PDF RAG MCP Server

Ein 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.

Merkmale

Hochladen und Verarbeiten von PDF-Dokumenten : Laden Sie PDFs hoch und extrahieren, zerlegen und vektorisieren Sie Inhalte automatisch
Echtzeit-Verarbeitungsstatus : WebSocket-basierte Echtzeit-Statusaktualisierungen während der Dokumentverarbeitung
Semantische Suche : Vektorbasierte semantische Suche über alle verarbeiteten Dokumente
MCP-Protokollunterstützung : Integration mit KI-Tools wie Cursor mithilfe des Model Context Protocol
Moderne Weboberfläche : React/Chakra-UI-Frontend für Dokumentenverwaltung und -abfragen
Schnelles Abhängigkeitsmanagement : Verwendet UV für effizientes Python-Abhängigkeitsmanagement

Systemarchitektur

Das System besteht aus:

FastAPI-Backend : Verarbeitet API-Anfragen, PDF-Verarbeitung und Vektorspeicherung
React Frontend : Bietet eine benutzerfreundliche Oberfläche zur Verwaltung von Dokumenten
Vektordatenbank : Speichert Einbettungen für die semantische Suche
WebSocket-Server : Bietet Echtzeit-Updates zur Dokumentenverarbeitung
MCP-Server : Stellt die Wissensdatenbank MCP-kompatiblen Clients zur Verfügung

Schnellstart

Voraussetzungen

Python 3.8 oder höher
uv - Schneller Python-Paketinstaller und -Resolver
Git
Cursor (optional, für MCP-Integration)

Schnelle Installation und Start mit uv und run.py

Klonen Sie das Repository:
git clone https://github.com/yourusername/PdfRagMcpServer.git cd PdfRagMcpServer
Installieren Sie uv, falls Sie es noch nicht haben:
curl -sS https://astral.sh/uv/install.sh | bash
Installieren Sie Abhängigkeiten mit uv:
uv init . uv venv source .venv/bin/activate uv pip install -r backend/requirements.txt
Starten Sie die Anwendung mit dem praktischen Skript:
uv run run.py
Greifen Sie auf die Weboberfläche unter http://localhost:8000 zu
Verwendung mit Cursor

Gehen 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.

{
  "mcpServers": {
    "pdf-rag": {
      "url": "http://localhost:7800/mcp"
    }
  }
}

Sie 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:

Erstellen des Frontends (für Entwickler)

Wenn Sie das Frontend neu erstellen müssen, haben Sie zwei Möglichkeiten:

Option 1: Verwenden des bereitgestellten Skripts (empfohlen)

# Make the script executable if needed
chmod +x build_frontend.py

# Run the script
./build_frontend.py

Dieses Skript führt automatisch Folgendes aus:

Installieren Sie Frontend-Abhängigkeiten
Erstellen Sie das Frontend
Kopieren Sie die Build-Ausgabe in das statische Verzeichnis des Backends

Option 2: Manueller Build-Prozess

# Navigate to frontend directory
cd frontend

# Install dependencies
npm install

# Build the frontend
npm run build

# Create static directory if it doesn't exist
mkdir -p ../backend/static

# Copy build files
cp -r dist/* ../backend/static/

Nachdem Sie das Frontend erstellt haben, können Sie die Anwendung mit dem Skript run.py starten.

Einfaches Produktions-Setup

Für eine Produktionsumgebung, in der die statischen Dateien bereits erstellt wurden:

Platzieren Sie Ihr vorgefertigtes Frontend im Verzeichnis backend/static
Starten Sie den Server:
cd backend uv pip install -r requirements.txt python -m app.main

Entwicklungs-Setup (Separate Dienste)

Wenn Sie die Dienste für die Entwicklung separat ausführen möchten:

Backend

Navigieren Sie zum Backend-Verzeichnis:
cd backend
Installieren Sie die Abhängigkeiten mit uv:
uv pip install -r requirements.txt
Führen Sie den Backend-Server aus:
python -m uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

Frontend

Navigieren Sie zum Frontend-Verzeichnis:
cd frontend
Installieren Sie die Abhängigkeiten:
npm install
Führen Sie den Entwicklungsserver aus:
npm run dev

Verwendung

Hochladen von Dokumenten

Greifen Sie auf die Weboberfläche unter http://localhost:8000 zu
Klicken Sie auf „Neues PDF hochladen“ und wählen Sie eine PDF-Datei aus
Das System verarbeitet die Datei und zeigt den Fortschritt in Echtzeit an
Nach der Bearbeitung steht das Dokument zur Suche zur Verfügung

Dokumente suchen

Verwenden Sie die Suchfunktion in der Weboberfläche
Oder integrieren Sie Cursor mithilfe des MCP-Protokolls

MCP-Integration mit Cursor

Cursor öffnen
Gehen Sie zu Einstellungen → KI & MCP
Fügen Sie einen benutzerdefinierten MCP-Server mit der URL hinzu: http://localhost:8000/mcp/v1
Speichern Sie die Einstellungen
Jetzt können Sie Ihre PDF-Wissensdatenbank direkt vom Cursor aus abfragen

Fehlerbehebung

Verbindungsprobleme

Stellen Sie sicher, dass Port 8000 nicht von anderen Anwendungen verwendet wird
Überprüfen Sie, ob die WebSocket-Verbindung ordnungsgemäß funktioniert
Stellen Sie sicher, dass Ihr Browser WebSockets unterstützt

Verarbeitungsprobleme

Überprüfen Sie, ob Ihr PDF extrahierbaren Text enthält (bei manchen gescannten PDFs ist dies möglicherweise nicht der Fall).
Stellen Sie sicher, dass das System über ausreichend Ressourcen (Speicher und CPU) verfügt.
Überprüfen Sie die Backend-Protokolle auf detaillierte Fehlermeldungen

Projektstruktur

PdfRagMcpServer/
├── backend/               # FastAPI backend
│   ├── app/
│   │   ├── __init__.py
│   │   ├── main.py        # Main FastAPI application
│   │   ├── database.py    # Database models
│   │   ├── pdf_processor.py # PDF processing logic
│   │   ├── vector_store.py # Vector database interface
│   │   └── websocket.py   # WebSocket handling
│   ├── static/            # Static files for the web interface
│   └── requirements.txt   # Backend dependencies
├── frontend/              # React frontend
│   ├── public/
│   ├── src/
│   │   ├── components/    # UI components
│   │   ├── context/       # React context
│   │   ├── pages/         # Page components
│   │   └── App.jsx        # Main application component
│   ├── package.json       # Frontend dependencies
│   └── vite.config.js     # Vite configuration
├── uploads/               # PDF file storage
└── README.md              # This documentation

Beitragen

Beiträge sind willkommen! Senden Sie gerne einen Pull Request.

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.

This server cannot be installed

security - not tested

license - not found

quality - not tested

How are these scores calculated?

hybrid server

The server is able to function both locally and remotely, depending on the configuration or use case.

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.

Related MCP Servers

MCP Development Framework
aigo666
A
security
A
license
A
quality
A powerful Model Context Protocol framework that extends Cursor IDE with tools for web content retrieval, PDF processing, and Word document parsing.
Last updated -
8
9
Python
MIT License
RAG_MCP
mytechnotalent
-
security
-
license
-
quality
A Retrieval-Augmented Generation server that enables semantic PDF search with OCR capabilities, allowing users to query document content through any MCP client and receive intelligent answers.
Last updated -
1
Python
Apache 2.0
DocuFlow
seungmin988
-
security
-
license
-
quality
A TypeScript-based document processing server that supports various document formats (.docx, .pdf, .xlsx) and integrates with Model Context Protocol SDK for efficient document context management.
Last updated -
TypeScript
MIT License
MCP PDF Server
Dev-91
-
security
A
license
-
quality
A Model Context Protocol (MCP) based server that efficiently manages PDF files, allowing AI coding tools like Cursor to read, summarize, and extract information from PDF datasheets to assist embedded development work.
Last updated -
Apache 2.0

View all related MCP servers

PDF RAG MCP Server