique de caractères.

Argument	Type	Requis	Ce qu'il fait
query	chaîne, 2 à 300 caractères	oui	La phrase à chercher dans les documents.
limit	entier, 1 à 25, défaut 3	non	Correspondances à garder de chaque archive.
page	entier, 1 à 100, défaut 1	non	Quelle page de correspondances.
max_excerpt_chars	entier, 80 à 1200, défaut 300	non	La longueur de passage à servir.
max_excerpts_per_match	entier, 1 à 10, défaut 2	non	Passages servis par document correspondant.
fan_out	booléen, défaut true	non	Interroger chaque archive plutôt que s'arrêter à la première qui répond.
sources	tableau d'identifiants de source	non	N'interroger que ces archives.

En retour : hits, chacun portant id, que get_item reprend et qui nomme son archive ; source et source_name ; l'identifier propre à l'archive, sans le préfixe ; title, creator et year ; page_number là où l'archive en indique un ; excerpts ; et excerpt_kind. excerpt_kind decide cuánto vale un extracto. Un passage es el texto alrededor de las palabras encontradas. Un page_opening es el inicio de la página, enviado porque el texto leído por máquina que el archivo ha devuelto se detiene antes de que esas palabras aparezcan: no lleva la coincidencia, por lo que citarlo cita otra cosa. Todos los extractos de una coincidencia son de un solo tipo.

search_items

Busca en los catálogos.

Argumento	Tipo	Requerido	Qué hace
query	cadena, de 1 a 300 caracteres	sí	Un título, un autor, un tema o palabras simples.
media_type	un tipo que uno de los archivos posee	no	El tipo de documento a buscar.
year_from	entero, de 1000 a 2100	no	Año más antiguo.
year_to	entero, de 1000 a 2100	no	Año más reciente.
sort	relevance, newest, oldest o title, por defecto relevance	no	El orden de las líneas.
limit	entero, de 1 a 25, por defecto 5	no	Líneas a conservar de cada archivo.
page	entero, de 1 a 100, por defecto 1	no	Qué página de líneas.
fan_out	booleano, por defecto true	no	Consultar cada archivo.
sources	matriz de identificadores de fuente	no	Consultar solo esos archivos.

Los tres archivos dividen sus fondos de manera diferente. Internet Archive busca en todos los tipos a la vez cuando no se nombra ninguno; la Library of Congress tiene una ruta por tipo, por lo que una búsqueda que no nombra ninguno recibe la indicación de cuál se ha leído; y la búsqueda de la BnF lee obras. Un media_type que un archivo no reconoce lo excluye de la respuesta, y la respuesta lo indica.

En retorno: líneas en la forma de un hit, con per_source que ofrece un informe por archivo: su status, el count que ha proporcionado, su reported_total y reported_total_means, que indica qué cuenta ese número allí.

get_item

Lee un registro en una forma única, sin importar qué archivo lo posea.

Argumento	Tipo	Requerido	Qué hace
identifier	cadena, de 1 a 500 caracteres	sí	El id que lleva una línea.
sections	matriz de description, subjects, copies, context, por defecto ["description"]	no	Las partes a devolver.
max_copies	entero, de 1 a 50, por defecto 10	no	Ejemplares a listar.
text_offset	entero, de 0 a 1000000, por defecto 0	no	Dónde retomar el texto.
max_text_chars	entero, de 200 a 8000, por defecto 1500	no	La longitud de texto a servir.

En retorno: el registro con su id, source y source_name, el identifier propio del archivo, title, creator, date exactamente tal como se publicó, y year acompañado de year_means, que indica de qué es año ese año, ya que los tres archivos fechan un registro de manera diferente. attribution es lo que ese archivo pide que se le atribuya, y identifier_provisional indica cuándo el identificador se construyó en lugar de leerse, para que quien llama sepa que puede no resolverse.

Lo que una respuesta dice de los archivos

Cada respuesta informa de cada archivo por separado. Uno que ha fallado, uno al que nadie ha consultado y uno que ha respondido vacío son tres cosas diferentes, y se informan como tres. Un total permanece junto al archivo que lo ha publicado, con lo que ese archivo cuenta al decirlo: uno cuenta documentos, otro hojas de periódicos.

Lo que vale un texto digitalizado

Las palabras contenidas en un documento digitalizado provienen del reconocimiento óptico de caracteres. Un extracto lleva los errores de lectura de ese proceso, y se sirve tal como se ha leído en lugar de corregido. Cítelo como un texto digitalizado y enlace el registro para que un lector pueda mirar la página.

Configuración

Cada variable es opcional. Se colocan en el bloque env de la configuración del cliente.

Variable	Por defecto	Qué hace
BOOKS_USER_AGENT	la identidad del proyecto	Nombra su aplicación ante los tres archivos, con una dirección para contactar a una persona.
BOOKS_MIN_INTERVAL_MS	el ritmo propio de cada archivo	Amplía el intervalo entre dos solicitudes hacia un mismo archivo, de 500 a 60000. Si no se establece, cada archivo mantiene el ritmo que publica, y un valor establecido aquí solo se aplica donde es más amplio.
BOOKS_TIMEOUT_MS	45000	Tiempo de espera de una solicitud, de 1000 a 120000.
BOOKS_MAX_RETRIES	3	Intentos después de un fallo pasajero, de 0 a 8.
BOOKS_CACHE_TTL_MS	900000	Duración durante la cual una respuesta permanece en memoria, de 0 a 86400000.
BOOKS_CACHE_MAX_ENTRIES	200	Respuestas guardadas en memoria a la vez, de 1 a 5000.
BOOKS_LOG_LEVEL	error	silent, error, info o debug, escrito en la salida de error.

Un valor fuera de su rango cae en el valor por defecto, y la razón se escribe en la salida de error.

Errores

Cada fallo lleva uno de los seis códigos, un mensaje y, cuando ayuda, una indicación del siguiente paso.

Código	Qué ha sucedido	Qué hacer
not_found	Un archivo ha respondido y no tiene este registro.	Verifique el identificador con search_items.
invalid_input	Los argumentos fueron rechazados antes de cualquier solicitud.	Lea el mensaje, que nombra el argumento.
rate_limited	Un archivo pide a este cliente que reduzca la velocidad.	Espere y vuelva a llamar con los mismos argumentos. El registro sigue allí.
parse_failure	Una respuesta llegó en una forma ilegible aquí.	Infórmelo en el seguimiento de incidencias.
network_error	La solicitud no se completó.	Reintente en breve.
timeout	La solicitud superó su tiempo de espera.	Aumente BOOKS_TIMEOUT_MS, o solicite menos líneas.

Un archivo que falla se informa archivo por archivo en lugar de hacer fallar toda la respuesta, por lo que un archivo silencioso nunca oculta a otros.

Como biblioteca

La capa que lee los tres archivos se publica sola, con su ritmo, su caché y sus errores, sin protocolo adjunto.

import { BooksClient } from "mcp-books/client";

const client = new BooksClient();
const read = await client.searchItems({ query: "beaumont light-house", limit: 3 });
console.log(read.data.rows.length);

Cada lectura responde { data, cached } y lanza un error que lleva uno de los seis códigos. Cada archivo mantiene su propio ritmo, y su mínimo también se aplica aquí.

Ritmo y atribución

Cada archivo está regulado por sí mismo, una solicitud a la vez, y es el más amplio entre su propio mínimo y el intervalo configurado lo que gobierna: la Library of Congress publica el más lento, y consultar los tres a la vez cuesta por tanto a cada uno una solicitud en lugar de tres. El User-Agent termina siempre con la identidad del proyecto y una dirección para contactar a una persona.

Cada registro lleva la dirección de su página y el attribution que su archivo solicita. Los documentos de Internet Archive pertenecen a quienes los han depositado, los registros de la Library of Congress enuncian sus propios derechos, y la BnF solicita que la fuente y la fecha de recuperación se indiquen en todos los lugares donde se muestran sus metadatos.

Este MCP es un proyecto no oficial, sin afiliación con ninguno de los archivos que lee.

Privacidad

Este servidor no recopila nada sobre usted y no envía nada a su autor. Se ejecuta en su máquina, solo adjunta archive.org, openlibrary.org, www.loc.gov y data.bnf.fr, guarda sus respuestas en memoria mientras se ejecuta y no escribe nada en el disco. PRIVACY.md indica qué lleva una solicitud y qué ajustes cambian eso.

Desarrollo

npm install
npm run build:fixtures
npm test
npm run check

Las pruebas se ejecutan sobre fixtures generados y no emiten ninguna solicitud. La suite en vivo, npm run test:live, emite una solicitud por ruta y se ejecuta cada noche contra los propios archivos.

Contribuir

Las anomalías, las preguntas y las ideas tienen su lugar en el seguimiento de incidencias. Las propuestas de modificación son bienvenidas; abrir un ticket primero ayuda a acordar la forma del cambio. Ver CONTRIBUTING.md.

Licencia

MIT, ver LICENSE. Los registros pertenecen a los archivos que los han publicado y a quienes los han depositado allí.