File Analysis MCP

Ein persönlicher MCP-Server, der unstrukturierte Dokumente (PDF, DOCX, PPTX, SVG, PNG, JPG) in einem bestimmten Ordner liest und Struktur/Inhalt extrahiert. Die Zusammenfassung wird nicht von diesem Server durchgeführt, sondern vom LLM von Claude Code/Codex, das diesen Server aufruft. Dieser Server ist nur für die Text-/Bildextraktion und die Erfassung der Ordnerstruktur zuständig.

Voraussetzungen

1. Python

python und pip müssen ordnungsgemäß funktionieren. Wenn python unter Windows die Microsoft-Store-Installationsanleitung anzeigt, überprüfen Sie Folgendes:

1. Installieren Sie Python 3.11 oder höher (64-bit) von python.org und aktivieren Sie während der Installation die Option „Add python.exe to PATH“.

2. Wenn python weiterhin auf den Store-Stub verweist: Deaktivieren Sie unter Einstellungen → Apps → Erweiterte App-Einstellungen → App-Ausführungsaliase die Einträge python.exe/python3.exe des App Installers.

2. Tesseract-OCR (für die OCR-Funktion von PNG erforderlich, optional)

Installieren Sie es mit dem UB-Mannheim Tesseract installer und passen Sie den Wert TESSERACT_CMD in .mcp.json an den tatsächlichen Installationspfad an. Auch ohne Installation funktioniert der Server normal; bei der PNG-Analyse wird das Bild selbst (multimodal) zurückgegeben und nur der OCR-Text wird durch die Meldung „unavailable“ ersetzt.

Related MCP server: ReadPDFx - OCR PDF MCP Server

Installation

cd C:\Users\20229\Desktop\MCP
python -m venv .venv
.venv\Scripts\pip install -r requirements.txt

Überprüfung

# 1. 샘플 파일 생성 (pdf/docx/pptx/svg/png/txt 각 1개)
.venv\Scripts\python scripts\generate_fixtures.py

# 2. MCP 없이 extractor만 직접 테스트
.venv\Scripts\python scripts\smoke_test.py

Claude Code-Registrierung

Die .mcp.json in diesem Ordner hat den Server bereits im Projektbereich registriert. Überprüfen Sie, ob der command-Pfad mit dem tatsächlichen Speicherort von .venv\Scripts\python.exe übereinstimmt, und starten Sie dann Claude Code neu oder prüfen Sie mit dem Befehl /mcp, ob der Server file-analysis den Status „connected“ hat.

Bereitgestellte Tools

• scan_folder(folder_path, max_depth=3, max_files=200): Gibt nur den Ordnerbaum und die Anzahl der Dateien nach Erweiterung zurück (liest den Inhalt nicht).

• analyze_file(file_path, max_chars=None): Extrahiert eine einzelne Datei entsprechend ihrer Erweiterung.

  • PDF/DOCX/PPTX/SVG → Text-/Strukturinformationen

  • PNG/JPG/JPEG → Bild (multimodal) + OCR-Text

Einschränkungen

• SVG parst nur die XML-Struktur (Textknoten, Anzahl der Formen, viewBox). Bei reinen Vektorgrafiken ohne Text ist nicht erkennbar, was sie visuell darstellen – konvertieren Sie sie bei Bedarf in PNG und analysieren Sie sie erneut.

• Es gibt Obergrenzen für die Extraktionsmenge, z. B. PDF 50 Seiten/50.000 Zeichen, PPTX 100 Folien/50.000 Zeichen, PNG-OCR 20.000 Zeichen. Bei Überschreitung enthält das Ergebnis truncated: true und einen Hinweistext.