PDF Splitter

Fornece acesso aleatório ao conteúdo de PDFs, permitindo extração seletiva de páginas e conteúdo para reduzir custos de leitura.

GitHub
4
Experimente este MCPPatrocinado

Documentação

Servidor MCP PDF Splitter

Um servidor Model Context Protocol (MCP) que fornece acesso aleatório ao conteúdo de PDFs, reduzindo os custos totais de leitura ao permitir a extração seletiva de páginas e conteúdo.

Pré-requisitos

Instalar Bun (necessário para todos os métodos de instalação):

# Linux/macOS
curl -fsSL https://bun.sh/install | bash

# Windows
powershell -c "irm bun.sh/install.ps1 | iex"

Início Rápido - Instalação em Um Comando!

Para Claude Code:

bunx espresso3389/pdf-splitter-mcp install claudecode

Para Gemini CLI:

bunx espresso3389/pdf-splitter-mcp install geminicli

É isso! O instalador configurará tudo automaticamente para você.

Nota sobre atualização do pacote

Como o bunx armazena em cache o pacote baixado no seu diretório temporário, se você quiser atualizar o pacote à força, deve excluir o cache manualmente antes de bunx:

# Linux/macOS
rm -rf /tmp/bunx-*-@espresso3389/pdf-splitter-mcp

# Windows
powershell -c "rm -Recurse -Force $env:TEMP/bunx-*-@espresso3389/pdf-splitter-mcp"

Instalação Manual (Opcional)

Se preferir instalar localmente:

  1. Clone e configure
# Clone or download this project to your computer
# Then navigate to the project directory
cd /path/to/pdf-splitter-mcp
bun install
  1. Configure sua ferramenta de IA:

Para Claude Code:

claude mcp add pdf-splitter -- bun run /full/path/to/pdf-splitter-mcp/src/index.ts

Para Gemini CLI:

{
  "mcpServers": {
    "pdf-splitter": {
      "command": "bun",
      "args": ["run", "/full/path/to/pdf-splitter-mcp/src/index.ts"]
    }
  }
}

Reinicie sua ferramenta de IA e comece a usar!

Exemplo de conversa:

You: Load the PDF at /Users/me/documents/report.pdf
AI: [uses load_pdf tool] PDF loaded! ID: abc123, 50 pages

You: Show me page 10
AI: [uses extract_page tool] Here's page 10 content...

You: Search for "revenue" in the PDF
AI: [uses search_pdf tool] Found "revenue" on pages 3, 10, and 25...

You: Search for email addresses using regex
AI: [uses search_pdf tool with regex] Found matches for pattern "\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b" on pages 5, 12...

You: Render page 10 as a high-quality image
AI: [uses render_page tool with dpi=300] Here's page 10 rendered at 300 DPI as a PNG image...

You: Create thumbnails of all pages
AI: [uses render_pages tool with dpi=72] Generated thumbnails for all 50 pages...

You: Save page 10 as a high-quality image to /tmp/page10.png
AI: [uses render_page tool with dpi=300 and outputPath="/tmp/page10.png"] Page 10 rendered and saved to: /tmp/page10.png

You: Extract all images from the PDF and save them to /tmp/images/
AI: [uses extract_images tool with outputPath="/tmp/images/page_{page}_img_{index}.png"] Saved 15 images. First image saved to: /tmp/images/page_1_img_0.png

Recursos

  • Carregar PDF: Carregar arquivos PDF do sistema de arquivos local ou URLs na memória
  • Extrair Página: Extrair conteúdo de texto de páginas específicas
  • Extrair Intervalo: Extrair texto de um intervalo de páginas
  • Pesquisar no PDF: Pesquisar texto dentro do PDF (suporta texto simples e expressões regulares, com ou sem distinção entre maiúsculas e minúsculas)
  • Obter Informações do PDF: Recuperar metadados e informações sobre o PDF carregado
  • Listar PDFs Carregados: Visualizar todos os PDFs atualmente carregados
  • Extrair Estrutura: Extrair estrutura do documento/índice com números de página
  • Listar Imagens: Listar todas as imagens no PDF com metadados (página, dimensões, formato)
  • Extrair Imagens: Extrair imagens como dados codificados em base64 (PNG/JPEG)
  • Extrair Imagem: Extrair uma imagem específica por página e índice
  • Renderizar Página: Renderizar uma página do PDF como imagem em qualquer DPI (PNG/JPEG)
  • Renderizar Páginas: Renderizar múltiplas páginas do PDF como imagens com processamento em lote

Comandos CLI

O PDF Splitter MCP fornece vários comandos úteis:

# Show help and usage
bunx @espresso3389/pdf-splitter-mcp

# Install for Claude Code
bunx @espresso3389/pdf-splitter-mcp install claudecode

# Install for Gemini CLI  
bunx @espresso3389/pdf-splitter-mcp install geminicli

# Run the MCP server directly
bunx @espresso3389/pdf-splitter-mcp serve

Ferramentas Disponíveis

  1. load_pdf

    • Carregar um arquivo PDF na memória (suporta URLs)
    • Parâmetros: path (string - caminho local ou URL)
    • Retorna: ID do PDF e contagem de páginas

  2. extract_page

    • Extrair conteúdo de uma página específica
    • Parâmetros: pdfId (string), pageNumber (número, indexado a partir de 1)
    • Retorna: Conteúdo da página como texto

  3. extract_range

    • Extrair conteúdo de um intervalo de páginas
    • Parâmetros: pdfId (string), startPage (número), endPage (número)
    • Retorna: Conteúdo combinado do intervalo de páginas

  4. search_pdf

    • Pesquisar texto dentro do PDF
    • Parâmetros: pdfId (string), query (string), caseSensitive (booleano, opcional)
    • Retorna: Resultados da pesquisa com números de página e contexto

  5. get_pdf_info

    • Obter metadados sobre um PDF carregado
    • Parâmetros: pdfId (string)
    • Retorna: Informações do PDF incluindo metadados

  6. list_loaded_pdfs

    • Listar todos os PDFs atualmente carregados
    • Retorna: Matriz de PDFs carregados com seus IDs e contagens de páginas

  7. extract_outline

    • Extrair estrutura do documento/índice com números de página
    • Parâmetros: pdfId (string)
    • Retorna: Estrutura formatada com referências de página

  8. list_images

    • Listar todas as imagens no PDF com metadados
    • Parâmetros: pdfId (string)
    • Retorna: Matriz de informações de imagem (página, índice, dimensões, formato)

  9. extract_images

    • Extrair imagens do PDF como dados codificados em base64
    • Parâmetros:
      • pdfId (string)
      • pageNumbers (matriz de números, opcional)
      • dpi (número, opcional, padrão: 96)
      • outputPath (string, opcional - salvar imagens em arquivos em vez de retornar base64)
    • Retorna: Matriz de imagens com dados base64 (ou salva em arquivos se outputPath for fornecido)
    • Padrão de outputPath: Use {page} para o número da página e {index} para o índice da imagem (ex.: /path/page_{page}_img_{index}.png)

  10. extract_image

    • Extrair uma imagem específica do PDF
    • Parâmetros:
      • pdfId (string)
      • pageNumber (número)
      • imageIndex (número)
      • dpi (número, opcional, padrão: 96)
      • outputPath (string, opcional - salvar imagem em arquivo em vez de retornar base64)
    • Retorna: Imagem única com dados base64 (ou salva em arquivo se outputPath for fornecido)

  11. render_page

    • Renderizar uma página do PDF como imagem em DPI especificado
    • Parâmetros:
      • pdfId (string)
      • pageNumber (número, indexado a partir de 1)
      • dpi (número, opcional, padrão: 96)
      • format (string, opcional, "png" ou "jpeg", padrão: "png")
      • outputPath (string, opcional - salvar imagem em arquivo em vez de retornar base64)
    • Retorna: Imagem da página renderizada com dados base64, dimensões e formato (ou salva em arquivo se outputPath for fornecido)

  12. render_pages

    • Renderizar múltiplas páginas do PDF como imagens
    • Parâmetros:
      • pdfId (string)
      • pageNumbers (matriz de números, opcional - renderiza todas as páginas se não for fornecido)
      • dpi (número, opcional, padrão: 96)
      • format (string, opcional, "png" ou "jpeg", padrão: "png")
      • outputPath (string, opcional - salvar imagens em arquivos em vez de retornar base64)
    • Retorna: Matriz de imagens de páginas renderizadas com dados base64 (ou salva em arquivos se outputPath for fornecido)
    • Padrão de outputPath: Use {page} para o número da página (ex.: /path/page_{page}.png)

Configuração do Cliente MCP

Adicione isto à configuração do seu cliente MCP:

{
  "mcpServers": {
    "pdf-splitter": {
      "command": "bun",
      "args": ["run", "/path/to/pdf-splitter-mcp/src/index.ts"]
    }
  }
}

Desenvolvimento

# Run in development mode with hot reload
bun run dev

# Build for production
bun run build

# Run production build
bun run start

Benefícios

  • Uso Reduzido de Tokens: Extraia apenas as páginas necessárias em vez de processar PDFs inteiros
  • Processamento Mais Rápido: Acesso aleatório a seções específicas sem leitura sequencial
  • Eficiência de Memória: PDFs são analisados uma vez e mantidos na memória para acesso rápido
  • Capacidade de Pesquisa: Encontre conteúdo específico em documentos grandes rapidamente
  • Processamento Visual: Renderize páginas como imagens para OCR, análise visual ou geração de miniaturas
  • Saída Flexível: Suporte para diferentes configurações de DPI e formatos de imagem (PNG/JPEG)

Casos de Uso Comuns

Análise de Documentos

  • Extrair páginas ou seções específicas para análise detalhada
  • Pesquisar padrões, palavras-chave ou dados em documentos grandes
  • Extrair índices e navegar em documentos complexos

Processamento de Imagens

  • Extrair imagens incorporadas de PDFs para processamento separado
  • Renderizar páginas como imagens de alta qualidade para OCR ou análise visual
  • Criar visualizações em miniatura de páginas de PDF
  • Converter páginas de PDF em imagens para exibição na web

Pesquisa e Desenvolvimento

  • Processar artigos técnicos e extrair seções específicas
  • Pesquisar citações, fórmulas ou termos específicos
  • Extrair figuras e diagramas de artigos de pesquisa

Automação

  • Processar múltiplos PDFs em lote programaticamente
  • Extrair dados de formulários ou relatórios padronizados
  • Gerar visualizações de imagem para sistemas de gerenciamento de documentos