pdf4vllm-mcp 1.1.2

Block-based PDF extraction MCP server optimized for LLM consumption

pdf4vllm

PDF reading MCP server optimized for vision LLMs.

한국어

문제

방식	문제점
텍스트 추출	인코딩 깨짐 → 쓰레기 출력, 이미지-텍스트 순서 뒤섞임
이미지 변환	토큰 폭발 (특히 페이지 많을 때)

해결

pdf4vllm은 PDF가 지저분하다고 가정합니다.

• 텍스트 손상 자동 감지 → 이미지로 자동 전환
• 읽기 순서 보존 (텍스트 → 표 → 이미지 블록 순서대로)
• 페이지 제한으로 컨텍스트 오버플로우 방지
• 불필요한 이미지 자동 필터링 (로고, 선, 헤더/푸터)

설치

pip install pdf4vllm-mcp
# 또는
uvx pdf4vllm-mcp

Claude Desktop 설정

git clone https://github.com/PyJudge/pdf4vllm-mcp.git
cd pdf4vllm-mcp
python scripts/install_mcp.py

또는 직접 설정 (~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "pdf4vllm": {
      "command": "/python/경로",
      "args": ["/pdf4vllm-mcp/경로/src/server.py"]
    }
  }
}

도구

도구	설명
list_pdfs	PDF 파일 찾기 (glob 패턴 name_pattern 지원)
read_pdf	PDF 내용 블록으로 추출
grep_pdf	PDF 내 텍스트 검색 (pdfgrep 설치 필요)

추출 모드

모드	설명
auto (기본)	텍스트 추출 시도 → 손상 감지 시 이미지로 전환
text_only	텍스트/표만 추출, 이미지 없음
image_only	페이지를 이미지로만 렌더링

---

Problem

Approach	Issue
Text extraction	Encoding corruption → garbage output, mixed text-image ordering
Image conversion	Token explosion (especially with many pages)

Solution

pdf4vllm assumes PDFs are messy.

• Auto-detects text corruption → switches to image automatically
• Preserves reading order (text → table → image blocks in sequence)
• Page limits prevent context overflow
• Filters unnecessary images (logos, lines, headers/footers)

PDF Input
    ↓
Corruption Detection (pdfminer.six + pattern analysis)
    ↓
┌─────────────┬─────────────┐
│  Corrupted  │    Clean    │
│  → Image    │  → Text +   │
│    only     │    Tables + │
│             │    Images   │
└─────────────┴─────────────┘
    ↓
Ordered Blocks (JSON)

Install

pip install pdf4vllm-mcp
# or run without installing
uvx pdf4vllm-mcp

Claude Desktop Setup

git clone https://github.com/PyJudge/pdf4vllm-mcp.git
cd pdf4vllm-mcp
python scripts/install_mcp.py

Or manually edit ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "pdf4vllm": {
      "command": "/path/to/python",
      "args": ["/path/to/pdf4vllm-mcp/src/server.py"]
    }
  }
}

Claude Code Setup

Create .mcp.json in your project:

{
  "mcpServers": {
    "pdf4vllm": {
      "command": "uvx",
      "args": ["pdf4vllm-mcp"]
    }
  }
}

Tools

Tool	Description
list_pdfs	Find PDF files with glob filtering (name_pattern)
read_pdf	Extract PDF content as ordered blocks
grep_pdf	Search text in PDFs using pdfgrep (requires pdfgrep installed)

Extraction Modes

Mode	Description
auto (default)	Try text extraction → switch to image if corrupted
text_only	Text/tables only, no images
image_only	Render pages as images only

Output Format

{
  "pages": [
    {
      "page_number": 1,
      "content_blocks": [
        {"type": "text", "content": "..."},
        {"type": "table", "content": "| A | B |"},
        {"type": "image", "content": "[IMAGE_0]"}
      ]
    }
  ]
}

When text is corrupted:

{
  "page_number": 2,
  "content_blocks": [],
  "text_corrupted": true,
  "page_image": "[IMAGE_1]"
}

Configuration

config.json or environment variables:

{
  "max_pages_per_request": 10,
  "max_image_dimension": 842,
  "page_image_dpi": 100
}

export PDF_MAX_PAGES=20
export PDF_PAGE_IMAGE_DPI=150

Test Server

pip install pdf4vllm-mcp[test]
python test_server.py
# → http://localhost:8000

License

MIT

---

GitHub · PyPI