File Analysis MCP

Личный MCP-сервер для чтения неструктурированных документов (PDF, DOCX, PPTX, SVG, PNG, JPG) в указанной папке и извлечения их структуры/содержимого. Резюмирование выполняет не этот сервер, а LLM Claude Code/Codex, который вызывает этот сервер. Этот сервер отвечает только за извлечение текста/изображений и определение структуры папок.

Предварительные требования

1. Python

python и pip должны работать корректно. Если в Windows python показывает подсказку об установке из Microsoft Store, проверьте следующее:

1. Установите Python 3.11 или новее (64-bit) с python.org, во время установки отметьте «Add python.exe to PATH».

2. Если python по-прежнему указывает на заглушку Store: Параметры → Приложения → Дополнительные параметры приложений → Псевдонимы выполнения приложений, отключите пункты python.exe/python3.exe в App Installer.

2. Tesseract-OCR (требуется для OCR PNG, опционально)

Установите через UB-Mannheim Tesseract installer, затем укажите в .mcp.json значение TESSERACT_CMD, соответствующее фактическому пути установки. Без установки сервер продолжит работать корректно: при анализе PNG будет возвращено само изображение (мультимодально), а текст OCR будет заменён сообщением «unavailable».

Related MCP server: ReadPDFx - OCR PDF MCP Server

Установка

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

Проверка

# 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

Регистрация в Claude Code

.mcp.json в этой папке уже регистрирует сервер в области проекта. Убедитесь, что путь command соответствует фактическому расположению .venv\Scripts\python.exe, затем перезапустите Claude Code или проверьте командой /mcp, что сервер file-analysis находится в состоянии connected.

Предоставляемые инструменты

• scan_folder(folder_path, max_depth=3, max_files=200): возвращает только дерево папок и количество файлов по расширениям (содержимое не читается).

• analyze_file(file_path, max_chars=None): извлекает содержимое одного файла в соответствии с его расширением.

  • pdf/docx/pptx/svg → текст/информация о структуре

  • png/jpg/jpeg → изображение (мультимодально) + текст OCR

Ограничения

• SVG парсится только по XML-структуре (текстовые узлы, количество фигур, viewBox). По чисто векторному рисунку без текста невозможно понять, что на нём изображено визуально — при необходимости конвертируйте его в PNG и проанализируйте заново.

• Объём извлечения ограничен: PDF — 50 страниц/50 000 символов, PPTX — 100 слайдов/50 000 символов, OCR PNG — 20 000 символов и т.д. При превышении в результат включаются truncated: true и поясняющее сообщение.