AI导哈

学术论文解析工具

一款用于解析大型学术论文（PDF文件）的模型上下文协议（MCP）服务器，优化了文本和图像提取，便于大型语言模型（LLM）使用。

  • by bgyooPtr
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 bgyooPtr/parse-paper-mcp

使用说明

解析纸张MCP

模型上下文协议（MCP）服务器，用于解析大型学术论文（PDF文件），并优化文本和图像提取，以供LLM使用。

特性

  • 提取针对LLM优化的Markdown格式的文本
  • 以可配置的质量级别提取和压缩图像
  • 智能压缩：在保持可读性的同时减少85%以上的大小
  • 支持逐页提取
  • 丰富的PDF元数据提取

Claude Code的安装

使用uvx（推荐）

添加到您的 .mcp.json 文件：

{
  "mcpServers": {
    "parse-paper-mcp": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/bgyooPtr/parse-paper-mcp", "parse-paper-mcp"]
    }
  }
}

重新启动Claude Code以加载服务器。

本地开发

  • 克劳德代码
claude mcp add parse-paper-mcp -s project -- uvx  --from git+https://github.com/bgyooPtr/parse-paper-mcp parse-paper-mcp

可用工具

parse_paper

用文本和图像解析整篇论文。使用 pages 用于处理特定页面的参数（例如。， [0,1,2] 前3页）。

关键参数：

  • pdf_path （必填）：PDF文件的路径
  • output_dir （可选）：保存图像的目录
  • quality （可选）： "high", "medium" （默认）， "low"
  • extract_images （可选）：是否提取图像（默认值：true）
  • pages （可选）：要提取的页码列表（从0开始）
  • max_chars （可选）：限制文本长度

extract_text_only

Markdown格式的快速纯文本提取（无图像）。

extract_images_only

仅从PDF中提取和压缩图像。

get_paper_metadata

获取PDF元数据（标题、作者、页数、文件大小等）。

Claude代码中的用法

Parse /path/to/paper.pdf with medium quality, saving images to /tmp/output

Extract text from /path/to/paper.pdf pages 0-5

Get metadata for /path/to/paper.pdf

质量等级

  • 高：最大1500px，90质量，200 DPI-最适合详细图表
  • 中等 （默认）：最大1024px，85质量，150 DPI-平衡质量/大小
  • 低：最大768像素，75质量，100 DPI-最大压缩

许可证

麻省理工学院

相关 MCP