MCP Gemini Pdf Image

Gemini PDF Understanding MCP Server

MCP server để hiểu và phân tích PDF bằng Google Gemini API. 1 tool duy nhất - tự động xử lý 1 hoặc nhiều PDFs.

🌟 Tính Năng

• Single Tool Workflow: URL + Prompt → Kết quả (1 bước)
• Multiple PDFs Support: So sánh và phân tích nhiều PDFs cùng lúc
• Smart Caching: Tự động cache file để tăng tốc lần sau
• Hiểu PDF toàn diện: Phân tích văn bản, hình ảnh, sơ đồ, biểu đồ, bảng
• Tóm tắt & Trích xuất: Tóm tắt nội dung, trích xuất thông tin có cấu trúc
• Q&A: Trả lời câu hỏi về tài liệu
• Chuyển đổi: Chuyển PDF sang HTML, text, v.v.
• Lớn: Hỗ trợ PDF lên đến 1,000 trang mỗi file
• Tối ưu: Sử dụng Google SDK chính thức + File API

🚀 Cài Đặt Nhanh

cd gemini-pdf-mcp-server
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt
cp env.example .env
# Sửa .env, thêm GEMINI_API_KEY của bạn
python main.py

🔑 Lấy API Key

1. Truy cập: https://aistudio.google.com/app/apikey
2. Đăng nhập Google Account
3. Click "Create API Key"
4. Copy và paste vào file .env

Miễn phí: 15 requests/phút, 1.5K requests/ngày

📖 Sử Dụng

Workflow: 1 Bước (Đơn Giản)

Input: URL + Prompt → Output: Kết quả

Tool: understand_pdf_from_url

Mô tả: Hiểu và phân tích 1 hoặc nhiều PDF từ URL (tự động xử lý mọi thứ)

Parameters:

• pdf_url (string hoặc list[string], required):

- String: 1 PDF - List: Nhiều PDFs

• prompt (string, required): Câu hỏi/yêu cầu về PDF(s)
• model (string, optional): Model Gemini (mặc định: gemini-1.5-flash-latest)

Output: Kết quả phân tích PDF(s)

Use Cases:

• Single PDF: Tóm tắt, trích xuất, Q&A, chuyển đổi
• Multiple PDFs: So sánh, tìm chủ đề chung, cross-reference

Examples:

# Ví dụ 1: Tóm tắt PDF
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": "https://arxiv.org/pdf/1706.03762.pdf",
    "prompt": "Tóm tắt bài báo này thành 3 đoạn văn"
  }
}

# Ví dụ 2: Trích xuất thông tin
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": "https://example.com/report.pdf",
    "prompt": "Trích xuất tất cả ngày tháng, tên người và số tiền"
  }
}

# Ví dụ 3: Phân tích (cùng URL, câu hỏi khác - sẽ dùng cache)
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": "https://arxiv.org/pdf/1706.03762.pdf",
    "prompt": "Các phát hiện chính trong nghiên cứu này là gì?"
  }
}

# Ví dụ 4: Chuyển đổi
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": "https://example.com/doc.pdf",
    "prompt": "Chuyển sang HTML giữ nguyên layout"
  }
}

# Ví dụ 5: So sánh nhiều PDFs (dùng list)
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": [
      "https://arxiv.org/pdf/1706.03762.pdf",
      "https://arxiv.org/pdf/2010.11929.pdf"
    ],
    "prompt": "So sánh hai bài báo này. Điểm giống và khác nhau về phương pháp là gì?"
  }
}

# Ví dụ 6: Tìm chủ đề chung
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": [
      "https://example.com/paper1.pdf",
      "https://example.com/paper2.pdf",
      "https://example.com/paper3.pdf"
    ],
    "prompt": "Chủ đề chung xuyên suốt trong 3 bài báo này là gì?"
  }
}

# Ví dụ 7: Tóm tắt nhiều tài liệu
{
  "tool": "understand_pdf_from_url",
  "arguments": {
    "pdf_url": [
      "https://company.com/report-q1.pdf",
      "https://company.com/report-q2.pdf",
      "https://company.com/report-q3.pdf",
      "https://company.com/report-q4.pdf"
    ],
    "prompt": "Tóm tắt xu hướng kinh doanh qua 4 quý trong năm"
  }
}

📝 Cấu Trúc File

gemini-pdf-mcp-server/
├── main.py           # MCP server (1 tool duy nhất)
├── requirements.txt  # Dependencies
├── env.example      # Template cấu hình
├── .env             # Cấu hình thực (tạo từ env.example)
├── README.md        # File này
└── .gitignore       # Git ignore

🔧 Cấu Hình

Environment Variables

API Limits (Free Tier)

• RPM: 15 requests/phút
• TPM: 1 triệu tokens/phút
• RPD: 1,500 requests/ngày
• Pages: Tối đa 1,000 trang/PDF
• Token: 258 tokens/trang
• File Storage: Files được lưu tạm thời trên Gemini

Lợi Ích

• ✅ Cực kỳ đơn giản: Chỉ 1 tool cho mọi use case
• ✅ Tự động detect: String = 1 PDF, List = nhiều PDFs
• ✅ Không giới hạn: Hỗ trợ nhiều PDFs (paid API key)
• ✅ Smart caching: Tự động cache, lần sau nhanh hơn
• ✅ Tương thích hoàn hảo: Với ai-native-todo-task-agent
• ✅ Hiệu quả: File API + caching + Google SDK

🐛 Xử Lý Lỗi

"GEMINI_API_KEY is not configured"

→ Kiểm tra file .env có API key đúng

"Rate limit exceeded"

→ Đợi 1 phút (free tier: 15 RPM)

"Failed to download PDF"

→ Kiểm tra URL có public không

"Request timeout"

→ PDF quá lớn hoặc kết nối chậm, thử lại

💡 Tips

• Prompt rõ ràng: "Tóm tắt 3 đoạn, mỗi đoạn 100 từ" thay vì "Tóm tắt"
• PDF quality: Dùng PDF rõ ràng, không bị mờ
• Orientation: Xoay trang đúng hướng trước khi upload
• Rate limit: Space out requests 4-5 giây

🔒 Bảo Mật

• ❌ Không commit file .env
• ❌ Không share API key công khai
• ✅ Dùng environment variables

📚 Tài Liệu

• Gemini Document Processing
• Get API Key
• Gemini API Docs

✨ Credits

• FastMCP - MCP framework
• Google Gemini API - AI capabilities

Note: Unofficial MCP server for Google Gemini API.