docmcp 1.0.0

Document processing MCP server (PDF read, merge, split, compress, report generation)

DocMCP — Document Processing MCP Server

Servidor MCP para manipulación de documentos PDF. Lee, fusiona, divide, comprime, extrae páginas e imágenes, y genera PDFs desde texto, tablas o informes estructurados.

Features / Funcionalidades

Tool / Herramienta	Description / Descripción
read	Lee un PDF y devuelve texto, metadatos y número de páginas
info	Obtiene metadatos, tamaño, páginas y conteo de imágenes
extract_images	Extrae todas las imágenes de un PDF a un directorio
to_markdown	Convierte el contenido del PDF a formato Markdown
merge	Fusiona múltiples PDFs en uno solo
split	Divide un PDF en páginas individuales
extract_pages	Extrae páginas específicas (ej: 1,3,5-10) a un nuevo PDF
compress	Comprime un PDF reduciendo su tamaño
generate_report	Genera un PDF estructurado desde contenido JSON
generate_table	Crea un PDF con una tabla estilizada
generate_text	Convierte texto plano/Markdown a PDF

Tech Stack

• Python — >=3.11
• Framework: mcp (FastMCP) via stdio JSON-RPC
• PDF reading: PyMuPDF (fitz)
• PDF manipulation: pypdf
• PDF generation: reportlab

Quick Start

# Instalar dependencias
pip install mcp pymupdf reportlab pypdf

# Ejecutar servidor (stdio transport)
python server.py

# Configurar directorio de trabajo (opcional)
export DOCMCP_WORKDIR=/home/user/documents

Uso MCP Client

from mcp import ClientSession, StdioServerParameters

async with ClientSession(server) as session:
    result = await session.call_tool("read", {"path": "documento.pdf"})
    result = await session.call_tool("merge", {"paths": "a.pdf,b.pdf", "output": "merged.pdf"})
    result = await session.call_tool("generate_report", {
        "title": "Reporte",
        "content": '{"sección": ["item1", "item2"]}',
        "output": "reporte.pdf"
    })

Security / Seguridad

Path traversal protection via DOCMCP_WORKDIR. All file operations are restricted to the work directory, with trailing-slash prefix check to prevent /home/user/evil matching /home/user/extra.

🔧 Recent Improvements

• Path Traversal Hardened — _resolve() now normalizes relative paths against workdir and uses trailing-slash prefix check
• to_markdown() Error Handling — Output path validation errors are now caught and returned gracefully
• generate_table() JSON Parsing — Malformed rows JSON returns a friendly error instead of crashing
• merge() Newline Support — Accepts newline-separated paths in addition to comma-separated
• MAX_PAGES Configurable — DOCMCP_MAX_PAGES env var (default 100) controls PDF page limit
• import fitz Moved — Orphaned import at end of generator.py moved to top of file

Project Structure

docmcp/
├── server.py              # MCP server entry point (tools)
├── docmcp/
│   ├── reader.py          # PDF reading & extraction
│   ├── manipulator.py     # Merge, split, compress, extract pages
│   ├── generator.py       # PDF generation (reports, tables, text)
│   └── __init__.py
├── client.py              # Test client
└── pyproject.toml