[{"_1":2,"_356":-5,"_357":-5},"loaderData",{"_3":4,"_29":30,"_290":291},"root",{"_5":6,"_14":15},"toasts",[7],{"_8":9,"_10":11,"_12":13},"uid","01992b2a-acd7-7480-8f4c-0b3fa2625b48","title","This MCP server does not support inspection","type","error","visitor",{"_16":17,"_18":19},"viewportWidth",1280,"visitorSession",{"_20":21,"_23":24,"_25":-5,"_26":27,"_28":-5},"attributes",[22],"bot","id",13985175,"membership","referenceId","01991ab6-f14f-730d-8636-772cf20fbc8c","userAccount","routes/_public/mcp/servers/~namespace/~slug/_pages/_layout",{"_31":32,"_86":-5,"_87":45,"_34":88,"_208":209,"_289":190},"availableLocales",[33,45,51,58,65,72,79],{"_34":35,"_38":42,"_43":44},"mcpServer",{"_36":37,"_38":39,"_40":41},"description","Ein Dokumenten-Wissensdatenbanksystem, das es Benutzern ermöglicht, PDFs hochzuladen und sie über eine Weboberfläche oder über das Model Context Protocol semantisch abzufragen, was die Integration mit KI-Tools wie Cursor ermöglicht.","name","PDF RAG MCP Server","readme","# PDF RAG MCP Server\n\nEin leistungsstarkes Dokumenten-Wissensdatenbanksystem, das PDF-Verarbeitung, Vektorspeicherung und MCP (Model Context Protocol) nutzt, um semantische Suchfunktionen für PDF-Dokumente bereitzustellen. Mit diesem System können Sie PDF-Dokumente über eine moderne Weboberfläche oder über das MCP-Protokoll hochladen, verarbeiten und abfragen, um sie mit KI-Tools wie Cursor zu integrieren.\n\n## Merkmale\n\n* **Hochladen und Verarbeiten von PDF-Dokumenten** : Laden Sie PDFs hoch und extrahieren, zerlegen und vektorisieren Sie Inhalte automatisch\n* **Echtzeit-Verarbeitungsstatus** : WebSocket-basierte Echtzeit-Statusaktualisierungen während der Dokumentverarbeitung\n* **Semantische Suche** : Vektorbasierte semantische Suche über alle verarbeiteten Dokumente\n* **MCP-Protokollunterstützung** : Integration mit KI-Tools wie Cursor mithilfe des Model Context Protocol\n* **Moderne Weboberfläche** : React/Chakra-UI-Frontend für Dokumentenverwaltung und -abfragen\n* **Schnelles Abhängigkeitsmanagement** : Verwendet UV für effizientes Python-Abhängigkeitsmanagement\n\n## Systemarchitektur\n\nDas System besteht aus:\n\n* **FastAPI-Backend** : Verarbeitet API-Anfragen, PDF-Verarbeitung und Vektorspeicherung\n* **React Frontend** : Bietet eine benutzerfreundliche Oberfläche zur Verwaltung von Dokumenten\n* **Vektordatenbank** : Speichert Einbettungen für die semantische Suche\n* **WebSocket-Server** : Bietet Echtzeit-Updates zur Dokumentenverarbeitung\n* **MCP-Server** : Stellt die Wissensdatenbank MCP-kompatiblen Clients zur Verfügung\n\n## Schnellstart\n\n### Voraussetzungen\n\n* [Python](https://www.python.org/downloads/) 3.8 oder höher\n* [uv](https://github.com/astral-sh/uv) - Schneller Python-Paketinstaller und -Resolver\n* Git\n* Cursor (optional, für MCP-Integration)\n\n### Schnelle Installation und Start mit uv und run.py\n\n1. Klonen Sie das Repository:\n\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. Installieren Sie uv, falls Sie es noch nicht haben:\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. Installieren Sie Abhängigkeiten mit uv:\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. Starten Sie die Anwendung mit dem praktischen Skript:\n\n ```bash\n uv run run.py\n ```\n\n5. Greifen Sie auf die Weboberfläche unter zu\n\n6. Verwendung mit Cursor\n\nGehen Sie zu Einstellungen -> Cursor-Einstellungen -> MCP -> Neuen globalen MCP-Server hinzufügen und fügen Sie den folgenden Text in Ihre Cursor-Datei ~/.cursor/mcp.json ein. Weitere Informationen finden Sie in der Cursor-MCP-Dokumentation.\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\nSie können localhost auch in die Host-IP ändern, unter der Sie den Dienst bereitgestellt haben. Nachdem diese Konfiguration zum MCP-JSON hinzugefügt wurde, wird der MCP-Server auf der Cursor-MCP-Konfigurationsseite angezeigt. Aktivieren Sie ihn, um den Server zu aktivieren:\n\n### Erstellen des Frontends (für Entwickler)\n\nWenn Sie das Frontend neu erstellen müssen, haben Sie zwei Möglichkeiten:\n\n#### Option 1: Verwenden des bereitgestellten Skripts (empfohlen)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\nDieses Skript führt automatisch Folgendes aus:\n\n* Installieren Sie Frontend-Abhängigkeiten\n* Erstellen Sie das Frontend\n* Kopieren Sie die Build-Ausgabe in das statische Verzeichnis des Backends\n\n#### Option 2: Manueller Build-Prozess\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\nNachdem Sie das Frontend erstellt haben, können Sie die Anwendung mit dem Skript run.py starten.\n\n### Einfaches Produktions-Setup\n\nFür eine Produktionsumgebung, in der die statischen Dateien bereits erstellt wurden:\n\n1. Platzieren Sie Ihr vorgefertigtes Frontend im Verzeichnis `backend/static`\n\n2. Starten Sie den Server:\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### Entwicklungs-Setup (Separate Dienste)\n\nWenn Sie die Dienste für die Entwicklung separat ausführen möchten:\n\n#### Backend\n\n1. Navigieren Sie zum Backend-Verzeichnis:\n\n ```bash\n cd backend\n ```\n\n2. Installieren Sie die Abhängigkeiten mit uv:\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. Führen Sie den Backend-Server aus:\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### Frontend\n\n1. Navigieren Sie zum Frontend-Verzeichnis:\n\n ```bash\n cd frontend\n ```\n\n2. Installieren Sie die Abhängigkeiten:\n\n ```bash\n npm install\n ```\n\n3. Führen Sie den Entwicklungsserver aus:\n\n ```bash\n npm run dev\n ```\n\n## Verwendung\n\n### Hochladen von Dokumenten\n\n1. Greifen Sie auf die Weboberfläche unter zu\n2. Klicken Sie auf „Neues PDF hochladen“ und wählen Sie eine PDF-Datei aus\n3. Das System verarbeitet die Datei und zeigt den Fortschritt in Echtzeit an\n4. Nach der Bearbeitung steht das Dokument zur Suche zur Verfügung\n\n### Dokumente suchen\n\n1. Verwenden Sie die Suchfunktion in der Weboberfläche\n2. Oder integrieren Sie Cursor mithilfe des MCP-Protokolls\n\n### MCP-Integration mit Cursor\n\n1. Cursor öffnen\n2. Gehen Sie zu Einstellungen → KI & MCP\n3. Fügen Sie einen benutzerdefinierten MCP-Server mit der URL hinzu: `http://localhost:8000/mcp/v1`\n4. Speichern Sie die Einstellungen\n5. Jetzt können Sie Ihre PDF-Wissensdatenbank direkt vom Cursor aus abfragen\n\n## Fehlerbehebung\n\n### Verbindungsprobleme\n\n* Stellen Sie sicher, dass Port 8000 nicht von anderen Anwendungen verwendet wird\n* Überprüfen Sie, ob die WebSocket-Verbindung ordnungsgemäß funktioniert\n* Stellen Sie sicher, dass Ihr Browser WebSockets unterstützt\n\n### Verarbeitungsprobleme\n\n* Überprüfen Sie, ob Ihr PDF extrahierbaren Text enthält (bei manchen gescannten PDFs ist dies möglicherweise nicht der Fall).\n* Stellen Sie sicher, dass das System über ausreichend Ressourcen (Speicher und CPU) verfügt.\n* Überprüfen Sie die Backend-Protokolle auf detaillierte Fehlermeldungen\n\n## Projektstruktur\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## Beitragen\n\nBeiträge sind willkommen! Senden Sie gerne einen Pull Request.\n\n## Lizenz\n\nDieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.","German","tag","de-DE",{"_34":46,"_38":49,"_43":50},{"_36":47,"_38":39,"_40":48},"A document knowledge base system that enables users to upload PDFs and query them semantically through a web interface or via the Model Context Protocol, allowing integration with AI tools like Cursor.","# PDF RAG MCP Server\n $\"image\"$ \n\n $\"image\"$ \n\nA powerful document knowledge base system that leverages PDF processing, vector storage, and MCP (Model Context Protocol) to provide semantic search capabilities for PDF documents. This system allows you to upload, process, and query PDF documents through a modern web interface or via the MCP protocol for integration with AI tools like Cursor.\n\n## Features\n\n- **PDF Document Upload & Processing**: Upload PDFs and automatically extract, chunk, and vectorize content\n- **Real-time Processing Status**: WebSocket-based real-time status updates during document processing\n- **Semantic Search**: Vector-based semantic search across all processed documents\n- **MCP Protocol Support**: Integrate with AI tools like Cursor using the Model Context Protocol\n- **Modern Web Interface**: React/Chakra UI frontend for document management and querying\n- **Fast Dependency Management**: Uses uv for efficient Python dependency management\n\n## System Architecture\n\nThe system consists of:\n\n- **FastAPI Backend**: Handles API requests, PDF processing, and vector storage\n- **React Frontend**: Provides a user-friendly interface for managing documents\n- **Vector Database**: Stores embeddings for semantic search\n- **WebSocket Server**: Provides real-time updates on document processing\n- **MCP Server**: Exposes knowledge base to MCP-compatible clients\n\n## Quick Start\n\n### Prerequisites\n\n- [Python](https://www.python.org/downloads/) 3.8 or later\n- [uv](https://github.com/astral-sh/uv) - Fast Python package installer and resolver\n- Git\n- Cursor (optional, for MCP integration)\n\n### Quick Installation and Startup with uv and run.py\n\n1. Clone the repository:\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. Install uv if you don't have it already:\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. Install dependencies using uv:\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. Start the application with the convenient script:\n ```bash\n uv run run.py\n ```\n\n5. Access the web interface at [http://localhost:8000](http://localhost:8000)\n\n6. Using with Cursor \n\nGo Settings -> Cursor Settings -> MCP -> Add new global MCP server, paste below into your Cursor ~/.cursor/mcp.json file. See Cursor MCP docs for more info.\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\nYou could also change localhost into the host ip you deployed the service. After this confige added to the mcp json, you will see the mcp server showes at the Cursor mcp config page, switch it on to enable the server:\n\n $\"image\"$ \n\n\n### Building the Frontend (For Developers)\n\nIf you need to rebuild the frontend, you have two options:\n\n#### Option 1: Using the provided script (recommended)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\nThis script will automatically:\n- Install frontend dependencies\n- Build the frontend\n- Copy the build output to the backend's static directory\n\n#### Option 2: Manual build process\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\nAfter building the frontend, you can start the application using the run.py script.\n\n### Simple Production Setup\n\nFor a production environment where the static files have already been built:\n\n1. Place your pre-built frontend in the `backend/static` directory\n2. Start the server:\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### Development Setup (Separate Services)\n\nIf you want to run the services separately for development:\n\n#### Backend\n\n1. Navigate to the backend directory:\n ```bash\n cd backend\n ```\n\n2. Install the dependencies with uv:\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. Run the backend server:\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### Frontend\n\n1. Navigate to the frontend directory:\n ```bash\n cd frontend\n ```\n\n2. Install the dependencies:\n ```bash\n npm install\n ```\n\n3. Run the development server:\n ```bash\n npm run dev\n ```\n\n## Usage\n\n### Uploading Documents\n\n1. Access the web interface at [http://localhost:8000](http://localhost:8000)\n2. Click on \"Upload New PDF\" and select a PDF file\n3. The system will process the file, showing progress in real-time\n4. Once processed, the document will be available for searching\n\n### Searching Documents\n\n1. Use the search functionality in the web interface\n2. Or integrate with Cursor using the MCP protocol\n\n### MCP Integration with Cursor\n\n1. Open Cursor\n2. Go to Settings → AI & MCP\n3. Add Custom MCP Server with URL: `http://localhost:8000/mcp/v1`\n4. Save the settings\n5. Now you can query your PDF knowledge base directly from Cursor\n\n## Troubleshooting\n\n### Connection Issues\n\n- Verify that port 8000 is not in use by other applications\n- Check that the WebSocket connection is working properly\n- Ensure your browser supports WebSockets\n\n### Processing Issues\n\n- Check if your PDF contains extractable text (some scanned PDFs may not)\n- Ensure the system has sufficient resources (memory and CPU)\n- Check the backend logs for detailed error messages\n\n## Project Structure\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## Contributing\n\nContributions are welcome! Please feel free to submit a Pull Request.\n\n## License\n\nThis project is licensed under the MIT License - see the LICENSE file for details.\n","English","en-US",{"_34":52,"_38":56,"_43":57},{"_36":53,"_38":54,"_40":55},"Un sistema de base de conocimiento de documentos que permite a los usuarios cargar archivos PDF y consultarlos semánticamente a través de una interfaz web o mediante el Protocolo de Contexto de Modelo, lo que permite la integración con herramientas de IA como Cursor.","Servidor PDF RAG MCP","# Servidor PDF RAG MCP\n\nUn potente sistema de base de conocimiento de documentos que aprovecha el procesamiento de PDF, el almacenamiento vectorial y MCP (Protocolo de Contexto de Modelo) para ofrecer funciones de búsqueda semántica para documentos PDF. Este sistema permite cargar, procesar y consultar documentos PDF a través de una moderna interfaz web o mediante el protocolo MCP para su integración con herramientas de IA como Cursor.\n\n## Características\n\n* **Carga y procesamiento de documentos PDF** : cargue archivos PDF y extraiga, fragmente y vectorice contenido automáticamente\n* **Estado de procesamiento en tiempo real** : actualizaciones de estado en tiempo real basadas en WebSocket durante el procesamiento de documentos\n* **Búsqueda semántica** : Búsqueda semántica basada en vectores en todos los documentos procesados\n* **Compatibilidad con el protocolo MCP** : se integra con herramientas de IA como Cursor mediante el protocolo de contexto de modelo\n* **Interfaz web moderna** : interfaz de usuario React/Chakra para gestión y consulta de documentos\n* **Gestión rápida de dependencias** : utiliza uv para una gestión eficiente de las dependencias de Python\n\n## Arquitectura del sistema\n\nEl sistema consta de:\n\n* **Backend FastAPI** : gestiona solicitudes de API, procesamiento de PDF y almacenamiento de vectores\n* **React Frontend** : proporciona una interfaz fácil de usar para administrar documentos.\n* **Base de datos vectorial** : almacena incrustaciones para búsqueda semántica\n* **Servidor WebSocket** : proporciona actualizaciones en tiempo real sobre el procesamiento de documentos\n* **Servidor MCP** : expone la base de conocimientos a clientes compatibles con MCP\n\n## Inicio rápido\n\n### Prerrequisitos\n\n* [Python](https://www.python.org/downloads/) 3.8 o posterior\n* [uv](https://github.com/astral-sh/uv) - Instalador y solucionador rápido de paquetes de Python\n* Git\n* Cursor (opcional, para integración con MCP)\n\n### Instalación y puesta en marcha rápida con uv y run.py\n\n1. Clonar el repositorio:\n\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. Instala uv si aún no lo tienes:\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. Instalar dependencias usando uv:\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. Inicie la aplicación con el siguiente script:\n\n ```bash\n uv run run.py\n ```\n\n5. Acceda a la interfaz web en \n\n6. Uso con cursor\n\nVaya a Configuración -> Configuración del Cursor -> MCP -> Agregar nuevo servidor MCP global y pegue la siguiente información en el archivo Cursor ~/.cursor/mcp.json. Consulte la documentación de Cursor MCP para obtener más información.\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\nTambién puedes cambiar \"localhost\" a la IP del host donde implementaste el servicio. Después de agregar esta configuración al JSON de MCP, verás que el servidor MCP se muestra en la página de configuración de Cursor MCP. Actívalo para habilitarlo:\n\n### Construyendo el frontend (para desarrolladores)\n\nSi necesita reconstruir el frontend, tiene dos opciones:\n\n#### Opción 1: Utilizar el script proporcionado (recomendado)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\nEste script automáticamente:\n\n* Instalar dependencias del frontend\n* Construir el frontend\n* Copiar la salida de la compilación al directorio estático del backend\n\n#### Opción 2: Proceso de construcción manual\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\nDespués de crear la interfaz, puede iniciar la aplicación utilizando el script run.py.\n\n### Configuración de producción sencilla\n\nPara un entorno de producción donde ya se han creado los archivos estáticos:\n\n1. Coloque su frontend prediseñado en el directorio `backend/static`\n\n2. Iniciar el servidor:\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### Configuración de desarrollo (servicios separados)\n\nSi desea ejecutar los servicios por separado para el desarrollo:\n\n#### Backend\n\n1. Navegue hasta el directorio backend:\n\n ```bash\n cd backend\n ```\n\n2. Instalar las dependencias con uv:\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. Ejecute el servidor backend:\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### Interfaz\n\n1. Navegue hasta el directorio del frontend:\n\n ```bash\n cd frontend\n ```\n\n2. Instalar las dependencias:\n\n ```bash\n npm install\n ```\n\n3. Ejecute el servidor de desarrollo:\n\n ```bash\n npm run dev\n ```\n\n## Uso\n\n### Carga de documentos\n\n1. Acceda a la interfaz web en \n2. Haga clic en \"Cargar nuevo PDF\" y seleccione un archivo PDF\n3. El sistema procesará el archivo, mostrando el progreso en tiempo real.\n4. Una vez procesado, el documento estará disponible para su búsqueda.\n\n### Búsqueda de documentos\n\n1. Utilice la función de búsqueda en la interfaz web\n2. O integrar con Cursor usando el protocolo MCP\n\n### Integración de MCP con Cursor\n\n1. Cursor abierto\n2. Vaya a Configuración → IA y MCP\n3. Agregar servidor MCP personalizado con URL: `http://localhost:8000/mcp/v1`\n4. Guardar la configuración\n5. Ahora puedes consultar tu base de conocimiento PDF directamente desde Cursor\n\n## Solución de problemas\n\n### Problemas de conexión\n\n* Verifique que el puerto 8000 no esté en uso por otras aplicaciones\n* Compruebe que la conexión WebSocket funciona correctamente\n* Asegúrese de que su navegador admita WebSockets\n\n### Problemas de procesamiento\n\n* Comprueba si tu PDF contiene texto extraíble (es posible que algunos PDF escaneados no lo contengan)\n* Asegúrese de que el sistema tenga suficientes recursos (memoria y CPU)\n* Consulte los registros del backend para ver mensajes de error detallados\n\n## Estructura del proyecto\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## Contribuyendo\n\n¡Agradecemos sus contribuciones! No dude en enviar una solicitud de incorporación de cambios.\n\n## Licencia\n\nEste proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.","Spanish","es-ES",{"_34":59,"_38":63,"_43":64},{"_36":60,"_38":61,"_40":62},"ユーザーが PDF をアップロードし、Web インターフェースまたはモデルコンテキストプロトコルを介して意味的にクエリを実行し、Cursor などの AI ツールとの統合を可能にするドキュメントナレッジベースシステム。","PDF RAG MCP サーバー","# PDF RAG MCP サーバー\n\nPDF処理、ベクターストレージ、MCP（モデルコンテキストプロトコル）を活用し、PDF文書のセマンティック検索機能を提供する強力なドキュメントナレッジベースシステムです。このシステムでは、最新のWebインターフェース、またはCursorなどのAIツールと統合するためのMCPプロトコルを介して、PDF文書のアップロード、処理、クエリを実行できます。\n\n## 特徴\n\n* **PDFドキュメントのアップロードと処理**: PDFをアップロードし、コンテンツを自動的に抽出、チャンク化、ベクトル化します\n* **リアルタイム処理ステータス**: ドキュメント処理中のWebSocketベースのリアルタイムステータス更新\n* **セマンティック検索**: 処理されたすべてのドキュメントにわたるベクトルベースのセマンティック検索\n* **MCPプロトコルサポート**:モデルコンテキストプロトコルを使用して、CursorなどのAIツールと統合します。\n* **最新のWebインターフェース**：ドキュメント管理とクエリのためのReact/Chakra UIフロントエンド\n* **高速な依存関係管理**: 効率的な Python 依存関係管理に UV を使用します\n\n## システムアーキテクチャ\n\nシステムは次の要素から構成されます。\n\n* **FastAPIバックエンド**: APIリクエスト、PDF処理、ベクターストレージを処理\n* **React Frontend** : ドキュメントを管理するためのユーザーフレンドリーなインターフェースを提供します\n* **ベクターデータベース**: セマンティック検索のための埋め込みを保存します\n* **WebSocketサーバー**:ドキュメント処理に関するリアルタイム更新を提供します\n* **MCP サーバー**: MCP 互換クライアントにナレッジベースを公開します\n\n## クイックスタート\n\n### 前提条件\n\n* [Python](https://www.python.org/downloads/) 3.8以降\n* [uv](https://github.com/astral-sh/uv) - 高速な Python パッケージインストーラーとリゾルバー\n* ギット\n* カーソル（オプション、MCP統合用）\n\n### uv と run.py を使用したクイックインストールと起動\n\n1. リポジトリをクローンします。\n\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. まだインストールしていない場合は、uv をインストールします。\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. uv を使用して依存関係をインストールします。\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. 便利なスクリプトを使用してアプリケーションを起動します。\n\n ```bash\n uv run run.py\n ```\n\n5. でウェブインターフェースにアクセスします。\n\n6. カーソルを使用する\n\n「設定」→「カーソル設定」→「MCP」→「新しいグローバルMCPサーバーを追加」に移動し、以下のコードをカーソルの~/.cursor/mcp.jsonファイルに貼り付けてください。詳しくはカーソルMCPのドキュメントをご覧ください。\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\nlocalhost を、サービスをデプロイしたホストのIPアドレスに変更することもできます。この設定をMCP JSONに追加すると、カーソルMCP設定ページにMCPサーバーが表示されます。サーバーを有効にするには、サーバーをオンにしてください。\n\n### フロントエンドの構築（開発者向け）\n\nフロントエンドを再構築する必要がある場合は、次の 2 つのオプションがあります。\n\n#### オプション 1: 提供されたスクリプトを使用する (推奨)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\nこのスクリプトは自動的に次の処理を実行します。\n\n* フロントエンドの依存関係をインストールする\n* フロントエンドを構築する\n* ビルド出力をバックエンドの静的ディレクトリにコピーします\n\n#### オプション2: 手動ビルドプロセス\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\nフロントエンドを構築した後、run.py スクリプトを使用してアプリケーションを起動できます。\n\n### シンプルな生産体制\n\n静的ファイルがすでに構築されている本番環境の場合:\n\n1. 事前に構築したフロントエンドを`backend/static`ディレクトリに配置します。\n\n2. サーバーを起動します。\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### 開発セットアップ（別サービス）\n\n開発用にサービスを個別に実行する場合:\n\n#### バックエンド\n\n1. バックエンドディレクトリに移動します。\n\n ```bash\n cd backend\n ```\n\n2. uv を使用して依存関係をインストールします。\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. バックエンドサーバーを実行します。\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### フロントエンド\n\n1. フロントエンドディレクトリに移動します。\n\n ```bash\n cd frontend\n ```\n\n2. 依存関係をインストールします。\n\n ```bash\n npm install\n ```\n\n3. 開発サーバーを実行します。\n\n ```bash\n npm run dev\n ```\n\n## 使用法\n\n### 書類のアップロード\n\n1. でウェブインターフェースにアクセスします。\n2. 「新しいPDFをアップロード」をクリックし、PDFファイルを選択します。\n3. システムはファイルを処理し、進行状況をリアルタイムで表示します。\n4. 処理が完了すると、文書は検索可能になります\n\n### 文書の検索\n\n1. ウェブインターフェースの検索機能を使用する\n2. またはMCPプロトコルを使用してCursorと統合する\n\n### カーソルを使用したMCP統合\n\n1. オープンカーソル\n2. 設定→AIとMCPへ移動\n3. URL: `http://localhost:8000/mcp/v1`でカスタム MCP サーバーを追加します。\n4. 設定を保存する\n5. カーソルから直接PDFナレッジベースを照会できるようになりました\n\n## トラブルシューティング\n\n### 接続の問題\n\n* ポート8000が他のアプリケーションで使用されていないことを確認します\n* WebSocket接続が正常に動作していることを確認します\n* ブラウザがWebSocketをサポートしていることを確認する\n\n### 処理の問題\n\n* PDF に抽出可能なテキストが含まれているかどうかを確認します (スキャンされた PDF には含まれていない場合もあります)\n* システムに十分なリソース（メモリとCPU）があることを確認する\n* 詳細なエラーメッセージについてはバックエンドログを確認してください\n\n## プロジェクト構造\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## 貢献\n\n貢献を歓迎します！お気軽にプルリクエストを送信してください。\n\n## ライセンス\n\nこのプロジェクトは MIT ライセンスに基づいてライセンスされています - 詳細については LICENSE ファイルを参照してください。","Japanese","ja-JP",{"_34":66,"_38":70,"_43":71},{"_36":67,"_38":68,"_40":69},"사용자가 PDF를 업로드하고 웹 인터페이스나 모델 컨텍스트 프로토콜을 통해 의미적으로 쿼리할 수 있는 문서 지식 기반 시스템으로, 커서와 같은 AI 도구와 통합이 가능합니다.","PDF RAG MCP 서버","# PDF RAG MCP 서버\n\nPDF 처리, 벡터 저장, 그리고 MCP(모델 컨텍스트 프로토콜)를 활용하여 PDF 문서에 대한 의미론적 검색 기능을 제공하는 강력한 문서 지식 기반 시스템입니다. 이 시스템을 사용하면 최신 웹 인터페이스 또는 MCP 프로토콜을 통해 PDF 문서를 업로드, 처리 및 쿼리할 수 있으며, Cursor와 같은 AI 도구와 통합할 수 있습니다.\n\n## 특징\n\n* **PDF 문서 업로드 및 처리** : PDF를 업로드하고 콘텐츠를 자동으로 추출, 청크화 및 벡터화합니다.\n* **실시간 처리 상태** : 문서 처리 중 WebSocket 기반 실시간 상태 업데이트\n* **의미 검색** : 처리된 모든 문서에 대한 벡터 기반 의미 검색\n* **MCP 프로토콜 지원** : 모델 컨텍스트 프로토콜을 사용하여 Cursor와 같은 AI 도구와 통합\n* **최신 웹 인터페이스** : 문서 관리 및 쿼리를 위한 React/Chakra UI 프런트엔드\n* **빠른 종속성 관리** : 효율적인 Python 종속성 관리를 위해 uv를 사용합니다.\n\n## 시스템 아키텍처\n\n이 시스템은 다음으로 구성됩니다.\n\n* **FastAPI 백엔드** : API 요청, PDF 처리 및 벡터 저장을 처리합니다.\n* **React Frontend** : 문서 관리를 위한 사용자 친화적인 인터페이스를 제공합니다.\n* **벡터 데이터베이스** : 의미 검색을 위한 임베딩을 저장합니다.\n* **WebSocket 서버** : 문서 처리에 대한 실시간 업데이트를 제공합니다.\n* **MCP 서버** : MCP 호환 클라이언트에 지식 기반을 공개합니다.\n\n## 빠른 시작\n\n### 필수 조건\n\n* [파이썬](https://www.python.org/downloads/) 3.8 이상\n* [uv](https://github.com/astral-sh/uv) - 빠른 Python 패키지 설치 및 확인 프로그램\n* 깃\n* 커서(선택 사항, MCP 통합용)\n\n### uv와 run.py를 이용한 빠른 설치 및 시작\n\n1. 저장소를 복제합니다.\n\n 지엑스피1\n\n2. 아직 uv가 없다면 설치하세요:\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. uv를 사용하여 종속성을 설치합니다.\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. 편리한 스크립트로 애플리케이션을 시작하세요:\n\n ```bash\n uv run run.py\n ```\n\n5. 에서 웹 인터페이스에 접속하세요\n\n6. 커서와 함께 사용\n\n설정 -> 커서 설정 -> MCP -> 새 글로벌 MCP 서버 추가로 이동하여 아래 내용을 커서 ~/.cursor/mcp.json 파일에 붙여넣으세요. 자세한 내용은 커서 MCP 문서를 참조하세요.\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\nlocalhost를 서비스를 배포한 호스트 IP 주소로 변경할 수도 있습니다. 이 구성을 mcp json 파일에 추가하면 Cursor mcp 설정 페이지에 mcp 서버가 표시됩니다. 서버를 활성화하려면 해당 설정을 켜세요.\n\n### 프런트엔드 구축(개발자용)\n\n프런트엔드를 다시 빌드해야 하는 경우 두 가지 옵션이 있습니다.\n\n#### 옵션 1: 제공된 스크립트 사용(권장)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\n이 스크립트는 자동으로 다음을 수행합니다.\n\n* 프런트엔드 종속성 설치\n* 프런트엔드를 구축하다\n* 빌드 출력을 백엔드의 정적 디렉토리에 복사합니다.\n\n#### 옵션 2: 수동 빌드 프로세스\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\n프런트엔드를 빌드한 후 run.py 스크립트를 사용하여 애플리케이션을 시작할 수 있습니다.\n\n### 간단한 생산 설정\n\n정적 파일이 이미 빌드된 프로덕션 환경의 경우:\n\n1. 미리 빌드된 프런트엔드를 `backend/static` 디렉토리에 넣으세요.\n\n2. 서버를 시작합니다:\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### 개발 설정(별도 서비스)\n\n개발을 위해 서비스를 별도로 실행하려는 경우:\n\n#### 백엔드\n\n1. 백엔드 디렉토리로 이동합니다.\n\n ```bash\n cd backend\n ```\n\n2. uv를 사용하여 종속성을 설치합니다.\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. 백엔드 서버를 실행합니다.\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### 프런트엔드\n\n1. 프런트엔드 디렉토리로 이동합니다.\n\n ```bash\n cd frontend\n ```\n\n2. 종속성을 설치합니다.\n\n ```bash\n npm install\n ```\n\n3. 개발 서버를 실행합니다.\n\n ```bash\n npm run dev\n ```\n\n## 용법\n\n### 문서 업로드\n\n1. 에서 웹 인터페이스에 접속하세요\n2. \"새 PDF 업로드\"를 클릭하고 PDF 파일을 선택하세요\n3. 시스템은 파일을 처리하고 실시간으로 진행 상황을 표시합니다.\n4. 처리가 완료되면 문서를 검색할 수 있습니다.\n\n### 문서 검색\n\n1. 웹 인터페이스에서 검색 기능을 사용하세요\n2. 또는 MCP 프로토콜을 사용하여 Cursor와 통합합니다.\n\n### 커서와 MCP 통합\n\n1. 커서 열기\n2. 설정 → AI 및 MCP로 이동하세요\n3. URL: `http://localhost:8000/mcp/v1` 사용하여 사용자 정의 MCP 서버를 추가합니다.\n4. 설정을 저장하세요\n5. 이제 Cursor에서 직접 PDF 지식 기반을 쿼리할 수 있습니다.\n\n## 문제 해결\n\n### 연결 문제\n\n* 포트 8000이 다른 애플리케이션에서 사용되고 있지 않은지 확인하세요.\n* WebSocket 연결이 제대로 작동하는지 확인하세요\n* 브라우저가 WebSockets를 지원하는지 확인하세요.\n\n### 처리 문제\n\n* PDF에 추출 가능한 텍스트가 포함되어 있는지 확인하세요(일부 스캔한 PDF에는 포함되어 있지 않을 수 있음)\n* 시스템에 충분한 리소스(메모리 및 CPU)가 있는지 확인하세요.\n* 자세한 오류 메시지는 백엔드 로그에서 확인하세요.\n\n## 프로젝트 구조\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## 기여하다\n\n기여를 환영합니다! 풀 리퀘스트를 제출해 주세요.\n\n## 특허\n\n이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여되었습니다. 자세한 내용은 라이선스 파일을 참조하세요.","Korean","ko-KR",{"_34":73,"_38":77,"_43":78},{"_36":74,"_38":75,"_40":76},"Система базы знаний документов, которая позволяет пользователям загружать PDF-файлы и выполнять семантические запросы к ним через веб-интерфейс или через протокол контекста модели, обеспечивая интеграцию с инструментами ИИ, такими как Cursor.","PDF RAG MCP-сервер","# PDF RAG MCP-сервер\n\nМощная система базы знаний документов, которая использует обработку PDF, векторное хранилище и MCP (Model Context Protocol) для предоставления возможностей семантического поиска для документов PDF. Эта система позволяет загружать, обрабатывать и запрашивать документы PDF через современный веб-интерфейс или через протокол MCP для интеграции с инструментами ИИ, такими как Cursor.\n\n## Функции\n\n* **Загрузка и обработка PDF-документов** : загрузка PDF-файлов и автоматическое извлечение, разбиение на части и векторизация контента.\n* **Статус обработки в реальном времени** : обновление статуса в реальном времени на основе WebSocket во время обработки документа.\n* **Семантический поиск** : векторный семантический поиск по всем обработанным документам.\n* **Поддержка протокола MCP** : интеграция с инструментами ИИ, такими как Cursor, с использованием протокола контекста модели\n* **Современный веб-интерфейс** : интерфейс React/Chakra UI для управления документами и создания запросов\n* **Быстрое управление зависимостями** : использует uv для эффективного управления зависимостями Python\n\n## Архитектура системы\n\nСистема состоит из:\n\n* **FastAPI Backend** : обрабатывает запросы API, обрабатывает PDF-файлы и хранит векторные данные.\n* **React Frontend** : предоставляет удобный интерфейс для управления документами.\n* **Векторная база данных** : хранит вложения для семантического поиска\n* **Сервер WebSocket** : предоставляет обновления в режиме реального времени по обработке документов.\n* **MCP Server** : предоставляет базу знаний клиентам, совместимым с MCP.\n\n## Быстрый старт\n\n### Предпосылки\n\n* [Python](https://www.python.org/downloads/) 3.8 или более поздняя версия\n* [uv](https://github.com/astral-sh/uv) - Быстрый установщик и распознаватель пакетов Python\n* Гит\n* Курсор (опционально, для интеграции MCP)\n\n### Быстрая установка и запуск с помощью uv и run.py\n\n1. Клонируйте репозиторий:\n\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. Установите uv, если у вас его еще нет:\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. Установите зависимости с помощью uv:\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. Запустите приложение с помощью удобного скрипта:\n\n ```bash\n uv run run.py\n ```\n\n5. Доступ к веб-интерфейсу по адресу \n\n6. Использование с курсором\n\nПерейдите в Настройки -> Настройки курсора -> MCP -> Добавить новый глобальный сервер MCP, вставьте ниже в файл Cursor ~/.cursor/mcp.json. Для получения дополнительной информации см. документацию Cursor MCP.\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\nВы также можете изменить localhost на IP-адрес хоста, на котором вы развернули службу. После добавления этой конфигурации в mcp json вы увидите, что сервер mcp отображается на странице конфигурации Cursor mcp, включите его, чтобы включить сервер:\n\n### Создание фронтенда (для разработчиков)\n\nЕсли вам необходимо перестроить интерфейс, у вас есть два варианта:\n\n#### Вариант 1: использование предоставленного скрипта (рекомендуется)\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\nЭтот скрипт автоматически:\n\n* Установка зависимостей интерфейса\n* Создание интерфейса\n* Скопируйте вывод сборки в статический каталог бэкэнда.\n\n#### Вариант 2: Ручной процесс сборки\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\nПосле создания интерфейса вы можете запустить приложение с помощью скрипта run.py.\n\n### Простая настройка производства\n\nДля производственной среды, где статические файлы уже созданы:\n\n1. Поместите готовый фронтенд в каталог `backend/static`\n\n2. Запустите сервер:\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### Настройка разработки (отдельные службы)\n\nЕсли вы хотите запустить службы отдельно для разработки:\n\n#### Бэкэнд\n\n1. Перейдите в каталог бэкэнда:\n\n ```bash\n cd backend\n ```\n\n2. Установите зависимости с помощью uv:\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. Запустите внутренний сервер:\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### Внешний интерфейс\n\n1. Перейдите в каталог интерфейса:\n\n ```bash\n cd frontend\n ```\n\n2. Установите зависимости:\n\n ```bash\n npm install\n ```\n\n3. Запустите сервер разработки:\n\n ```bash\n npm run dev\n ```\n\n## Использование\n\n### Загрузка документов\n\n1. Доступ к веб-интерфейсу по адресу \n2. Нажмите «Загрузить новый PDF» и выберите PDF-файл.\n3. Система обработает файл, показывая прогресс в режиме реального времени.\n4. После обработки документ будет доступен для поиска.\n\n### Поиск документов\n\n1. Используйте функцию поиска в веб-интерфейсе\n2. Или интегрируйте с Cursor, используя протокол MCP\n\n### Интеграция MCP с курсором\n\n1. Открытый курсор\n2. Перейдите в Настройки → ИИ и MCP.\n3. Добавьте пользовательский сервер MCP с URL-адресом: `http://localhost:8000/mcp/v1`\n4. Сохраните настройки\n5. Теперь вы можете запрашивать информацию из базы знаний PDF-файлов непосредственно из Курсора\n\n## Поиск неисправностей\n\n### Проблемы с подключением\n\n* Убедитесь, что порт 8000 не используется другими приложениями.\n* Проверьте правильность работы соединения WebSocket.\n* Убедитесь, что ваш браузер поддерживает WebSockets\n\n### Проблемы с обработкой\n\n* Проверьте, содержит ли ваш PDF-файл извлекаемый текст (некоторые отсканированные PDF-файлы могут не содержать извлекаемый текст)\n* Убедитесь, что система имеет достаточные ресурсы (память и процессор)\n* Проверьте внутренние журналы на наличие подробных сообщений об ошибках.\n\n## Структура проекта\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## Внося вклад\n\nВклады приветствуются! Пожалуйста, не стесняйтесь отправлять запрос на включение.\n\n## Лицензия\n\nДанный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE.","Russian","ru-RU",{"_34":80,"_38":84,"_43":85},{"_36":81,"_38":82,"_40":83},"文档知识库系统，使用户能够上传 PDF 并通过 Web 界面或模型上下文协议对其进行语义查询，从而允许与 Cursor 等 AI 工具集成。","PDF RAG MCP 服务器","# PDF RAG MCP 服务器\n\n一个强大的文档知识库系统，利用 PDF 处理、向量存储和 MCP（模型上下文协议）为 PDF 文档提供语义搜索功能。该系统允许您通过现代 Web 界面或 MCP 协议上传、处理和查询 PDF 文档，以便与 Cursor 等 AI 工具集成。\n\n## 特征\n\n* **PDF 文档上传和处理**：上传 PDF 并自动提取、分块和矢量化内容\n* **实时处理状态**：文档处理过程中基于 WebSocket 的实时状态更新\n* **语义搜索**：对所有已处理文档进行基于向量的语义搜索\n* **MCP 协议支持**：使用模型上下文协议与 Cursor 等 AI 工具集成\n* **现代 Web 界面**：用于文档管理和查询的 React/Chakra UI 前端\n* **快速依赖管理**：使用 uv 进行高效的 Python 依赖管理\n\n## 系统架构\n\n该系统包括：\n\n* **FastAPI 后端**：处理 API 请求、PDF 处理和矢量存储\n* **React Frontend** ：提供用户友好的文档管理界面\n* **矢量数据库**：存储用于语义搜索的嵌入\n* **WebSocket 服务器**：提供文档处理的实时更新\n* **MCP 服务器**：向兼容 MCP 的客户端公开知识库\n\n## 快速入门\n\n### 先决条件\n\n* [Python](https://www.python.org/downloads/) 3.8 或更高版本\n* [uv](https://github.com/astral-sh/uv) - 快速 Python 软件包安装程序和解析器\n* Git\n* 光标（可选，用于 MCP 集成）\n\n### 使用 uv 和 run.py 快速安装和启动\n\n1. 克隆存储库：\n\n ```bash\n git clone https://github.com/yourusername/PdfRagMcpServer.git\n cd PdfRagMcpServer\n ```\n\n2. 如果尚未安装 uv，请安装它：\n\n ```bash\n curl -sS https://astral.sh/uv/install.sh | bash\n ```\n\n3. 使用 uv 安装依赖项：\n\n ```bash\n uv init .\n uv venv\n source .venv/bin/activate\n uv pip install -r backend/requirements.txt\n ```\n\n4. 使用便捷的脚本启动应用程序：\n\n ```bash\n uv run run.py\n ```\n\n5. 访问[http://localhost:8000 的](http://localhost:8000)Web 界面\n\n6. 与游标一起使用\n\n前往“设置”->“Cursor 设置”->“MCP”->“添加新的全局 MCP 服务器”，将以下内容粘贴到 Cursor 的 ~/.cursor/mcp.json 文件中。更多信息，请参阅 Cursor MCP 文档。\n\n```json\n{\n \"mcpServers\": {\n \"pdf-rag\": {\n \"url\": \"http://localhost:7800/mcp\"\n }\n }\n}\n```\n\n您也可以将 localhost 更改为您部署服务的主机 IP。将此配置添加到 mcp json 后，您将在 Cursor mcp 配置页面看到 mcp 服务器，将其切换为 on 即可启用服务器：\n\n### 构建前端（针对开发人员）\n\n如果需要重建前端，您有两个选择：\n\n#### 选项 1：使用提供的脚本（推荐）\n\n```bash\n# Make the script executable if needed\nchmod +x build_frontend.py\n\n# Run the script\n./build_frontend.py\n```\n\n该脚本将自动：\n\n* 安装前端依赖项\n* 构建前端\n* 将构建输出复制到后端的静态目录\n\n#### 选项 2：手动构建过程\n\n```bash\n# Navigate to frontend directory\ncd frontend\n\n# Install dependencies\nnpm install\n\n# Build the frontend\nnpm run build\n\n# Create static directory if it doesn't exist\nmkdir -p ../backend/static\n\n# Copy build files\ncp -r dist/* ../backend/static/\n```\n\n构建前端后，您可以使用 run.py 脚本启动应用程序。\n\n### 简单的生产设置\n\n对于已经构建静态文件的生产环境：\n\n1. 将预先构建的前端放在`backend/static`目录中\n\n2. 启动服务器：\n\n ```bash\n cd backend\n uv pip install -r requirements.txt\n python -m app.main\n ```\n\n### 开发设置（单独服务）\n\n如果您想要单独运行服务以进行开发：\n\n#### 后端\n\n1. 导航到后端目录：\n\n ```bash\n cd backend\n ```\n\n2. 使用 uv 安装依赖项：\n\n ```bash\n uv pip install -r requirements.txt\n ```\n\n3. 运行后端服务器：\n\n ```bash\n python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload\n ```\n\n#### 前端\n\n1. 导航到前端目录：\n\n ```bash\n cd frontend\n ```\n\n2. 安装依赖项：\n\n ```bash\n npm install\n ```\n\n3. 运行开发服务器：\n\n ```bash\n npm run dev\n ```\n\n## 用法\n\n### 上传文件\n\n1. 访问[http://localhost:8000 的](http://localhost:8000)Web 界面\n2. 点击“上传新 PDF”并选择一个 PDF 文件\n3. 系统将处理该文件，并实时显示进度\n4. 处理完成后，文档将可供搜索\n\n### 搜索文档\n\n1. 使用 Web 界面中的搜索功能\n2. 或者使用 MCP 协议与 Cursor 集成\n\n### MCP 与 Cursor 集成\n\n1. 打开游标\n2. 前往“设置”→“AI 和 MCP”\n3. 添加自定义 MCP 服务器，URL： `http://localhost:8000/mcp/v1`\n4. 保存设置\n5. 现在您可以直接从 Cursor 查询您的 PDF 知识库\n\n## 故障排除\n\n### 连接问题\n\n* 验证端口 8000 未被其他应用程序使用\n* 检查 WebSocket 连接是否正常工作\n* 确保您的浏览器支持 WebSockets\n\n### 处理问题\n\n* 检查您的 PDF 是否包含可提取的文本（某些扫描的 PDF 可能不包含）\n* 确保系统有足够的资源（内存和CPU）\n* 检查后端日志以获取详细的错误消息\n\n## 项目结构\n\n```\nPdfRagMcpServer/\n├── backend/ # FastAPI backend\n│ ├── app/\n│ │ ├── __init__.py\n│ │ ├── main.py # Main FastAPI application\n│ │ ├── database.py # Database models\n│ │ ├── pdf_processor.py # PDF processing logic\n│ │ ├── vector_store.py # Vector database interface\n│ │ └── websocket.py # WebSocket handling\n│ ├── static/ # Static files for the web interface\n│ └── requirements.txt # Backend dependencies\n├── frontend/ # React frontend\n│ ├── public/\n│ ├── src/\n│ │ ├── components/ # UI components\n│ │ ├── context/ # React context\n│ │ ├── pages/ # Page components\n│ │ └── App.jsx # Main application component\n│ ├── package.json # Frontend dependencies\n│ └── vite.config.js # Vite configuration\n├── uploads/ # PDF file storage\n└── README.md # This documentation\n```\n\n## 贡献\n\n欢迎贡献代码！欢迎提交 Pull 请求。\n\n## 执照\n\n该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。","Chinese","zh-CN","githubUser","locale",{"_89":90,"_20":91,"_99":47,"_100":47,"_23":101,"_102":103,"_38":39,"_149":150,"_157":-5,"_158":159,"_197":198,"_203":-5,"_110":180,"_204":200,"_8":205,"_206":207},"addedAt","2025-05-11T19:01:58.026026650Z",[92,93,94,95,96,97,98],"category:rag-systems","category:vector-databases","category:documentation-access","environment:local","hosting:hybrid","language:python","license_grade:f","descriptionMarkdown","descriptionPlainText",6557,"integrations",[104,114,121,128,135,142],{"_105":106,"_36":112,"_8":113},"brand",{"_107":108,"_38":109,"_110":111},"logoSvgPath","M12 0C5.352 0 0 5.352 0 12s5.352 12 12 12 12-5.352 12-12S18.648 0 12 0zm2.8 4.333c.13-.004.248.136.171.278l-3.044 5.58a.187.187 0 00.164.276h5.26c.17 0 .252.207.128.323l-9.22 8.605c-.165.154-.41-.063-.278-.246l4.364-6.021a.187.187 0 00-.151-.296H6.627a.187.187 0 01-.131-.32l8.18-8.123a.182.182 0 01.125-.056z","Chakra UI","slug","chakra-ui","Powers the modern web interface with a React-based UI component library for document management and querying","p5l6yg3m0p",{"_105":115,"_36":119,"_8":120},{"_107":116,"_38":117,"_110":118},"M12 .0387C5.3729.0384.0003 5.3931 0 11.9988c-.001 6.6066 5.372 11.9628 12 11.9625 6.628.0003 12.001-5.3559 12-11.9625-.0003-6.6057-5.3729-11.9604-12-11.96m-.829 5.4153h7.55l-7.5805 5.3284h5.1828L5.279 18.5436q2.9466-6.5444 5.892-13.0896","FastAPI","fastapi","Provides the backend framework that handles API requests, PDF processing, and vector storage operations","pnuslrtpw2",{"_105":122,"_36":126,"_8":127},{"_107":123,"_38":124,"_110":125},"M23.546 10.93L13.067.452c-.604-.603-1.582-.603-2.188 0L8.708 2.627l2.76 2.76c.645-.215 1.379-.07 1.889.441.516.515.658 1.258.438 1.9l2.658 2.66c.645-.223 1.387-.078 1.9.435.721.72.721 1.884 0 2.604-.719.719-1.881.719-2.6 0-.539-.541-.674-1.337-.404-1.996L12.86 8.955v6.525c.176.086.342.203.488.348.713.721.713 1.883 0 2.6-.719.721-1.889.721-2.609 0-.719-.719-.719-1.879 0-2.598.182-.18.387-.316.605-.406V8.835c-.217-.091-.424-.222-.6-.401-.545-.545-.676-1.342-.396-2.009L7.636 3.7.45 10.881c-.6.605-.6 1.584 0 2.189l10.48 10.477c.604.604 1.582.604 2.186 0l10.43-10.43c.605-.603.605-1.582 0-2.187","Git","git","Supports version control for the project installation process","4241lpp8ta",{"_105":129,"_36":133,"_8":134},{"_107":130,"_38":131,"_110":132},"M14.25.18l.9.2.73.26.59.3.45.32.34.34.25.34.16.33.1.3.04.26.02.2-.01.13V8.5l-.05.63-.13.55-.21.46-.26.38-.3.31-.33.25-.35.19-.35.14-.33.1-.3.07-.26.04-.21.02H8.77l-.69.05-.59.14-.5.22-.41.27-.33.32-.27.35-.2.36-.15.37-.1.35-.07.32-.04.27-.02.21v3.06H3.17l-.21-.03-.28-.07-.32-.12-.35-.18-.36-.26-.36-.36-.35-.46-.32-.59-.28-.73-.21-.88-.14-1.05-.05-1.23.06-1.22.16-1.04.24-.87.32-.71.36-.57.4-.44.42-.33.42-.24.4-.16.36-.1.32-.05.24-.01h.16l.06.01h8.16v-.83H6.18l-.01-2.75-.02-.37.05-.34.11-.31.17-.28.25-.26.31-.23.38-.2.44-.18.51-.15.58-.12.64-.1.71-.06.77-.04.84-.02 1.27.05zm-6.3 1.98l-.23.33-.08.41.08.41.23.34.33.22.41.09.41-.09.33-.22.23-.34.08-.41-.08-.41-.23-.33-.33-.22-.41-.09-.41.09zm13.09 3.95l.28.06.32.12.35.18.36.27.36.35.35.47.32.59.28.73.21.88.14 1.04.05 1.23-.06 1.23-.16 1.04-.24.86-.32.71-.36.57-.4.45-.42.33-.42.24-.4.16-.36.09-.32.05-.24.02-.16-.01h-8.22v.82h5.84l.01 2.76.02.36-.05.34-.11.31-.17.29-.25.25-.31.24-.38.2-.44.17-.51.15-.58.13-.64.09-.71.07-.77.04-.84.01-1.27-.04-1.07-.14-.9-.2-.73-.25-.59-.3-.45-.33-.34-.34-.25-.34-.16-.33-.1-.3-.04-.25-.02-.2.01-.13v-5.34l.05-.64.13-.54.21-.46.26-.38.3-.32.33-.24.35-.2.35-.14.33-.1.3-.06.26-.04.21-.02.13-.01h5.84l.69-.05.59-.14.5-.21.41-.28.33-.32.27-.35.2-.36.15-.36.1-.35.07-.32.04-.28.02-.21V6.07h2.09l.14.01zm-6.47 14.25l-.23.33-.08.41.08.41.23.33.33.23.41.08.41-.08.33-.23.23-.33.08-.41-.08-.41-.23-.33-.33-.23-.41-.08-.41.08z","Python","python","Serves as the core programming language for the backend implementation and PDF processing capabilities","f6f7e9dlk6",{"_105":136,"_36":140,"_8":141},{"_107":137,"_38":138,"_110":139},"M14.23 12.004a2.236 2.236 0 0 1-2.235 2.236 2.236 2.236 0 0 1-2.236-2.236 2.236 2.236 0 0 1 2.235-2.236 2.236 2.236 0 0 1 2.236 2.236zm2.648-10.69c-1.346 0-3.107.96-4.888 2.622-1.78-1.653-3.542-2.602-4.887-2.602-.41 0-.783.093-1.106.278-1.375.793-1.683 3.264-.973 6.365C1.98 8.917 0 10.42 0 12.004c0 1.59 1.99 3.097 5.043 4.03-.704 3.113-.39 5.588.988 6.38.32.187.69.275 1.102.275 1.345 0 3.107-.96 4.888-2.624 1.78 1.654 3.542 2.603 4.887 2.603.41 0 .783-.09 1.106-.275 1.374-.792 1.683-3.263.973-6.365C22.02 15.096 24 13.59 24 12.004c0-1.59-1.99-3.097-5.043-4.032.704-3.11.39-5.587-.988-6.38-.318-.184-.688-.277-1.092-.278zm-.005 1.09v.006c.225 0 .406.044.558.127.666.382.955 1.835.73 3.704-.054.46-.142.945-.25 1.44-.96-.236-2.006-.417-3.107-.534-.66-.905-1.345-1.727-2.035-2.447 1.592-1.48 3.087-2.292 4.105-2.295zm-9.77.02c1.012 0 2.514.808 4.11 2.28-.686.72-1.37 1.537-2.02 2.442-1.107.117-2.154.298-3.113.538-.112-.49-.195-.964-.254-1.42-.23-1.868.054-3.32.714-3.707.19-.09.4-.127.563-.132zm4.882 3.05c.455.468.91.992 1.36 1.564-.44-.02-.89-.034-1.345-.034-.46 0-.915.01-1.36.034.44-.572.895-1.096 1.345-1.565zM12 8.1c.74 0 1.477.034 2.202.093.406.582.802 1.203 1.183 1.86.372.64.71 1.29 1.018 1.946-.308.655-.646 1.31-1.013 1.95-.38.66-.773 1.288-1.18 1.87-.728.063-1.466.098-2.21.098-.74 0-1.477-.035-2.202-.093-.406-.582-.802-1.204-1.183-1.86-.372-.64-.71-1.29-1.018-1.946.303-.657.646-1.313 1.013-1.954.38-.66.773-1.286 1.18-1.868.728-.064 1.466-.098 2.21-.098zm-3.635.254c-.24.377-.48.763-.704 1.16-.225.39-.435.782-.635 1.174-.265-.656-.49-1.31-.676-1.947.64-.15 1.315-.283 2.015-.386zm7.26 0c.695.103 1.365.23 2.006.387-.18.632-.405 1.282-.66 1.933-.2-.39-.41-.783-.64-1.174-.225-.392-.465-.774-.705-1.146zm3.063.675c.484.15.944.317 1.375.498 1.732.74 2.852 1.708 2.852 2.476-.005.768-1.125 1.74-2.857 2.475-.42.18-.88.342-1.355.493-.28-.958-.646-1.956-1.1-2.98.45-1.017.81-2.01 1.085-2.964zm-13.395.004c.278.96.645 1.957 1.1 2.98-.45 1.017-.812 2.01-1.086 2.964-.484-.15-.944-.318-1.37-.5-1.732-.737-2.852-1.706-2.852-2.474 0-.768 1.12-1.742 2.852-2.476.42-.18.88-.342 1.356-.494zm11.678 4.28c.265.657.49 1.312.676 1.948-.64.157-1.316.29-2.016.39.24-.375.48-.762.705-1.158.225-.39.435-.788.636-1.18zm-9.945.02c.2.392.41.783.64 1.175.23.39.465.772.705 1.143-.695-.102-1.365-.23-2.006-.386.18-.63.406-1.282.66-1.933zM17.92 16.32c.112.493.2.968.254 1.423.23 1.868-.054 3.32-.714 3.708-.147.09-.338.128-.563.128-1.012 0-2.514-.807-4.11-2.28.686-.72 1.37-1.536 2.02-2.44 1.107-.118 2.154-.3 3.113-.54zm-11.83.01c.96.234 2.006.415 3.107.532.66.905 1.345 1.727 2.035 2.446-1.595 1.483-3.092 2.295-4.11 2.295-.22-.005-.406-.05-.553-.132-.666-.38-.955-1.834-.73-3.703.054-.46.142-.944.25-1.438zm4.56.64c.44.02.89.034 1.345.034.46 0 .915-.01 1.36-.034-.44.572-.895 1.095-1.345 1.565-.455-.47-.91-.993-1.36-1.565z","React","react","Drives the frontend interface for document management, uploading PDFs, and semantic searching","vfql8ost6e",{"_105":143,"_36":147,"_8":148},{"_107":144,"_38":145,"_110":146},"m8.286 10.578.512-8.657a.306.306 0 0 1 .247-.282L17.377.006a.306.306 0 0 1 .353.385l-1.558 5.403a.306.306 0 0 0 .352.385l2.388-.46a.306.306 0 0 1 .332.438l-6.79 13.55-.123.19a.294.294 0 0 1-.252.14c-.177 0-.35-.152-.305-.369l1.095-5.301a.306.306 0 0 0-.388-.355l-1.433.435a.306.306 0 0 1-.389-.354l.69-3.375a.306.306 0 0 0-.37-.36l-2.32.536a.306.306 0 0 1-.374-.316zm14.976-7.926L17.284 3.74l-.544 1.887 2.077-.4a.8.8 0 0 1 .84.369.8.8 0 0 1 .034.783L12.9 19.93l-.013.025-.015.023-.122.19a.801.801 0 0 1-.672.37.826.826 0 0 1-.634-.302.8.8 0 0 1-.16-.67l1.029-4.981-1.12.34a.81.81 0 0 1-.86-.262.802.802 0 0 1-.165-.67l.63-3.08-2.027.468a.808.808 0 0 1-.768-.233.81.81 0 0 1-.217-.6l.389-6.57-7.44-1.33a.612.612 0 0 0-.64.906L11.58 23.691a.612.612 0 0 0 1.066-.004l11.26-20.135a.612.612 0 0 0-.644-.9z","Vite","vite","Handles frontend build configuration and optimization for the web interface","bcqqcwzfnw","namespace",{"_151":152,"_110":156},"owner",{"_153":154},"githubAccount",{"_155":156},"login","hyson666","redditPostExternalId","repository",{"_160":161,"_167":168,"_171":172,"_188":-5,"_189":190,"_191":-5,"_192":193},"argumentsJsonSchema",{"_162":163,"_164":165,"_12":166},"properties",{},"required",[],"object","githubProject",{"_40":48,"_169":170},"url","https://github.com/hyson666/pdf-rag-mcp-server","githubRepository",{"_173":174,"_175":176,"_177":178,"_179":131,"_38":180,"_151":181,"_183":184,"_185":-5,"_186":187},"defaultBranch","master","fullName","hyson666/pdf-rag-mcp-server","githubTreeId",122439,"language","pdf-rag-mcp-server",{"_155":156,"_8":182},"P82lPZqeOZ","recentStargazers",3,"spdxLicense","stargazers",19,"glamaJson","inspectable",false,"npmPackage","supportedPlatforms",[194,195,196],"WINDOWS","LINUX","MACOS","scores",{"_199":200,"_201":-5,"_202":-5},"license",0,"quality","security","simpleIcon","toolCount","t7pa9m5266","updatedAt","2025-09-03T15:52:18.473473986Z","meta",[210,212,214,221,224,226,229,232,235,238,241,243,246,249,251,253,255,257,259],{"_10":211},"PDF RAG MCP Server | Glama",{"_213":47,"_38":36},"content",{"_215":216,"_217":218,"_219":220},"href","https://glama.ai/mcp/servers/@hyson666/pdf-rag-mcp-server","rel","canonical","tagName","link",{"_213":39,"_222":223},"property","og:title",{"_213":47,"_222":225},"og:description",{"_213":227,"_222":228},"https://glama.ai/logo.png","og:logo",{"_213":230,"_222":231},"https://glama.ai/mcp/servers/@hyson666/pdf-rag-mcp-server/og-image","og:image",{"_213":233,"_222":234},"630","og:image:height",{"_213":236,"_222":237},"1200","og:image:width",{"_213":239,"_222":240},"website","og:type",{"_213":216,"_222":242},"og:url",{"_213":244,"_222":245},"Glama – MCP Hosting Platform","og:site_name",{"_213":247,"_38":248},"summary_large_image","twitter:card",{"_213":244,"_38":250},"twitter:title",{"_213":47,"_38":252},"twitter:description",{"_213":230,"_38":254},"twitter:image",{"_213":233,"_38":256},"twitter:image:height",{"_213":236,"_38":258},"twitter:image:width",{"_260":261},"script:ld+json",{"_262":263,"_264":265},"@context","http://schema.org","@graph",[266],{"_262":267,"_268":269,"_270":271},"https://schema.org","@type","BreadcrumbList","itemListElement",[272,279,283,286],{"_268":273,"_274":275,"_38":276,"_277":278},"ListItem","item","/","Glama","position",1,{"_268":273,"_274":280,"_38":281,"_277":282},"/mcp","MCP",2,{"_268":273,"_274":284,"_38":285,"_277":184},"/mcp/servers","Servers",{"_268":273,"_274":287,"_38":39,"_277":288},"/mcp/servers/@hyson666/pdf-rag-mcp-server",4,"visitorIsMaintainer","routes/_public/mcp/servers/~namespace/~slug/_pages/reviews/_route",{"_86":-5,"_34":292,"_208":319,"_355":-5},{"_89":90,"_20":293,"_99":47,"_100":47,"_23":101,"_102":294,"_38":39,"_149":307,"_157":-5,"_158":310,"_197":318,"_203":-5,"_110":180,"_204":200,"_8":205,"_206":207},[92,93,94,95,96,97,98],[295,297,299,301,303,305],{"_105":296,"_36":112,"_8":113},{"_107":108,"_38":109,"_110":111},{"_105":298,"_36":119,"_8":120},{"_107":116,"_38":117,"_110":118},{"_105":300,"_36":126,"_8":127},{"_107":123,"_38":124,"_110":125},{"_105":302,"_36":133,"_8":134},{"_107":130,"_38":131,"_110":132},{"_105":304,"_36":140,"_8":141},{"_107":137,"_38":138,"_110":139},{"_105":306,"_36":147,"_8":148},{"_107":144,"_38":145,"_110":146},{"_151":308,"_110":156},{"_153":309},{"_155":156},{"_160":311,"_167":314,"_171":315,"_188":-5,"_189":190,"_191":-5,"_192":317},{"_162":312,"_164":313,"_12":166},{},[],{"_40":48,"_169":170},{"_173":174,"_175":176,"_177":178,"_179":131,"_38":180,"_151":316,"_183":184,"_185":-5,"_186":187},{"_155":156,"_8":182},[194,195,196],{"_199":200,"_201":-5,"_202":-5},[320,322,324,326,328,329,330,331,332,333,334,335,336,337,338,339,340,341,342],{"_10":321},"Reviews | PDF RAG MCP Server | Glama",{"_213":323,"_38":36},"Read community reviews and feedback for PDF RAG MCP Server. Discover user experiences, ratings, strengths, and potential limitations of this MCP implementation from actual users.",{"_215":325,"_217":218,"_219":220},"https://glama.ai/mcp/servers/@hyson666/pdf-rag-mcp-server/reviews",{"_213":327,"_222":223},"Reviews | PDF RAG MCP Server",{"_213":323,"_222":225},{"_213":227,"_222":228},{"_213":230,"_222":231},{"_213":233,"_222":234},{"_213":236,"_222":237},{"_213":239,"_222":240},{"_213":325,"_222":242},{"_213":244,"_222":245},{"_213":247,"_38":248},{"_213":244,"_38":250},{"_213":323,"_38":252},{"_213":230,"_38":254},{"_213":233,"_38":256},{"_213":236,"_38":258},{"_260":343},{"_262":263,"_264":344},[345],{"_262":267,"_268":269,"_270":346},[347,348,349,350,351],{"_268":273,"_274":275,"_38":276,"_277":278},{"_268":273,"_274":280,"_38":281,"_277":282},{"_268":273,"_274":284,"_38":285,"_277":184},{"_268":273,"_274":287,"_38":39,"_277":288},{"_268":273,"_274":352,"_38":353,"_277":354},"/mcp/servers/@hyson666/pdf-rag-mcp-server/reviews","Reviews",5,"review","actionData","errors"]

MCP directory API